一种基于社会网络分析的P2P僵尸网络反制策略

设计并实现了一种基于社会网络分析的P2P僵尸网络反制策略.该策略包括两个方面:第一,挖掘网络中的关键节点和桥梁节点,重点防护这两类节点;第二,挖掘网络中的社区结构,重点监控社区间的关键通讯.模拟实验表明,该策略能准确挖掘网络中的关键节点、桥梁节点和关键通讯边,挖掘桥梁节点和关键边的准确率分别达到了95%和93%.使用提出的策略可有效控制僵尸网络病毒和黑客攻击指令的传播,从而达到反制P2P僵尸网络的目的.     

一种检测SPIT的社会网络分析方法

已有的VoIP安全技术无法有效检测SPIT攻击。针对该问题,利用社会网络分析方法,通过分析用户节点的历史通信行为数据,提取平均通话时长、主动呼叫频率、呼叫不存在用户次数、主动挂断次数/被动挂断次数以及单向呼出的节点数/双向通信节点数作为特征属性,建立贝叶斯模型,实现SPIT节点的识别与检测。实验结果证明了该方法的有效性。     

基于社会网络分析的网络舆情数据挖掘

随着网络社会的形成,网络舆情已成为民意的主要载体。分析挖掘舆情信息不能只关注舆情信息内容,更需要对舆情主体社会网络特征进行分析,以此发掘舆情核心群体、演化、趋势,从而正确导向舆情。本文以某网络热点话题为例,对该话题社会网络进行整体挖掘研究,计算分析点度中心度、密度、直径、聚类系数等参数信息,并提出舆情监管建议。     

基于维基百科的社会网络分析研究

社会网络分析是研究社会关系的一种新兴的研究方法,它能够对社会网络中行为者之间的关系进行量化分析,以可视化的图形展示行为者之间的深层次关系及描述群体关系的结构.基于维基百科抽取信息,建立辞典,然后构建了计算机网络技术关联网络、相关科研人员人际关系网络以及计算机网络技术与科学家关系网络三个社会网络,并对这三个网络用社会网络分析方法进行研究.发现搜集的当今80位在计算机领域有杰出贡献和影响力的科学家中很大一部分并不处于核心地位,说明他们与其他科学家合作的次数较少.而某些计算机网络技术其子技术或分支较少,但是其发展空间比较大,有可能成为未来的“热门”.     

地理信息系统中网络分析方法研究

地理信息系统中的许多问题，都可以转化为网络问题，本文重点研究网络流规划，首先分析了地理信息系统对网络分析的需求，提出了地理信息系统的网络规划模型，然后根据不同问题对网络规划模型进行细化，并给出相应的解法。     

基于有重叠社区划分的社会网络影响最大化方法研究

社会网络中影响最大化问题是指在特定传播模型下,对于给定的值,寻找具有最大影响范围的节点集,这是一个组合优化问题,Kempe等人已经证明该问题是NP-hard问题,其研究在理论和现实应用中都具有重大意义。文中提出一种新的影响最大化算法——有重叠社区划分的影响最大化算法(K-clique Heuristic算法),该算法的思路是在现实社会网络中跨越多个社交圈子的节点的传播领域越广,其交叉性更强、传播范围更广、影响力更大。所提算法与已有典型算法有相近的运行结果,且有更好的现实应用性和可解释性,为这项具有挑战性的研究提供了新的思路和方法。     

一种适用于社交网络分析的分层社区检测算法

分层社区在社交网络中普遍存在,笔者针对社交网络分析中分层社区检测中容易将分层社区判定为独立社区的问题,提出一种基于层次压缩和扩展的分层社区检测算法。该算法定义了社区判定系数和聚类系数来描述节点的社区分层倾向,描述节点与社区的关系,缩小了社区检测的计算范围;通过迭代压缩、扩展等操作更新节点相关系数指标,最终算法复杂度为O(m+n)。在不损失检测质量的前提下,可以得到较好的检测效率。     

基于社会网络分析的泛在网络仿真平台

针对泛在网络面临局部自治性、异构性、复杂性、混沌性等问题,提出一种基于社会网络分析的泛在网络体系架构及网络仿真平台,并进行原型系统实现。采用社会网络分析中的社会网络的管理、组织和协作机制,利用Multi-Agent技术,从泛在网络体系架构、泛在网络软件平台、虚拟组织、管理Agent、工作者Agent等方面进行设计,同时对Agent通信语言进行基于XML的扩展。实验结果证明,该平台可用于仿真复杂的泛在网络服务与应用。     

