隐匿社区中基于缺失链接修复的重要节点发现与追踪研究

With the development of social networks, there has been a special form of online community - hidden community. Effective and covert communication hidden in community becomes the new security issues. This research will take the community evolution in social network as the object and study the structural organization and behavior patterns in hidden community from the view of mining, tracking and analysis. Specific contents are as follows: With the sociological view to analyze the natural attributes and the engineering view to analyze the existence and operation in hidden community; Study the algorithm which build a hidden community model with uncertain conditions, then use trust reasoning to found the trust relationships combined with the trust mechanism; Design the missing links repair and latent core nodes discovery algorithm and come up with an evolutionary model using its core nodes as the main clue; Realize the hidden community detection and tracking prototype through developing a test bed of the hidden community and then test it. Our project aims to reveal the evolution law of the hidden community and its core nodes. It will make progress in basic research fields, such as computational science, intelligent data processing, network security, and make an important impact on the solving model that uses computational thinking to solve network security problems, and promote the extensive and in-depth study of social computing.

随着社会网络的发展，出现了一种以特殊形态存在的网络社区- - 隐匿社区，利用隐匿社区进行有效而隐蔽的通信成为新的安全问题。本课题以社会网络中的隐匿社区的演化为研究对象，对在大规模的社会网络中挖掘、跟踪和分析隐匿社区的组织结构和行为模式进行科学研究。具体内容包括：从社会学角度分析隐匿社区的自然属性，从工程学的角度分析社会网络中隐匿社区存在和运行的现状；研究在不确定信息条件下构建隐匿社区模型的算法，结合隐匿社区内部的信任机制，使用信任推理方法发现信任关系；设计缺失链接修复和潜在重要节点发现的算法，提出隐匿社区以其重要节点为主线的演化模型；通过开发隐匿社区模型测试床，实现隐匿社区发现和跟踪原型并加以测试。本课题旨在揭示隐匿社区及其重要节点的演化规律，将在计算科学、智能数据处理、网络安全等基础研究方面取得进展，对采用计算思维解决网络安全相关问题的解决模式产生重要影响，推进社会计算的广泛深入研究。

随着移动互联网的兴起和深度大数据分析技术的发展，围绕社会网络的安全问题日趋突出。本课题针对隐匿社区挖掘以及核心节点的发现和追踪展开研究，主要研究内容包括：（1）在社区发现方面，提出了一种基于随机行走转移矩阵局部收敛的层次社区发现方法，解决了一般随机行走方法的盲目行走和过量行走问题，在保证网络可达性的同时降低了算法的时间复杂度。该方法对初始核心节点选取不敏感，能够自动发现随机行走的最佳步长，误差可控，具有较强的适应性。（2）在社会网络影响力分析方面，提出了在动态网络下采用亲和传播计算节点之间的激活概率，依据时间片对社会网络进行动态切分，使不同时间片中的激活概率实现了有效关联，并考虑了节点之间的个体差异和时间因素，将影响力衰减因素加入网络影响力扩散模型，对真实测试数据有较好的分析结果。（3）在网络预测方面，做了两个方面的工作：首先将模糊系统引入社会网络演化模型，结合一般模糊以及直觉模糊方法将确定性网络转变为模糊化网络，改进了马尔可夫链模型使其适合于模糊化的网络，实现社会网络演化的趋势预测，并取得较好的效果。第二个方面，强调内容信息在连接预测上的重要性，引入转移熵的概念来量化用户之间信息转移量，分别使用主题向量表示和分布式词向量表示的方法量化用户文本内容。通过对用户文本的预处理和量化，进而计算用户之间信息的转移，构造有向加权网络图，预测用户发生链接的可能性。（4）项目后期增加了对隐私问题的考虑，主要使用差分隐私技术，提出了基于层次随机图的社会网络差分隐私数据发布方法。利用马尔可夫蒙特卡洛方法从层次随机图候选树集合中获取最佳匹配树，并通过添加噪声使得发布结果满足差分隐私要求。此外，还实现了基于参数网络图模型的隐私保护，既保证了发布数据的可用性，又实现了隐私预算的合理分配。目前，项目按照预期目标顺利完成，相关研究成果已发表论文28篇，SCI收录12篇，EI收录8篇，发明专利授权7项。