关键词： 复杂网络   社团检测   重叠社团   局部优先   标记传播  

摘要： 信息技术的迅猛发展，特别是互联网的发展，使人们已迈入了“网络时代”。复杂网络的研究已成为当前炙手可热的研究领域之一。作为复杂网络研究的重要课题之一，社团检测得到的极大的研究与发展。传统的社团检测方法大多集中在检测非重叠社团上，然而真实网络的一个重要的特性是网络中存在大量的重叠节点。因此，高效准确地检测出复杂网络中的重叠社团结构能够更准确真实地揭示复杂网络的拓扑结构。 针对复杂网络中普遍存在重叠节点这一特性，本文提出了两种社团检测算法：局部优先的重叠社团检测算法和增强的多标记传播社团检测算法。局部优先的重叠社团检测算法针对每个节点生成其邻居网络，通过构造节点邻居网络的一棵最大生成树，从中提取该节点的所有局部圈子，以局部圈子为最小单元，通过定义局部融合策略，实现全局重叠社团检测；增强的多标记传播算法是一种基于标记传播的社团检测算法，但是该算法能同时检测出复杂网络中的重叠社团结构和非重叠社团结构。算法首先扩展了传统标记传播算法节点只能存储单一标记的能力，通过设置从属因子使节点能够同时保存多个标记。同时，通过模拟一种特殊的投票过程设计了新的标记更新策略——增强的标记更新策略。 通过对比分析大量真实网络和生成网络上的实验表明：本文提出的两种社团检测算法能够高效、准确地检测出复杂网络中潜在的社团结构。

关键词： 复杂网络   社团结构   边模式   网络检测  

摘要： 为了检测网络的社团结构,提出基于统计推理的边模式社团检测方法,在计算机生成的网络中和实际网络检测了算法的可行性和准确性,并与现有的两种基于边模式的社团检测方法做了比较。实验表明,所提出的方法可以快速有效地检测出重叠社团,在性能上优于后两种方法。

关键词： 用户社团   社团变化   异常检测   复杂网络  

摘要： 为准确刻画Internet上的用户群体行为,发现网络中潜在的协同攻击。首先从采集的流中提取用户的社会行为特征,构建用户交互网络(HIN)。然后,基于HIN的用户社会行为的相似性,定义用户社团,并定义5个指标对用户社团的变化进行定量描述,采用基线法设置每个指标的检测区间。期间,为了适应网络环境的动态性,引入了固定时间宽度的滑动窗口机制实现自适应网络异常群体行为检测。提出了一种通过对用户社团变化的监测实现网络异常群体行为检测的方法。通过在两个实际网络流数据集上进行试验验证了基于用户社团变化的方法可以检测大型网络的异常群体行为。

关键词： Whistle-blowing   Fraud   Internal reporting   Whistle-blowing policies   Hotlines  

摘要： In order to provide an effective whistle-blowing system, it is expected that companies would provide employees with a high level of disclosure regarding the whistle-blowing process. This study investigates variation in the extent of whistle-blowing disclosures. As a measure of whistle-blowing implementation, this study further examines the provision of a hotline channel. The results suggest that the extent of whistle-blowing disclosures is positively associated with the permissibility of anonymous reporting and organisational support for whistle-blowing, the number of external directors on the audit committee, and the existence of concentrated shareholdings. The mere existence of whistle-blowing disclosures could simply be symbolic. The findings also indicate a greater likelihood of the provision of hotlines when companies are larger in size, have a higher level of current inventory, are cross-listed in the US, and permit anonymous reporting.

关键词： 熵   超网络   重叠社团  

摘要： 研究了超网络的社团划分问题。超网络是实际应用中的超图,而超图则是一种广义上的图,它的一条超边可以连接任意多个顶点。提出了一个基于熵的超网络社团检测算法,该算法是对Cha等人的算法的推广,能够检测出重叠社团。将这两种算法应用到了中国大陆图论科研合作超网络中,对结果进行了分析和比较,认为提出的算法是有效的。

