论文部分内容阅读
社交网络由于其可以方便地传播和分享信息,成为人们相互联络的工具,同时也成为商用等领域服务人们的平台。随着应用的广泛发展,社交网络各种研究话题引起了广泛关注,其中保证社交网络的安全是社交网络所有功能正常运行的基础。社交网络的构建以用户间互动关系为基础,其中用户间信任发挥着重要作用。如果没有信任保证,社交网络将遭受隐私泄露、网络诈骗、攻击事件等安全危机,并且给用户带来损害。因此,研究与建立用户间信任关系模型与机制,成为保证社交网络安全和信任水平的重要措施。另外,在各种社交网络中,经常需要知道哪些是最活跃、最具影响力的用户,作为信息源来提升信息传播效率、或在网络营销中发挥着重要作用。在社交网络研究中,用中心性来度量节点的重要度。考虑用户间可信度的差异可以提升用户中心性度量的准确性。所以,本文首先研究信任模型的建立,再研究信任模型在中心性度量中的应用,主要围绕以下三个方面展开研究。首先对社交网络的自适应信任模型展开了研究。首先基于贝叶斯系统建立直接可信度度量模型,其次根据信任在社交网络中的传播规律,提出了基于半环代数的间接可信度度量模型。进一步地,提出了基于遗忘因子的自适应机制来刻画信任的时间动态性。在确定遗忘因子时,采用了动态调整机制,以更加符合信任动态变化规律。实验表明,本文提出的自适应信任模型可以有效地将正常节点和开关攻击节点区分开来,从而可以抑制攻击节点对网络安全的损害。与此同时,本文提出基于反馈的信任更新机制,提升了社交网络中的成功传输率。其次对社交网络的时变信任模型进行了分析研究。基于信任在时间轴上的动态性,本文考虑历史信任信息的累积对信任度量的影响,提出了时变信任值模型和时变可信阈值模型。在此基础上推导出了节点的预警概率,从而保证网络的安全水平。另外,本文提出了基于安全阈值的信任评估方法,引入安全阈值以识别节点的可靠性,调节网络安全水平和节点利用率之间的权衡关系。数值计算和仿真结果的一致性证明了本文模型的可行性。仿真实验表明,基于本文信任模型可以有效地区分开正常节点和恶意攻击节点,可以有效地保护网络安全。同时,通过对网络安全水平和节点利用率之间权衡关系的实验分析,发现对于每一时刻,存在一个拐点可以使得在保证网络安全水平较高的同时,还能使节点利用率尽可能高。从而在实际应用中可以选取对应该拐点的安全阈值,达到同时保证网络安全性和提高节点利用率的效果。最后对加权社交网络的中心性模型展开研究。社交网络中用户之间的交互关系具有差异性,比如交互频率、时长的差异会带来用户间亲密度、可信度等关系的差异性。这种用户间交互关系存在差异的社交网络称为加权社交网络。由于大部分社交网络都是加权网络,所以研究加权社交网络的中心性模型具有必要性。可信度是用户间连接的一种重要权重,融合考虑它不仅会增加中心性度量的准确度,还能提升网络的安全性。本文首次提出将无权网络主分量中心性(PCC)方法应用于加权网络,提出了一种基于可信度的加权主分量中心性(TW-PCC)模型。实验结果显示,该模型不仅可以准确地识别出社交网络中最有影响力的用户,而且在传播效率、鲁棒性和容错性等性能比较中优于其他加权中心性方法。同时,TW-PCC方法比其他中心性度量方法更能准确地识别出各个社区的最重要用户,在实际应用中有着重要意义。综上所述,本文研究了社交网络中的自适应信任模型、时变信任模型以及信任模型在关键用户挖掘中的应用,提出了基于自适应遗忘机制的半环信任模型、时变信任度量(TSTE)模型、基于可信度的加权主分量中心性(TW-PCC)模型,对于社交网络信任度量模型的分析研究和应用工作具有重要的理论意义与应用价值。