复杂网络中异质性节点的信息流行为控制方法[发明专利]

(12)发明专利申请

(10)申请公布号 CN 108023878 A(43)申请公布日 2018.05.11

(21)申请号 2017112028.1(22)申请日 2017.11.27

(71)申请人 石家庄铁道大学

地址 050043 河北省石家庄市北二环东路

17号(72)发明人 范通让　佟宽章　赵文彬　尹智贤　

张照文　(74)专利代理机构 石家庄轻拓知识产权代理事

务所(普通合伙) 13128

代理人 黄辉本(51)Int.Cl.

H04L 29/06(2006.01)H04L 12/24(2006.01)

权利要求书1页 说明书8页 附图5页

(54)发明名称

复杂网络中异质性节点的信息流行为控制方法

(57)摘要

本发明公开了一种复杂网络中异质性节点的信息流行为控制方法，从网络中节点的异质性出发，通过建立有效的、符合现实条件的网络模型，对网络中信息流行为进行分析，寻求支配复杂网络中异质性节点信息流行为的简单规律，并建立用于指导控制危害信息传播的控制策略，从节点异质性角度剖析了信息扩散行为，对研究异质性节点的信息流行为，以及指导制定危害信息流控制策略有着积极意义；S1、建立基于网络节点异质性的信息流模型；S2、构建描述节点兴趣差异和信息类型的SEIR信息流模型；S3、根据节点异质性和节点在网络中的位置，建立危害性信息流控制策略。

CN 108023878 ACN 108023878 A

权　利　要　求　书

1/1页

1.一种复杂网络中异质性节点的信息流行为控制方法，其特征在于：包括如下步骤：S1、建立基于网络节点异质性的信息流模型，对网络节点异质性的信息流行为进行分析和判断；

S2、构建描述节点兴趣差异和信息类型的SEIR信息流模型，对网络中影响节点信息流行为的内部和外部因素进行探讨分析；

S3、根据节点异质性和节点在网络中的位置，针对网络的整体利益，建立危害性信息流控制策略。

2.根据权利要求1所述的复杂网络中异质性节点的信息流行为控制方法，其特征在于：所述步骤S1包括，(1)从网络结构异质性和节点生态学异质性角度分析异质性对信息流行为的影响；(2)从节点主观异质性和记忆效应异质性的角度验证节点生态学异质性特性在信息流行为中的作用；(3)从节点度的角度分析节点网络结构异质性对信息流行为的影响。

3.根据权利要求2所述的复杂网络中异质性节点的信息流行为控制方法，其特征在于：所述步骤S2包括：(1)结合节点潜伏态，构建SEIR信息传播模型，用于描述网络用户接收和转发信息的过程；(2)从信息吸引力、节点间关系、节点主观异质性三方面分析节点信息流行为；(3)引入节点潜伏态，刻画节点接收信息却没有进行传播，但是有潜力在之后的时间内传播信息的情形。

4.根据权利要求2或3所述的复杂网络中异质性节点的信息流行为控制方法，其特征在于：所述步骤S3包括：(1)借助K-核分解的方法，选取重要节点，构建危害信息快速反应网络；(2)从节点内部因素和节点外部因素出发，完善危害性信息流控制策略；(3)根据节点所处的状态、以及网络被感染状态的不同，分别采取不同的手段，建立用于指导控制危害信息传播的控制策略。

2

CN 108023878 A

说　明　书

复杂网络中异质性节点的信息流行为控制方法

1/8页

技术领域

[0001]本发明涉及网络信息安全技术领域，尤其涉及一种复杂网络中异质性节点的信息流行为控制方法。

背景技术

[0002]复杂网络是指由数量巨大的节点和节点之间错综复杂的关系共同构成的网络结构，复杂网络理论也已经广泛应用到了互联网、电力、交通以及社会领域等诸多领域。随着互联网的告诉发展，特别是微薄、微信、等社交网络的兴起，对于复杂网络的深入研究以及对于网络中的信息流行为的研究越发重要。复杂网络中影响节点信息流行为的因素不仅需要节点在网络中的位置，也要考虑信息吸引力和节点间关系的作用，更重要的是节点自身的“异质性”因素，这就使得研究节点信息流行为变得多元化、复杂化。从而给复杂网络中节点信息流行为的研究以及危害性信息流控制策略的部署带来困难，并且存在研究方法的应用受限问题。

