本發(fā)明屬于信息處理，具體涉及一種雙成本驅(qū)動(dòng)的網(wǎng)絡(luò)傳播級(jí)聯(lián)智能感知與溯源方法及裝置。

背景技術(shù)：

1、在網(wǎng)絡(luò)上發(fā)生的傳染過(guò)程可以用來(lái)建模多種現(xiàn)實(shí)世界的場(chǎng)景，例如信息傳播、疾病和社會(huì)行為。通過(guò)利用基礎(chǔ)的流行病模型，研究人員可以洞察現(xiàn)實(shí)世界的傳播動(dòng)態(tài)，并制定應(yīng)對(duì)復(fù)雜任務(wù)的策略。在這一背景下，最關(guān)鍵的方面之一是傳播源推斷，其解決方案可能應(yīng)用于諸如遏制虛假信息和抑制流行病等應(yīng)用。

2、傳播源推斷問(wèn)題旨在優(yōu)化一個(gè)監(jiān)視器集合，以便最小化定位觸發(fā)爆發(fā)的源的成本。傳統(tǒng)方法假設(shè)一些或所有節(jié)點(diǎn)的狀態(tài)是可觀察的，并提出開(kāi)發(fā)有效的估計(jì)器來(lái)評(píng)估每個(gè)節(jié)點(diǎn)成為源的可能性。在這個(gè)背景下，通常采用兩類主要策略來(lái)找到真正的源。

3、第一類策略集中于具有最高可能性的節(jié)點(diǎn)，并通過(guò)考慮其第一層鄰居、第二層鄰居等逐步擴(kuò)大搜索區(qū)域，直到找到真正的源。在這種方法下，誤差距離通常用來(lái)衡量不同方法的有效性，如果推斷出的源頭在跳數(shù)距離上接近真實(shí)源頭，則認(rèn)為估計(jì)器較優(yōu)。雖然這種優(yōu)化目標(biāo)對(duì)一般隨機(jī)網(wǎng)絡(luò)來(lái)說(shuō)是有效的，但對(duì)于具有冪律度分布的網(wǎng)絡(luò)可能不穩(wěn)定。

4、相反，第二類策略首先依賴估計(jì)器提供的可能性對(duì)節(jié)點(diǎn)進(jìn)行排名，然后依次檢查每個(gè)節(jié)點(diǎn)，直到找到真正的源。在這種情況下，所有可能性大于零的節(jié)點(diǎn)都被認(rèn)為是潛在源頭，因此如果估計(jì)器導(dǎo)致具有可能性大于零的節(jié)點(diǎn)數(shù)量較少，則認(rèn)為該估計(jì)器更優(yōu)。也就是說(shuō)，優(yōu)化目標(biāo)是最小化具有可能性大于零的節(jié)點(diǎn)數(shù)量，這通常比誤差距離更穩(wěn)定，因?yàn)樗梢酝ㄟ^(guò)挖掘網(wǎng)絡(luò)結(jié)構(gòu)來(lái)實(shí)現(xiàn)，而不需要知道潛在的擴(kuò)散模式或模型。這類策略比前一類策略更適用于現(xiàn)實(shí)場(chǎng)景，但是這類策略的大多數(shù)現(xiàn)有工作都是基于監(jiān)視器集合收集的所有信息來(lái)推斷每次爆發(fā)的源，有時(shí)會(huì)導(dǎo)致成本非常高。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種雙成本驅(qū)動(dòng)的網(wǎng)絡(luò)傳播級(jí)聯(lián)智能感知與溯源方法及裝置，包括：步驟一：根據(jù)基礎(chǔ)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)信息，確定最優(yōu)目標(biāo)監(jiān)視器集合vo；步驟二：根據(jù)歷史傳播集合ζ的信息，智能優(yōu)化所述監(jiān)視器vo的組態(tài)，確定傳播爆發(fā)高效感知集合步驟三：根據(jù)所述爆發(fā)感知集合并結(jié)合從特定爆發(fā)中獲取到的實(shí)時(shí)信息，動(dòng)態(tài)確定導(dǎo)致爆發(fā)的初始傳播源。通過(guò)本發(fā)明提供的方法，能夠在較低的成本付出下，實(shí)現(xiàn)穩(wěn)定高效的傳播源動(dòng)態(tài)溯源。

2、本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案如下：

3、步驟1：根據(jù)基礎(chǔ)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)信息，確定最優(yōu)目標(biāo)監(jiān)視器集合vo；

4、步驟2：根據(jù)歷史傳播集合ζ的信息，智能優(yōu)化最優(yōu)目標(biāo)監(jiān)視器集合vo的組態(tài)，確定傳播爆發(fā)高效感知集合