关键词： 社交网络   社团检测算法   拓扑结构   MDL函数   检测速度  

摘要： 随着互联网的快速发展，特别是web2.0的理念普及相关技术的日臻成熟，基于社交网络的新型互联网应用有了飞速的发展。这些应用使得社交网络的节点数量规模越来越大，节点之间的联系也越来越复杂。研究社交网络中的社团结构，有助于掌握网络的拓扑结构、揭示网络的特性、了解网络中各个部分的功能、发现隐藏在网络中的规律和预测网络的行为。现有的社团检测算法在检测速度和划分的准确度上很难达到一种平衡，特别是在网络规模越来越大的情况下，研究这一问题具有重要意义。\n 本文提出了基于改进的Infomap社团检测算法和基于扩散的层次化社团检测算法。其中基于infomap改进的社团检测算法在Infomap的基础上提出了基于合并最小MDL所对应社团的改进算法，将MDL函数优化为一个遍历节点访问频率和离开概率的函数，提高了算法在进行社团检测时的检测速度。基于扩散的层次化社团检测算法采用了扩散的、层次化的社团检测方法，在局部核心结构的发现中，应用了网络的树形结构的特征，通过不断调整边权重阈值，得到局部核心树结构；在扩散步骤中，先将剩余节点归到其最大权重边所连节点所属社团中，再进行剩余两个扩散步骤；在选择初始边权重阈值的过程中，算法采用了所发现的最稀疏社团的社团密度值作为优化的目标，使发现的社团结构更加明显。\n 仿真结果表明，本文算法可以将大量用户连接关系简化为社团与社团之间的连接关系，以及各个社团内部的关系。这样就能在很大程度上减少每次需要处理的数据量，对海量数据的分析能起到化繁为简的作用。

关键词： 复杂网络   社团检测   重叠社团   离散粒子群算法  

摘要： 针对复杂网络重叠社团检测的问题,建立了衡量重叠社团划分优劣的评判函数,并基于该函数提出了一种采用混沌量子粒子群优化的复杂网络重叠社团检测算法。该算法采用量子编码,利用Logistic映射初始化粒子种群,并以粒子群速度改变方式更新转角的大小,以概率为1收敛。实验结果表明,所提算法具有较高的检测正确率,能更好地反映实际社团划分情况。

关键词： 社交网络   恶意链接   机器学习   网络安全  

摘要： 社交网络正逐渐成为人类社会交流的平台，用户群规模也不断扩大。无论在娱乐还是商务上，社交网络价值都日益凸显，逐渐成为我们生活中不可或缺的一部分。社交网络迅速发展的同时，也面临着很大的安全威胁。主要包括:XSS跨站脚本攻击、分布式拒绝服务攻击、蠕虫攻击、恶意链接攻击等。其中，恶意链接是社交网络面临的主要安全威胁之一。通过对社交网络中出现的链接地址进行安全性检查、提示及过滤，能够防止用户点击恶意链接，有效保护社交网络用户;同时能够帮助社交网站管理员了解社交网络安全态势，制定安全策略，消除社交网络安全威胁。\n 为了实现在社交网络中快速检测恶意链接，本文提出了一种基于社团结构的恶意链接检测方案。该方案首先结合网络爬虫和调用官方API的方式，实现了社交网络数据收集工具。然后，该方案基于社交网络的自身特性，根据关系紧密的用户行为的相似性，将社交网络中的用户预先划分成社团，能够将发布恶意链接且关系紧密的用户划分到相同的社团内，从而可以优先检测恶意度大的社团用户发布的链接，以提高恶意链接的检测效率和准确性。在检测方面，该方案使用了结合黑白名单匹配、Google API接口和机器学习技术的检测方法，以满足系统对已知恶意链接和未知恶意链接进行检测的要求。\n 本文根据上述方案实现了原型系统，利用数据收集工具收集了新浪微博用户的信息，并对其进行了社团划分和恶意链接检测。实验表明，针对社交网络用户采用社团分组检测的方式能够尽早地检测出恶意链接，综合了黑白名单匹配、API调用和机器学习技术的检测方法也可以进一步提高恶意链接检测的准确度。