发明内容

[0003]本发明所要解决的技术问题是提供一种复杂网络中异质性节点的信息流行为控制方法，从网络中节点的异质性出发，通过建立有效的、符合现实条件的网络模型，对网络中信息流行为进行分析，寻求支配复杂网络中异质性节点信息流行为的简单规律，并建立用于指导控制危害信息传播的控制策略，从节点异质性角度剖析了信息扩散行为，对研究异质性节点的信息流行为，以及指导制定危害信息流控制策略有着积极意义。[0004]为解决上述技术问题，本发明所采取的技术方案是：一种复杂网络中异质性节点的信息流行为控制方法，包括如下步骤：S1、建立基于网络节点异质性的信息流模型，对网络节点异质性的信息流行为进行分析和判断；[0005]S2、构建描述节点兴趣差异和信息类型的SEIR信息流模型，对网络中影响节点信息流行为的内部和外部因素进行探讨分析；[0006]S3、根据节点异质性和节点在网络中的位置，针对网络的整体利益，建立危害性信息流控制策略。

[0007]所述步骤S1包括，(1)从网络结构异质性和节点生态学异质性角度分析异质性对信息流行为的影响；(2)从节点主观异质性和记忆效应异质性的角度验证节点生态学异质性特性在信息流行为中的作用；(3)从节点度的角度分析节点网络结构异质性对信息流行为的影响。

[0008]所述步骤S2包括：(1)结合节点潜伏态，构建SEIR信息传播模型，用于描述网络用户接收和转发信息的过程；(2)从信息吸引力、节点间关系、节点主观异质性三方面分析节点信息流行为；(3)引入节点潜伏态，刻画节点接收信息却没有进行传播，但是有潜力在之后的时间内传播信息的情形。[0009]所述步骤S3包括：(1)借助K-核分解的方法，选取重要节点，构建危害信息快速反

3

CN 108023878 A

说　明　书

2/8页

应网络；(2)从节点内部因素和节点外部因素出发，完善危害性信息流控制策略；(3)根据节点所处的状态、以及网络被感染状态的不同，分别采取不同的手段，建立用于指导控制危害信息传播的控制策略。

[0010]采用上述技术方案所产生的有益效果在于：本发明从网络中节点和信息类型两方面对节点信息流行为进行分析，具体探究了节点兴趣、节点间关系、信息收益性和节点在网络中的位置对网络中信息传播的影响，并在此基础结合节点K-Shell重要度，提出了基于快速反应网络的危害性信息流控制策略，将分析结果和网络应用联系到一起，为应对危害性信息的传播提出了行之有效的方法。

附图说明

[0011]图1是危害性信息快速预警网络示意图。[0012]图2是危害性信息预警流程示意图。

[0013]图3是有无异质性时信息传播范围随感染率变化的对比图，其中记忆效应异质性因子α＝0.2，α＝0.5，α＝0.9。

[0014]图4是有无异质性时传播时间步T随感染率变化的对比图，其中记忆效应异质性因子α＝0.2，α＝0.5，α＝0.9。

[0015]图5是有无异质性时传播范围随感染率变化的对比图，其中记忆效应异质性因子α为不全相同的定值。

[0016]图6是主观异质性存在时且记忆效应因子α为不全相同的定值和α＝0.5时信息传播范围随感染率变化的对比图。

[0017]图7是主观异质性存在时且记忆效应因子α为不全相同的定值和α＝0.5时传播时间T随感染率变化的对比图。

[0018]图8是符合异质性理论条件下信息传播范围R和传播时间T随感染率变化图。

[0019]图9是节点兴趣第节点信息流行为影响仿真结果中各个类型节点数量随时间变化示意图。

[0020]图10是信息收益性对节点信息流行为影响仿真结果中不同信息类型下不同状态节点的数量对比示意图。

具体实施方式

[0021]下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0022]在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的。[0023]为了深刻认识复杂网络中信息传播规律，预测事件发展趋势，抵制危害信息在网络中的传播，建立高效、稳定的防范策略，本发明以网络中节点信息流行为为重点研究对象，从网络中节点的异质性出发，通过建立有效的、符合现实条件的网络模型，对网络中信