5、步驟3：根據(jù)爆發(fā)高效感知集合并結(jié)合從特定爆發(fā)中獲取到的實(shí)時(shí)信息，動(dòng)態(tài)確定導(dǎo)致爆發(fā)的初始傳播源。

6、進(jìn)一步地，所述步驟1具體為：

7、對(duì)于特定網(wǎng)絡(luò)g(v,e)，v,e分別表示網(wǎng)絡(luò)中的頂點(diǎn)集合和邊集合；給定監(jiān)視器集合的大小no和超參數(shù)x，采用高效混合算法eha，用于第一階段tss-i中的最優(yōu)目標(biāo)監(jiān)視器集合vo的求解；

8、所述高效混合算法eha包括：用于獲取監(jiān)視器集合vo初始解的bpd算法和對(duì)監(jiān)視器集合vo初始解進(jìn)行有效改進(jìn)的epp算法。

9、進(jìn)一步地，所述獲取監(jiān)視器集合vo初始解的bpd算法如下：

10、步驟1-1：創(chuàng)建空的監(jiān)視器集合vo，并為節(jié)點(diǎn)序列s分配初始位置；初始化計(jì)數(shù)器用于跟蹤節(jié)點(diǎn)的添加順序；定義g′(vo)為移除監(jiān)視器集合后的剩余網(wǎng)絡(luò)；

11、步驟1-2：當(dāng)g′(vo)中存在環(huán)，即剩余網(wǎng)絡(luò)g′＝(v′,e′)仍然存在環(huán)時(shí)：首先計(jì)算每個(gè)節(jié)點(diǎn)的移除概率從剩余網(wǎng)絡(luò)中選擇移除概率最大的節(jié)點(diǎn)u，即：將節(jié)點(diǎn)u添加到監(jiān)視器集合vo并記錄到序列s(i)中，更新計(jì)數(shù)器，i加1；v′,e′分別表示移除監(jiān)視器集合后剩余網(wǎng)絡(luò)中的頂點(diǎn)集合和邊集合；

12、步驟1-3：當(dāng)i≤n時(shí)：選擇對(duì)剩余網(wǎng)絡(luò)g′(vo)的最大連通組件lcc具有最大拆解效果的節(jié)點(diǎn)u，將節(jié)點(diǎn)u添加到監(jiān)視器集合vo并記錄到序列s(i)中，更新計(jì)數(shù)器，i加1；

13、步驟1-4：重復(fù)步驟1-2和1-3，直到剩余網(wǎng)絡(luò)g′存在環(huán)時(shí)結(jié)束循環(huán)，得到監(jiān)視器集合vo初始解。

14、進(jìn)一步地，所述對(duì)監(jiān)視器集合vo初始解進(jìn)行有效改進(jìn)的epp算法如下：

15、步驟1-5：根據(jù)節(jié)點(diǎn)序列s，隨機(jī)選擇節(jié)點(diǎn)序列的一個(gè)子區(qū)間s(l1:l2)；l1、l2為兩個(gè)用于選擇節(jié)點(diǎn)序列子區(qū)間的隨機(jī)生成參數(shù)，1≤l1<l2≤n；

16、步驟1-6：根據(jù)rr關(guān)系策略對(duì)節(jié)點(diǎn)子區(qū)間s(l1:l2)進(jìn)行優(yōu)化，以減少最大連通組件lcc的規(guī)模，優(yōu)化節(jié)點(diǎn)刪除的順序；

17、步驟1-7：得到改進(jìn)后的監(jiān)視器集合vo。

18、進(jìn)一步地，所述步驟2具體如下：

19、對(duì)于特定網(wǎng)絡(luò)g(v,e)、監(jiān)視器集合vo和節(jié)點(diǎn)順序序列s，給定爆發(fā)集合ζ，引入基于網(wǎng)絡(luò)結(jié)構(gòu)的策略nss和基于貪婪的策略gds確定監(jiān)視器集合vo中節(jié)點(diǎn)的檢查順序，智能地構(gòu)建第二階段tss-ii中所述爆發(fā)感知集合

20、進(jìn)一步地，所述基于網(wǎng)絡(luò)結(jié)構(gòu)的策略nss如下：

21、步驟2-1：初始化索引i為1，并初始化爆發(fā)感知集為空集；

22、步驟2-2：直到檢測(cè)到爆發(fā)或者i超過(guò)監(jiān)視器集合大小前，執(zhí)行以下循環(huán)：從節(jié)點(diǎn)順序序列s中選擇節(jié)點(diǎn)u，其中u＝s(i)，然后將節(jié)點(diǎn)u添加到所述爆發(fā)感知集中，更新索引i加1；