一种基于社会网络分析的无线Mesh网络分布式协作入侵检测系统

本文研究了无线Mesh网络的结构特点,以及入侵检测系统在解决其安全问题中的重要作用。分析了网络中的监测节点对入侵检测系统检测的准确性、实时性、开销的影响。在此基础上,本文提出一种基于社会网络思想的入侵检测系统监测节点选择方法,并构建出一种分布式协作的入侵检测检测系统。本文提出的监测节点选择方法综合考虑了节点全局中心性和节点间的联系紧密程度,提出的分布式协作结构能有效降低冗余的检测开销,同时保证检测的实时性和监测信息的有效性。     

基于结构的社会网络分析

互联网的发展和社交网站的流行为研究社会网络提供了大规模的实验平台.主要使用DBLP和Facebook数据集构建网络,采取角色连接轮廓方法从结构上进行划分,发现它们属于外围串类型;验证了社会网络的一些统计性质,比如无标度分布、稠化定律和直径缩减等;发现社会网络中存在紧密连接且直径较小的核心结构,规模中等的社区主要呈现星型结构;基于事件框架研究了社会网络中社区结构的进化,发现社区间的融合很大程度上取决于社区间直接连接的节点所构成网络的聚类系数,而社区的分裂则与该社区的聚类系数相关.     

基于社会网络分析法对信息流空间传播特征的研究

互联网信息的发展形成了虚拟的网络社会。分析信息空间网络在传播过程中的空间分布规律以及网络结构,可以深化信息流在空间传播中的研究。文中利用社会网络分析法和重力模型,在社会地理学视角下尝试对微博中“山东毒疫苗事件”信息的传播路径进行有向网络的构建,并进行定量分析。研究发现:1)信息传播具有地域性,中国不同的地域都会形成“中心岛”城市,这些城市主导着周边乃至全国范围内的舆论方向;2)相同时间段内的舆论信息传播路径数量在空间分布上呈现出不对称性,东部地区比中部和西部地区密集;3)在事件发生地区,内部节点主要起到中间点传播舆情的作用,并不能很好地引导舆情的走向。文中的研究结果可以为社会网络发展和舆论引导提供理论依据。     

社交网络中top-K相关社区查询方法

查找与查询点相关的top-K相关社区具有现实的研究意义。文中定义团和相关社区的概念,探寻一种快速检测查询点的top-K相关社区的方法。提出一个向下探测扩展算法,从查询点出发探测团结构,由团结构向外延伸扩展得到社区,通过循环迭代快速得到查询点的top-K相关社区。同时为减少搜索空间和计算时间,改进提出的向下探测搜索算法。通过全面的实验对比,验证算法的有效性和改进算法的高效性。     

社交网络中的社团结构挖掘

社交网络已经成为现代人们在线交流并交换信息的重要途径之一。以国内的人人网为例,大量的年轻人,尤其是学生,以此为平台,相互讨论感兴趣的话题。人与人之间因为学习关系、工作关系、共同的兴趣等诸多因素关联起来;以大学生交流为主体的社交网则更有可能因为在相同院、系、所而关联在一起,从而呈现出社团结构。该文以人人网的真实数据,使用CNM算法来验证这一假设;同时,还利用社会网络的结构知识对CNM算法作了改进,提高了社团发现的精度。所挖掘的社团结构关系还表明,高校不同院系和学科形成的社团具有各自的特点。     

动态社会网络中的社区演变挖掘

在静态网络图中对社会网络进行分析,可能忽略网络的时间特性,从而错过捕捉动态网络演变模式的机会.为检测社区的演变及社区结构随时间的变化,分析动态社区,为每一个社区定义一系列重大事件,给出社区匹配算法,并对元社区的概念进行定义.实验结果证明,采用该算法建模和检测社会网络中的社区演变,可有效识别和追踪随时间变化的相似社区.     

Social network analysis of a gamified e-learning course: Small-world phenomenon and network metrics as predictors of academic performance

Social networks and gamification are having an important and growing role in education. Social networks provide unknown communication and connection possibilities while games have the potential to engage students. This paper analyzes the structure of the social network resulting from a gamified social undergraduate course as well as the influence that student's position has on learning achievement. In a semester long experiment, a social networking site was delivered to students providing gamified activities and enabling social interaction and collaboration. Social network analysis was used to build the network graph and to compute four measures of the overall network and nine measures for each participant. Individual measures were then assessed as predictors of students' achievement using three different methods: correlation, principal component analysis and multiple linear regressions. The resulting social network has 167 actors and 2505 links, and it can be characterized as a small-world. All analyses agreed on the potential of structural metrics as predictors of learning achievement but they differ in the measures considered as significant. A moderate correlation was found between most centrality measures and learning achievement.     