4

CN 108023878 A

说　明　书

3/8页

息流行为进行分析，寻求支配复杂网络中异质性节点信息流行为的简单规律。[0024]本发明主要解决了两个问题：[0025](1)从网络中节点异质性着手，从内、外两方面研究节点信息流行为影响因素，内因指的是节点的自主性，包括节点对信息的兴趣和节点主观判断两方面，外因主要包括网络结构、节点在网络中的位置。根据节点特殊性质研究节点异质性对其信息流行为的影响，明确节点主观异质性和基于时间积累效应的节点记忆异质性，并建立基于网络节点异质性的信息流模型。[0026](2)构建了SEIR传播模型，从节点间关系强度、节点兴趣以及节点主观性出发，并将网络中流动的信息进行抽象的分类，研究了信息类型和节点性质对节点信息流行为的影响，构建快速应急网络，结合所得分析成果，制定了网络中危害性信息流控制策略。[0027]为了跟清楚描述本发明的技术方案，对本发明中涉及的基本要素进行如下定义：[0028](1)节点主观异质性

[0029]由于复杂网络中充斥着多种类型的信息，并且这些信息在网络中是不断流动的。对于复杂网络中的节点而言，当有信息从邻居节点传给它时，它就需要抉择：是选择接受该信息且向其他邻居节点继续传播该信息，或者是拒绝接受该信息。然而，每个节点所表现出的信息流行为，具有一定差异性，这主要是由于节点之间本质上的差异所决定，这种导致网络节点信息行为差异的本质属性，称为节点主观异质性。[0030](2)节点记忆效应异质性

[0031]由于复杂网络中的节点之间的高度互联性，导致网络中的每个节点很忽略其他节点的影响。而网络中每个节点的邻居数量(该节点的度，也称为节点度) 是符合幂率分布的，而这一点恰好是符合异质性的特点的。复杂网中的节点之间的高度互动性，导致邻居节点之间的信息流行为相互影响。某些节点在时间标度上持续性行为，放大了节点之间的影响力，导致该节点会在一定时间内保留某种信息。每个节点本质属性上的差异，同样会影响信息在给节点的保留时间。这种受邻居节点持续性行为和节点自身本质属性所影响的信息保留效应，称为节点的记忆效应异质性。[0032](3)信息吸引力[0033]无论是谣言、、行为还是其他事物，是否能够在网络中得到广泛的传播，主要在于这些信息是否具有足够的吸引力。吸引力越大，则该信息被网络中节点接受的可能性越高。而这种吸引力的大小，又取决于信息本身和网络中节点喜好的匹配程度，匹配程度越高表示节点越喜欢该信息，这样其才能在该信息网络中扩散的过程中，表现更加活跃。网络信息的收益性(Revenue)也是影响节点信息流行为的重要因素。[0034](4)节点信息流行为机制[0035]网络中信息多种多样，有些信息带有一定的危害性，如谣言；有些信息能够给转发者带来一定收益，如健康行为，这里定义变量Revenue表示信息的收益性。信息传播到某个节点处时，当节点对该信息感兴趣时选择接收，接收信息的行为往往取决于节点本身的自主性。而节点的转发行为主要影响因素分为内部和外部两部分，内部因素是指节点自主性；外部因素概括为节点间关系强度 (Strength)与信息收益性(Revenue)。对于一般的节点，以两个节点之间的共同邻居数做为节点间关系强度的衡量标准。网络表示为G＝(V，E)，其中V为节点集合；E为节点之间连接关系集合。对于网络中的2个节点ui、uj，可以基于图G计算

5

CN 108023878 A

说　明　书

4/8页

各自的邻接节点集合friendseti和friendsetj，则这2个节点的熟悉度 familiarity(ui，uj)的计算公式为：

[0036]