23、步驟2-3：結(jié)束循環(huán)，得到爆發(fā)感知集

24、進(jìn)一步地，所述基于貪婪的策略gds如下：

25、步驟2-4：初始化爆發(fā)感知集為空集；

26、步驟2-5：在期望的檢測(cè)率未達(dá)到之前，執(zhí)行以下操作：從監(jiān)視器集合vo中選擇一個(gè)節(jié)點(diǎn)u使得添加u到爆發(fā)感知集合可以最小化目標(biāo)函數(shù)并將節(jié)點(diǎn)u添加到爆發(fā)感知集合中；

27、步驟2-6：結(jié)束循環(huán)，根據(jù)加入到爆發(fā)感知集合中的節(jié)點(diǎn)的順序，更新節(jié)點(diǎn)順序序列s；

28、步驟2-7：得到爆發(fā)感知集

29、進(jìn)一步地，所述步驟3具體如下：

30、對(duì)于特定網(wǎng)絡(luò)g(v,e)，感知集對(duì)于第三階段tss-iii，采用基于滲流的貪婪策略pgs和cir算法，通過(guò)動(dòng)態(tài)檢查節(jié)點(diǎn)智能地優(yōu)化候選集vc并最小化動(dòng)態(tài)推斷監(jiān)視器集合

31、進(jìn)一步地，所述cir算法包括：

32、步驟3-1：用爆發(fā)感知集合初始化動(dòng)態(tài)推斷監(jiān)視器集合

33、步驟3-2：當(dāng)存在尚未檢查的當(dāng)前監(jiān)視器集合或者當(dāng)前候選集尚未滿足需求，執(zhí)行以下循環(huán)：i)基于動(dòng)態(tài)推斷監(jiān)視器集合獲取子網(wǎng)絡(luò)更新當(dāng)前監(jiān)視器集合使用基于滲流的貪婪策略pgs從當(dāng)前監(jiān)視器集合中選擇下一個(gè)需要檢查的節(jié)點(diǎn)ud；iv)將選中的節(jié)點(diǎn)ud加入動(dòng)態(tài)推斷監(jiān)視器集合

34、步驟3-3：結(jié)束循環(huán)，更新候選集

35、步驟3-4：得到候選集vc。

36、進(jìn)一步地，所述基于滲流的貪婪策略pgs如下：

37、步驟3-5：當(dāng)潛在的待檢查監(jiān)視器集合中的節(jié)點(diǎn)數(shù)量大于1時(shí)，執(zhí)行以下循環(huán)：i)選擇節(jié)點(diǎn)u使得：從給定子網(wǎng)絡(luò)移除節(jié)點(diǎn)u；α′(v)表示子網(wǎng)絡(luò)gt移除中所有節(jié)點(diǎn)后剩余網(wǎng)絡(luò)的連通組件；

38、步驟3-6：當(dāng)循環(huán)結(jié)束時(shí)，最后一個(gè)剩余的節(jié)點(diǎn)v即為下一個(gè)需要檢查的節(jié)點(diǎn)ud；

39、步驟3-7：得到下一個(gè)需要檢查的節(jié)點(diǎn)ud。

40、一種雙成本驅(qū)動(dòng)的網(wǎng)絡(luò)傳播級(jí)聯(lián)智能感知與溯源裝置，包括：

41、獲取單元，根據(jù)基礎(chǔ)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)信息，獲取最優(yōu)目標(biāo)監(jiān)視器集合vo；

42、感知單元，根據(jù)歷史傳播集合ζ的信息，智能優(yōu)化所述監(jiān)視器vo的組態(tài)，確定傳播爆發(fā)高效感知集合

43、溯源單元，根據(jù)所述爆發(fā)感知集合并結(jié)合從特定爆發(fā)中獲取到的實(shí)時(shí)信息，動(dòng)態(tài)確定導(dǎo)致爆發(fā)的初始傳播源。

44、本發(fā)明的有益效果如下：

45、本發(fā)明方法通過(guò)優(yōu)化網(wǎng)絡(luò)監(jiān)視器節(jié)點(diǎn)檢測(cè)順序的方式，能夠在較低的成本下，實(shí)現(xiàn)網(wǎng)絡(luò)輿情信息的智能快速感知和高效溯源，從而可以廣泛應(yīng)用于各種現(xiàn)實(shí)場(chǎng)景，如對(duì)抗虛假信息、監(jiān)控網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)設(shè)施的狀態(tài)、分析復(fù)雜系統(tǒng)的穩(wěn)健性和彈性，以及控制信息或疾病的擴(kuò)散。