一种面向语义重叠社区发现的 Block 场取样算法

语义社会网络(Semantic social network, SSN)是一种包含信息节点及社会关系构成的新型复杂网络. 传统语义社会网络分析算法在进行社区挖掘时, 需要预先设定社区个数且无法发现重叠社区. 针对这一问题, 提出一种面向语义重叠社区发现的block场采样算法, 该算法首先以LDA (Latent dirichlet allocation)模型为语义分析模型, 建立了以取样节点为核心节点的block 场BAT (Block-author-topic)模型; 其次, 根据节点的语义分析结果, 建立可度量block区域的语义凝聚力方法, 实现了语义信息的可度量化; 最后, 以节点的语义凝聚力为输入, 改进了重叠社区发现的标签传播算法(Label propagation algorithm, LPA)及可评价语义社区的SQ度量模型, 并通过实验分析, 验证了本文算法及SQ 度量模型的有效性及可行性.     

基于SNA的指挥控制关系建模与分析

社会网络分析（Social Network Analysis,SNA）方法是指挥控制关系研究领域新近引入的一种有效的定量分析方法。研究了构建C2组织的指挥控制关系网络模型的基本方法,将组织的实体要素划分为侦察单元、决策单元和执行单元三类;从社会学的角度分析了C2组织中指挥控制权力的“影响”和“支配”两个维度,并重新定义了指挥控制关系;将实体单元和单元之间的指挥控制关系抽象为网络模型的点和边。结合想定示例,具体说明了网络模型的构建方法,并以指挥控制关系的“点度中心性”为例对模型进行了实际的计算和分析。研究表明,基于社会网络分析方法的指挥控制关系建模与分析具有现实意义和实用价值。     

基于事务日志的社会网络抽取

社会网络分析(social network analysis, SNA)是数据挖掘领域的一个重要研究方向,社会网络数据的质量和规模对研究十分重要.在当前的社会网络分析研究中,大多数是基于社交网站生成的社会网络,社交网站生成的在线社会网络只是对真实社会网络近似模拟,其现象、结论无法代表真实社会网络;少数基于真实社会网络的研究中,由于数据采集难度较大,往往只能使用规模有限的社会网络,从而降低了分析结果的可信程度.现代软件系统产生大量的事务日志让构建基于真实环境的社会网络成为可能.以高校学生卡管理系统产生的事务日志为例,探索如何从海量事务日志中抽取社会网络.根据事务日志的特征,建立以共现(co-occurrence)特征为基础的网络抽取模型,抽取出所有可能构成这个社会网络的边;定义了一个基于边的权重和Jaccard相关性系数的边存在系数,识别网络中的噪音边,筛选噪音边;最后,通过同班级比率分析和网络拓扑结构分析,对抽取的网络进行验证.实验结果表明,所抽取的网络具有很高的同班级比率,该抽取模型具有较好效果,同时该网络具有小世界网络(small-world)特征和满足无标度(scale-free)度分布,符合常见社会网络特征.     

基于HMM的动态社会网络社团发现算法

随着互联网的不断发展,大多数社会网络已逐渐显示出动态特性,动态社会网络社团分析对理解现实生活中社会网络结构和功能具有非常重要的意义.针对动态社会网络中的社团发现问题,提出一种基于隐Markov模型(hidden Markov model, HMM)的HMM_DC算法.该算法考虑到社会网络的动态特性,结合历史信息,将社团发现转化为求解隐马尔可夫模型中的最优状态序列问题,将网络中的社团结构和节点信息分别采用状态链和观察链表示,在无须指定额外参数的情况下实现动态网络的社团结构发现.最后,利用该算法和其他算法对VAST数据集、ENRON数据集和Facebook social network数据集进行实验仿真.仿真结果表明：该算法能够快速、准确地发现真实动态网络中的社团,其模块度Q值和互信息NMI值有很大提升.     

社会网络分析和社团信息挖掘的三项探索——挖掘虚拟社团的结构、核心和通信行为

社会网络分析是数据挖掘的新热点。文中综述了社会网络分析研究动态,介绍了作者近期在社会网络挖掘方面的三项探索,包括:（a）虚拟社团的结构挖掘,讨论了初始社团生成、权重计算,社团树生成和社团结构挖掘算法。(b) 基于六度分割和最短路径社团核心成员挖掘,讨论了计算节点间的最短路径,根据六度分割定理的剪枝,基于SPLINE算法和中心度挖掘犯罪子团伙中的核心的技术。(c)基于用户属性的通信行为挖掘,讨论了用户个性和通信行为关系的量化描述,采用911事件解密数据来建立社会网络,用于模拟恐怖分子间邮件的收发。