[0037]

对于网络中亲密度较强的两个节点，将区别对待。节点所受外力影响力计算公式

如下：

Pout＝p1Strength+p2Revenue  (2)

[0039]所以，节点转发信息的概率计算公式如下：[0040]PT＝poutPout+pinPin  (3)[0041]其中，PT表示每个时间步Pin表示节点自主性强弱，pin表示其影响比例；pout表示节点外部受到的影响力。由于节点的异质性的影响，每个节点Pin的大小是随机设定的[0042]本发明公开的是一种复杂网络中异质性节点的信息流行为控制方法，包括如下步骤：S1、建立基于网络节点异质性的信息流模型，对网络节点异质性的信息流行为进行分析和判断，(1)从网络结构异质性和节点生态学异质性角度分析异质性对信息流行为的影响；(2)从节点主观异质性和记忆效应异质性的角度验证节点生态学异质性特性在信息流行为中的作用；(3)从节点度的角度分析节点网络结构异质性对信息流行为的影响。[0043]为了研究节点异质性对节点信息流行为的影响，本发明建立了基于节点异质性的信息流模型。在模型中，用M表示被传递的消息，集合V＝{v1，v2，...vN}表示网络中节点的集合，N表示网络节点数目。模型规则定义如下：[0044]1.节点主观异质性属性σ(0＜σ＜1)：表示节点接受消息能力的强弱。主观异质性越大，表示该节点主观性越强，越不容易受他人影响，对消息的警惕性越高。[0045]2.节点记忆效应异质性属性α(0＜α＜1)：节点记忆效应表示节点暂存消息能力的强弱。根据生态学异质性理论，这里为每个网络节点设置不同的记忆效应的能力值。记忆效应越强表示节点暂存消息能力越强，而随着时间越长，节点接受消息的概率越大。[0046]3.节点状态：网络中节点的状态分为易感态、感染态、隔离态。[0047]易感态(S)：表示节点还没有收到消息M，在每个时间步都有可能接收到消息M，如果节点接收到其邻居发送的消息，并且愿意转发该消息，那么此时该节点由易感态S转变为感染态I。

[0048]感染态(I)：表示节点能够传播消息。在每个时间步，I节点都会尝试将消息传播给其邻居中所有S节点，以一个指定的概率p，当该节点转发过消息并且不再接收和转发该消息时，则由感染态I转变为隔离态R。[0049]隔离态(R)：表示节点转发过消息并且不再接收和转发该消息。[0050]在SIR传染病传播模型中，如果一个S状态节点与一个I状态节点有联系，那么节点被感染的概率设为λ。感染节点康复为R状态的概率设为μ。如果一个S状态节点有k个感染节点邻居，那么它被感染的概率为：[0051]p＝1-(1-λ)k  (4)

[0052]考虑到不同节点的主观异质性，那么在公式(4)的基础上可以得到新的S 节点被感染的概率计算公式。如公式(5)所示：

6

[0038]

CN 108023878 A[0053]

说　明　书

5/8页

p＝(1-σ)×(1-(1-λ)k)  (5)

[0054]其中，σ表示网络中的节点主观性的强弱，σ的值越大表示用户的主观性越强，节点越不容易受到其他节点的影响；相反，节点较容易影响。[0055]在每个时间步Ts，每个处于S状态的节点都以一定的概率转变为I态，若该S节点有处于I状态的邻居。这个概率计算如下：

[0056]