关键词： 复杂网路   中心性   多目标优化   社团智能检测算法   信息流  

摘要： 人类已经生活在一个包含各种各样的复杂网络的世界中,自然界中许多相互作用的复杂系统,如互联网、电力系统、生物分子系统等,皆可抽象成复杂网络。迅速发展的计算机处理能力和海量数据存储能力使得科学家越来越容易地在现实世界中收集海量的网络数据,研究其内在规律。除了小世界特性、无标度特性,社团结构特性被认为是复杂网络中最重要的统计特性之一。揭示网络的内在社团结构对理解结构与功能关系、发现其演化规律、监控与预测其演变行为具有重要的理论意义和广泛的应用前景,已成为近几年来学术界的研究热点。本文对复杂网络中社团智能检测算法及中心性度量进行了探索和研究,主要工作和创新成果分为如下五个方面:\n 1.分析了基于优化模块度检测复杂网络社团结构的算法存在解的限制问题,该类算法不能检测出小于一定内在尺度的社团,并提出了基于极值优化模块密度来检测复杂网络社团结构的一种新的启发式算法,通过调整局部极值来优化全局的变量,使算法具有更好的持续搜索和跳出局优解的能力。通过人工网络和现实网络实验分析表明,所提算法在检测网络社团时,具有较高的正确率和效率,即使在网络结构变得很模糊时,算法也能很好地工作。\n 2.通过分析复杂网络重叠社团检测问题,提出了衡量重叠社团划分优劣的评判函数,并基于该函数提出一种基于混沌量子粒子群优化的复杂网络重叠社团检测算法,并证明了该算法以概率1收敛。所提算法采用量子编码,利用Logistic映射初始化粒子种群,以粒子群速度改变方式更新转角的大小。利用计算机生成的网络和实际网络进行了仿真实验,比较了所提算法与经典算法的性能,结果表明,所提算法所得检测结果具有较高的检测正确率,能更好地反映实际社团划分情况。\n 3.提出一种基于分解多目标优化的复杂网络社团检测新算法。新算法将社团检测问题构造成多目标优化问题,通过在多个目标之间权衡折衷,实现在更广泛的空间进行社团结构检测,克服了传统单目标优化存在解单一的缺陷。算法采用MOEA/D框架,运用Tchebycheff分解技术,引入基于加权法的模拟退火局部搜索算子,扩大了搜索范围,使算法不易陷入局部最优解。最后,在计算机生成的网络数据集以及真实网络数据集上对算法进行了仿真实验。结果表明,该算法与已有算法相比,具有较高的检测正确率,计算量较小。同时,获得的多个 Pareto最优解有助于揭示复杂网络社团的层次结构。\n 4.提出一种新的动态网络社团检测的多目标进化算法,算法以快照质量和时序价值为优化目标构成多目标优化模型。分别选择模块密度度量快照价值,标准互信息来度量时序价值。采用NSGA-II框架,结合问题特征,设计新的遗传算子。针对问题特定领域知识,设计了一个局部搜索算子来提高社团检测性能。对合成数据和真实数据进行实验,实验结果表明所提算法比对比算法可以更精确地检测动态网络社团结构,真实反映社团的演化。\n 5.提出一种基于信息流的复杂网络中心性测度,并将其扩展到组中心性,用来度量一组节点的中心性。所提测度克服了传统中心性测度的缺点,不仅适用于连通网络,也适用于非连通网络。利用标准测试集对所提测度与传统中心性测度进行了比较试验,结果表明所提测度具有较好的性能。最后,对所提测度在大规模计算机生成的数据集和现实数据集上的统计特性规律进行了研究。

关键词： 复杂网络   社团结构   局部相似性   K-means聚类   检测算法  

摘要： 现实生活中的很多网络,如互联网,电力系统网,神经网,人际关系网,都可以看成是复杂网络。这些网络共同的特点就是具有小世界,无标度,社团结构等特性。其中社团结构是复杂网络最重要的特性之一,寻找和分析社团结构有助于更好地了解网络的内部结构,分析网络的性质。所以,复杂网络的社团结构研究近年来成为人们研究的热点问题,大量的复杂网络社团挖掘算法陆续被提出来。本文从社团的相似性定义出发,研究了现有的节点相似性度量指标,提出了一种新的局部相似性指数,结合现有的基于相似性的社团检测算法对网络社团进行划分。主要工作如下:　　(1)研究经典的复杂网络社团结构检测算法,分析了研究复杂网络社团结构的一般方法。　　(2)在研究现有的网络节点的相似性指标的基础上,定义了一种新的局部相似性指数,从理论上证明了该局部相似性指数在社团检测方面比其它局部相似性指数更具优势。　　(3)提出了一种基于局部相似性的K-means谱聚类算法,该算法采用网络节点相似性矩阵的前 K个最大特征值所对应的特征向量为坐标,将网络节点映射到欧式空间,再采用 K-means谱聚类算法对其进行社团划分,算法根据最大特征值间距预测社团个数,再采用模块度进行验证。在计算机生成的网络和大量的实际网络验证该算法的可行性和有效性。　　(4)提出了一种基于局部相似性的AP聚类算法,该算法以节点的局部相似性矩阵作为基础,起初将所有的节点视为聚类中心,通过对每个节点的“吸引度”和“归属度”不断修改,来确定最优的聚类中心和每个节点的社团归属。在计算机生成的网络和大量的实际网络上验证了算法的可行性和有效性。　　(5)将定义的局部相似性指数和现有的基于相似性的聚类算法相结合对计算机生成的网络和大量的实际网络进行社团划分,并和GN算法,快速算法等做了比较,结果表明,所定义的相似性指数和传统局部相似性指数相比,能够更为准确的刻画网络节点的相似性,该相似性和大多数基于相似性的算法相结合都能够较为准确的检测网络的社团结构,因此,所提相似性指数是一种比较有竞争力的相似性指标。