توضیحات
ABSTRACT
Identifying rumor sources in social networks plays a critical role in limiting the damage caused by them through the timely quarantine of the sources. However, the temporal variation in the topology of social networks and the ongoing dynamic processes challenge our traditional source identification techniques that are considered in static networks. In this paper, we borrow an idea from criminology and propose a novel method to overcome the challenges. First, we reduce the time-varying networks to a series of static networks by introducing a time-integrating window. Second, instead of inspecting every individual in traditional techniques, we adopt a reverse dissemination strategy to specify a set of suspects of the real rumor source. This process addresses the scalability issue of source identification problems, and therefore dramatically promotes the efficiency of rumor source identification. Third, to determine the real source from the suspects, we employ a novel microscopic rumor spreading model to calculate the maximum likelihood (ML) for each suspect. The one who can provide the largest ML estimate is considered as the real source. The evaluations are carried out on real social networks with time-varying topology. The experiment results show that our method can reduce 60% – 90% of the source seeking area in various time-varying social networks. The results further indicate that our method can accurately identify the real source, or an individual who is very close to the real source. To the best of our knowledge, the proposed method is the first that can be used to identify rumor sources in time-varying social networks.
INTRODUCTION
RUMORS spreading in social networks have long dent of rumors “Obama was injured in two explosionsof White House” led to 10 billion USD losses in a few hours. This demonstrates that a single rumor can cause great damage to business and life . Nowadays, with the development of mobile devices and wireless techniques, the temporal nature of social networks (time-varying social networks) has a deep influence on dynamical information spreading processes occurring on top of them . The ubiquity and easy access of social networks not only promote the efficiency of information sharing but also dramatically accelerate the speed of rumor spreading . Rumors combine the characteristics of the “word-of-mouth” spreading scheme with the dynamic connections between individuals in time-varying social networks .For either forensic or defensive purposes, it has always been a significant work to .identify the source of rumors in time-varying social .networks
چکیده
شناسایی منابع شایعه در شبکه های اجتماعی نقش مهمی را در محدود کردن آسیب های ناشی از آنها از طریق قرنطینه به موقع منابع ایفا می کند. با این حال، تغییرات زمانی در توپولوژی شبکه های اجتماعی و فرآیندهای پویا در حال انجام، تکنیک های شناسایی منبع سنتی خود را که در شبکه های استاتیک در نظر گرفته می شوند، به چالش می کشد. در این مقاله، ایده ی جرم شناسی را قرض می گیریم و روش جدیدی برای غلبه بر چالش ها پیشنهاد می کنیم. ابتدا شبکه های متغیر زمان را به یک سری از شبکه های استاتیک با معرفی یک پنجره زمانه یکپارچه می کنیم. دوم، به جای بازرسی هر فرد در تکنیک های سنتی، ما استراتژی انتشار معکوس را برای مشخص کردن مجموعه ای از مظنونین از منبع شایعه واقعی اتخاذ می کنیم. این فرایند مسئله مقیاس پذیری مشکلات شناسایی منبع را بررسی می کند و به همین دلیل به طور قابل توجهی به کارایی شناسایی منبع شایعه کمک می کند. سوم، برای تعیین منبع واقعی از مظنونین، ما یک مدل جدید شایعه میکروسکوپی جدید برای محاسبه حداکثر احتمال (ML) برای هر مظنون استفاده می کنیم. کسی که می تواند بزرگترین برآورد ML را ارائه دهد، به عنوان منبع واقعی در نظر گرفته می شود. ارزیابی ها در شبکه های اجتماعی واقعی با توپولوژی متفاوت متغیر انجام می شود. نتایج آزمایش نشان می دهد که روش ما می تواند 60 تا 90 درصد از ناحیه جستجوی منبع را در شبکه های مختلف مختلف مختلف مختلف کاهش دهد. نتایج بیشتر نشان می دهد که روش ما می تواند با دقت شناسایی منبع واقعی و یا فردی که بسیار نزدیک به منبع واقعی است. برای بهترین دانش ما، روش پیشنهادی برای اولین بار است که می تواند برای شناسایی منابع شایعه در شبکه های اجتماعی متفاوت متغیر استفاده شود.
مقدمه
طوفان هایی که در شبکه های اجتماعی گسترش یافته اند، از شایعات زیادی رنج می برند “اوباما در دو کاخ سفید در اثر انفجار زخمی شد” و چند ساعت پس از آن به 10 میلیارد دلار رسید. این نشان می دهد که یک شایعه تنها می تواند موجب آسیب جدی به کسب و کار و زندگی شود. امروزه با توسعه دستگاه های تلفن همراه و تکنیک های بی سیم، ماهیت زمانی شبکه های اجتماعی (شبكه های اجتماعی متنوع زمان) تأثیر عمیقی بر روی فرایندهای گسترش اطلاعات پویا در بالای آنها دارد. دسترسی همهجانبه و دسترسی آسان شبکه های اجتماعی نه تنها به افزایش بهره وری از اشتراک اطلاعات کمک می کند، بلکه به سرعت به سرعت گسترش شایعه سرعت می بخشد. شایعات ویژگی های طرح گسترش “صدای دهان” را با ارتباطات پویا بین افراد در شبکه های مختلف اجتماعی متفاوت ترکیب می کند. برای اهداف قانونی یا دفاعی، همیشه کار مهم و مهمی در شناسایی منبع شایعات در شبکه های اجتماعی متنوع زمان
Year: 2018
Publisher : IEEE
By : Jiaojiao Jiang, Sheng Wen, Shui Yu, Yang Xiang and Wanlei Zhou
File Information: English Language/ 15 Page / size: 818 KB
سال : 1396
ناشر : IEEE
کاری از : جیاجیائو جیانگ، شنگ ون، شویی یو، یانگ شیانگ و وانیلی ژو
اطلاعات فایل : زبان انگلیسی / 15 صفحه / حجم : KB 818
نقد و بررسیها
هنوز بررسیای ثبت نشده است.