αλ表示一个S节点被一个I节点感染并转换为I节i在这里表示节点i的记忆效应。点的概率。T是一个常量，表示在t＜T的时间步内，S节点所接触过的所有I节点，Ni(t)表示节点i在时间步t时，邻居中处于I状态下的节点数量。[0058]S2、构建描述节点兴趣差异和信息类型的SEIR信息流模型，对网络中影响节点信息流行为的内部和外部因素进行探讨分析，(1)结合节点潜伏态，构建 SEIR信息传播模型，用于描述网络用户接收和转发信息的过程；(2)从信息吸引力、节点间关系、节点主观异质性三方面分析节点信息流行为；(3)引入节点潜伏态，刻画节点接收信息却没有进行传播，但是有潜力在之后的时间内传播信息的情形。[0059]为了模拟节点信息流行为，本发明构建了SEIR模型。在SEIR模型中集合 V＝{v1，v2，...vN}表示网络中节点，N表示网络节点数目。M表示被传递的消息，其中M+表示带有收益性的信息，M-带有危害性信息。网络中节点的状态分为易感态、潜伏态、感染态、隔离态。[0060]易感态(S)：表示该节点还没有收到消息M，他在每个时间步都有可能接收到消息M。当该节点接收到其邻居发送的消息M时，且该节点对信息M感兴趣，则此时该节点由易感态S转变为潜伏态(E)；如果该节点对信息M不感兴趣，则拒绝接收消息而直接转化为隔离态(R)，从而不再参与信息M在网络中传播。这里用变量α表示S节点对信息的感兴趣程度。[0061]潜伏态(E)：表示该节点已经收到消息M，在之后的时间步都有可能以一定的概率β向其邻居节点传播该信息M从而转变为感染态(I)。这个概率的大小，主要受节点间关系强度和节点异质性，这两个因素的影响。[0062]感染态(I)：节点能够传播消息。在每个时间步，I节点都会尝试将消息传播给它邻居中所有S节点。当该节点转发过消息，并且不再接收和转发该消息时，则由感染态I转变为隔离态R，概率为

隔离态(R)：表示节点不再接收和转发该消息。[00]S3、根据节点异质性和节点在网络中的位置，针对网络的整体利益，建立危害性信息流控制策略，(1)借助K-核分解的方法，选取重要节点，构建危害信息快速反应网络；(2)从节点内部因素和节点外部因素出发，完善危害性信息流控制策略；(3)根据节点所处的状态、以及网络被感染状态的不同，分别采取不同的手段，建立用于指导控制危害信息传播的控制策略。

[0065]如果能够对网络中信息流的传播进行控制，就能有效抑制不良信息的扩散，同时扩大有益信息的覆盖范围。利用网络中重要节点，制定一个能够有效控制网络信息流的策略，该策略主要分为以下几个步骤：

[0066]1.采用K-核分解法作为确定网络中重要节点的方法，K-核分解方法过程：首先删

7

[0063]

[0057]

CN 108023878 A

说　明　书

6/8页

除掉节点度为1的节点，同时删除连接这些节点的边，直到没有度为1 的节点为止，这些节点的K-核值为1，记为Ks＝1，以此类推。

[0067]2.当网络中谣言和谣言抑制性信息同时传播时，可以有效控制谣言传播。为能够在第一时间对已经发现的危害性信息采取有效的应对措施，本着强强联合的指导思想，利用重要节点影响力，通过构建一个由网络中重要节点构成的危害信息快速反应网络，通过这个快速通道，将危害性信息的预警信息，分享到其他还未受到危害信息影响的重要节点去，并通过这些重要节点向网络中的其他节点发布预警消息。从而达到快速反应，抑制危害信息在网络中扩散的目的，危害性信息快速预警网络见图1。[0068]3.增强重要节点的权威性，让网络中大多数的节点相信重要节点发布的预警消息，从而达到提醒其他节点对危害性信息采取防范措施。[0069]危害性信息控制策略过程见图2。[0070]为了验证本发明的可实施性，对本发明的方法进行验证分析：[0071](1)节点异质性对其信息流行为的验证与分析[0072]1.图3显示：记忆效应恒定，有无主观异质性时信息的传播范围以及传播范围与节点感染率之间的关系。[0073]2.图4显示：记忆效应恒定，主观异质性与信息扩散时间的关系，以及感染率与信息扩散时间的关系。[0074]3.图5显示：节点存在不全相同的记忆因子时，有无主观异质性下信息的传播范围，以及感染率与传播范围的关系。[0075]4.图6显示：节点主观异质性存在，且记忆效应因子α为不全相同的定值和α＝0.5时，信息的传播范围，以及感染率与传播范围的关系。[0076]5.图7显示：节点主观异质性存在时，且记忆效应因子α为不全相同的定值和α＝0.5时消息传播时间步T的对比图。[0077]6.图8显示：节点符合异质性理论条件下消息传播范围R和消息扩散时间步T随感染率的变化。

