58、社交网络种子集选择与SDN网络攻击检测研究

社交网络种子集选择与SDN网络攻击检测研究

社交网络种子集选择

在社交网络中，选择合适的种子集并评估其影响力是信息传播研究的重要内容。
- 信息扩散模型
- SIR模型 ：将节点分为三类，S - 易感节点，这类节点很容易被信息感染，信息很可能会传播到该节点；I - 感染节点，已经拥有需要传播给多个节点的信息；R - 恢复节点，曾经被感染过，但现在已恢复，不能再传播信息。
- 独立级联（IC）模型 ：如果节点 ‘u’ 已被感染，那么与节点 u 相关的每条边都有一个概率，该概率表示信息从感染节点成功传输到其相邻节点的可能性。
- 社区检测 ：社交网络中存在一些内部节点连接紧密，但与外部节点连接较弱的区域，这些区域被称为社区。社区检测有助于选择种子集，使传播节点彼此保持一定距离。可以使用 “Girvan Newman” 方法进行社区检测，该方法通过边的介数中心性来逐步移除边，直到得到所需数量的社区。具体步骤如下：
1. 计算每条边的介数中心性。
2. 选择介数中心性最大的边并从图中移除。
3. 重复上述步骤，直到得到合适的社区划分。
- 种子集选择算法步骤
1. 使用 “Girvan Newman” 方法进行社区检测。
2. 为每个节点分配一个社区得分，社区节点数越多，节点的社区得分越高。
3. 计算每个节点的独特中心性，通过深度优先搜索，从当前节点出发，计算在 ‘k’ 跳范围内可以到达的不同节点数量。
4. 每个节点有