[發明專利]一種基于網絡風險熵差的謠言風險評估方法

有效

• 申請號: 201810239750.2
• 申請日: 2018-03-22
• 公開（公告）號: CN108520337B
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 肖喜;卞天;劉睿彤;鄭海濤;江勇;夏樹濤
• 申請（專利權）人: 清華大學深圳研究生院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F16/955
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 徐羅艷

1.一種基于網絡風險熵差的謠言風險評估方法，包括以下步驟：

S1、對待評估的網絡平臺，建立基于SIR模型的謠言傳播模型；

S2、基于所述謠言傳播模型的網絡結構，利用謠言源識別方法識別出謠言源及其傳播時間；所述網絡結構包括多個網絡節點，每個節點代表一個網絡用戶；

S3、根據步驟S2確定的謠言源及其傳播時間，在所述網絡結構中模擬謠言的正向傳播過程，以得到當前時刻所述網絡結構中的各個節點處于不同狀態的概率；其中，節點的所述狀態包括三種：易感染狀態、感染狀態和恢復狀態；

S4、根據當前時刻所述各個節點處于不同狀態的概率，計算當前時刻所述網絡結構的最大風險熵和最小風險熵；

S5、利用當前時刻所述網絡結構的所述最大風險熵和所述最小風險熵，計算當前時刻所述網絡結構的網絡風險熵；

S6、根據所述網絡結構當前時刻的網絡風險熵和當前時刻的前一時刻的網絡風險熵，計算所述網絡結構的網絡風險熵差，并根據所述網絡風險熵差評估當前時刻謠言對所述網絡平臺造成的潛在風險；

步驟S3中，定義所述當前時刻為t時刻，所述網絡結構中處于易感染狀態的節點i在t時刻被謠言感染的概率為

其中，L_i為節點i所代表的用戶于所述網絡平臺上最近一預定時間段內的活躍度，N_i為節點i在所述網絡結構中的相鄰節點j的集合，inf_j為節點j所代表的用戶在所述網絡平臺上的影響力值，P_I(j,t-1)為節點j在(t-1)時刻處于感染狀態的概率；

其中，和分別表示節點i所代表的用戶在最近一周和最近一月內于所述網絡平臺上發布的內容數量，和分別表示節點i所代表的用戶在最近一周和最近一月內于所述網絡平臺上進行點贊的數量，和分別表示節點i所代表的用戶在最近一周和最近一月內于所述網絡平臺上回復評論的數量；

根據節點i在t時刻被謠言感染的概率，計算節點i在t時刻處于易感染狀態的概率P_S(i,t)＝(1-α(i,t))·P_S(i,t-1)，節點i在t時刻處于感染狀態的概率以及，節點i在t時刻處于恢復狀態的概率

其中，β_i表示處于感染狀態的節點i轉變為恢復狀態的概率，0＜β_i＜1；U_i表示節點i所代表的用戶在所述網絡平臺上的信用值；C_i表示節點i所代表的用戶在所述網絡平臺上的支持度，p_i為節點i所代表的用戶在所述網絡平臺上發布的內容中含有持贊同態度的評論數量，n_i為節點i所代表的用戶在所述網絡平臺上發布的內容中含有持反對態度的評論數量；

當前時刻所述網絡結構的最大風險熵H_max(t)和最小風險熵H_min(t)分別通過如下公式計算：

其中，

其中，G_S和G_I分別表示當前時刻所述網絡結構中為易感染狀態和感染狀態的節點集合；

則t時刻所述網絡結構的網絡風險熵H(t)為H(t)＝H_max(t)-H_min(t)；

t時刻所述網絡結構的網絡風險熵差ΔH(t)為：

ΔH(t)＝H(t)-H(t-1)＝(H_max(t)-H_min(t))-(H_max(t-1)-H_min(t-1))；

所述網絡風險熵差ΔH(t)越大，則謠言造成的潛在風險越大；反之，則謠言造成的潛在風險越小。

2.如權利要求1所述的謠言風險評估方法，其特征在于：步驟S2中所采用的謠言源識別方法包括反向傳播法、Jordan中心法、有效距離法和蒙特卡羅法。