[發明專利]基于克隆選擇算法的社交網絡虛假信息控制方法

有效

• 申請號: 201410571359.4
• 申請日: 2014-10-23
• 公開（公告）號: CN104281972A
• 公開（公告）日: 2015-01-14
• 發明（設計）人: 安俊秀;靳宇倡;曹書哲;王鵬;楊海濤
• 申請（專利權）人: 成都信息工程學院
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06N3/00
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 郭霞

技術領域

本發明涉及一種社交網絡虛假信息控制方法，尤其涉及一種基于克隆選擇算法的社交網絡虛假信息控制方法。

背景技術

如今，社交網絡的發展方興未艾，約有一半以上的網民通過社交網絡溝通交流、分享信息，但社交網絡在帶給我們信息便捷的同時，其不良影響仍然不容忽視。近年來，虛假信息在社交網絡中的泛濫傳播大有愈演愈烈之勢，各級政府、信息監管部門和科研人員也開始更多的予以關注。重大的網絡輿情不僅會影響人們的正常生活，還會對社會穩定、國家安全帶來一系列的挑戰。其中蘊含大量的暴力、色情、虛假欺騙等不良信息，這些信息嚴重制約著互聯網健康有序的發展。

網絡中信息的傳播有其自身的特點，時效性和復雜性是網絡信息控制的重點和難點，因而在網絡輿情爆發的時刻如何能夠實現及時有效的信息控制對防止虛假信息蔓延、減少其對公眾和社會的影響、提高突發事件的應急處理效率具有重大的意義。

目前對復雜網絡上信息控制研究比較廣泛的免疫策略主要有隨機免疫、目標免疫和熟人免疫。

隨機免疫是指在社交網絡中隨機選取若干個節點施加免疫，例如當某一用戶節點傳播虛假信息比較多時就可以將該用戶節點及鏈接邊在網絡中移除掉，該方法對網絡中的節點公平對待，不考慮網絡中各節點之間的差異，比較適合在均勻網絡中使用，但隨機免疫對無標度網絡不能產生很好的效果，并且在具體實際應用問題中也較難實現。

目標免疫適用于拓撲結構不均勻的無標度網絡，如無標度網絡中度分布服從冪律分布并具有非均勻特性，可以選擇出入度比較大的節點或是在該網絡中起比較關鍵作用的用戶節點，將這些節點及鏈接邊在網絡中移除，從而起到抑制信息在該網絡中傳播的作用。但是這種方法往往需要事先對社交網絡的結構分布有較清晰的認識，尤其要對社交網絡中各用戶節點度分布的情況有所掌握，因此如何利用計算機有限的處理能力從海量的社交網絡用戶節點中尋找到關鍵節點，從而達到最優的信息控制效果，仍然需要研究人員的繼續努力。

熟人免疫策略通常是在對社交網絡全局結構信息不明朗的情況下使用，根據被選擇的節點及他們的鄰接節點信息，選中節點的概率與指向該節點鏈接邊的權重呈正比，從而判斷信息在這些節點的動態傳播過程，該方法在無標度網絡中使用時效率要高于隨機免疫策略，卻低于目標免疫策略。但熟人免疫不需要知道社交網絡的結構特征，具有更高的實用價值。

由于網絡社區的開放性和易操作性，人們可以根據自己的興趣愛好或者歸屬類別很容易的加入到各式各樣的網絡社區中，然而不同的網絡社區不僅規模大小不同，里面所涵蓋的信息類別也大相徑庭，并且同一個社區內的用戶交流也比較頻繁，討論的主題也有相應側重點。根據網絡社區的這一特性，目前國內外研究主要涉及到聚類算法及相關改進算法來對網絡社區中的信息進行歸類分析，發現虛假信息在該網絡社區傳播時，采取屏蔽、斷開信息傳播鏈接等措施，從而使該信息盡量在該社區的小范圍內傳播。

但是，虛假信息在社交網絡傳播的過程中，有些網民可能會根據自己的喜好對該信息進行增刪或者修改，被修改過的信息又會重新在網絡中泛濫傳播，導致一個信息可能會出現多個版本，在這一傳播的過程中虛假信息又明顯的表現出變異的特性。

上述各種免疫策略對于體現變異特性的虛假信息的控制效果都比較差，目前效果最好的控制方法是De?Castro和Von?Zuben于2000年在免疫系統理論的基礎上提出的基于克隆選擇算法的控制方法，通過模擬生物免疫系統學習進化的過程，進而形成一種兼具動態性和自適應性的全局優化搜索算法。該算法目前已經被廣泛的應用到了系統控制、優化算法和社會化統計分析等方面。

克隆選擇算法的實質是檢測器根據親和力不斷演化的過程，這一過程與達爾文的自然選擇過程有些相似，大概包括以下幾個步驟：

(1)初始化檢測器種群，檢測器種群由記憶檢測器群體和剩余檢測器群體構成；

(2)對檢測器與抗原之間的親和力進行計算，并在檢測器集合中挑選出n個親和力較高的檢測器，這一步驟需用到克隆選擇算法的克隆選擇規則；

(3)對選擇出來的n個親和力較高的檢測器進行克隆增殖，并生成一個臨時的克隆檢測器種群，并且每個檢測器克隆的數量與檢測器和抗原之間的親和力成正比，這一步驟需用到克隆選擇算法的克隆增殖規則；

(4)根據檢測器與抗原之間的親和力對相似程度較低的臨時克隆檢測器種群進行高頻變異，并生成一個變異的檢測器種群，這一步驟需用到克隆選擇算法的變異規則；

(5)對生成的變異檢測器種群再次選擇，挑選出若干個優秀的檢測器組成記憶檢測器集合，這一步驟需用到克隆選擇算法的記憶規則；