[0078]7.表1显示：种子节点度对信息流行为影响。[0079]表1种子节点度对信息流行为影响表

[0080]

[0081][0082]

实验分析：1.随着λ的增大，无论在有无σ的情况下，消息的流行度R都会缓慢的增长。这是由

8

CN 108023878 A

说　明　书

7/8页

于λ的增大，导致单个节点的接受消息的概率增大，从而使得R也随之增大，验证了感染概率λ对信息流范围的影响。由于节点主观异质性的存在，导致在某种情况下网络节点会拒绝接受消息，从而在一定程度上抑制了消息在网络中的扩散。除此之外，当α值分别为0.2、0.5和0.9时，无论σ是否存在，信息流行度R都是增大，验证了记忆效应能够促进网络信息的扩散。反映了网络中的节点无论其主观异质性有多强，都很难不受其他节点影响。[0083]2.由于主观异质性σ存在，消息的传播范围R增长更缓慢且R的值变得更小。这是由于网络中的节点对待消息的主观性更强，不会轻易相信来自邻居节点的消息。即接受该消息且传播的该消息的概率变得更低，这样的抑制了该消息在网络中的扩散，使得R增速变缓，最终值也变小。

[0084]3.节点记忆效应存在差异时，信息传播范围略小，但是所需的时间步却略大，更重要的是当随机分配所有节点的记忆效应时，他们的均值是0.55高于 0.5。也就是对于信息传播范围R来说，α均值为0.55小于α＝0.5时的信息传播范围，而时间步却略大。由前面的结果和分析，随着记忆效应α的增大，信息传播范围R增大，而时间步T却减小，这说明，可能是由于网络中存在某些记忆效应较差的节点，导致当信息传播给它时，该信息被其接受信息的概率很低，这样的情况严重抑制了信息的传播，从而影响了整个信息在网络中传播的进程。

[0085]4.在符合异质性理论条件下，节点主观异质性对信息在网络中扩散的影响，能够很好的控制信息的传播范围。由此得出：虽然主观异质性很大的节点，其节点数目占比较小，但是仍然可以有效地信息的传播。同样从传播时间T 的角度来看，其最大值不超过60，也说明了在相同移出概率μ＝0.8的条件下，缩短了网络中信息扩散的时间。[0086]5.随着种子节点度的增加，网络信息的传播范围R也随之增大，最大值由 55增加到82，当种子节点度为120时为最大；而信息扩散所需的时间步最大值则由106减小到60。并且当种子节点度大于60之后，信息传播范围和信息扩散时间步两者的变化幅度变小。[0087]从总体上可以看出，本发明发现节点的主观异质性能够抑制信息在网络中的传播，且作用明显。同时，记忆效应对网络中信息传播也有很大的影响，如果节点对其邻居有较强的记忆效应，会增加信息在网络中的传播范围，缩小信息扩散的时间，而较大的记忆效应则会导致相反的结果。而具有极小或者极大记忆效应的节点对网络信息的扩散影响较大。另外，少数异质性大的节点，是影响网络信息流的重要因素。[0088](2)节点信息流行为分析与控制策略实验仿真[00]1.图9表示：节点兴趣对节点信息流行为的影响实验仿真，在实验初始化阶段，设定了一定数量对传播信息不感兴趣的节点，最终得到各个状态的节点数量。[0090]2.图10表示：传播过程结束后，不同危害性信息(InfoA)、收益性信息 (InfoB)、正常信息(InfoC)的传播范围，和各个状态下的节点的数量。[0091]3.表2表示：不同节点数社团的相同信息流行为节点数。[0092]表2不同节点数社团的相同信息流行为节点数统计表

[0093]

社团节点数 5 10 相同信息流行为节点数

5 8

9

CN 108023878 A

说　明　书

8/8页

20 50

[0094][0095]

9

20

4.表3表示：是否采用信息流控制策略时，网络中信息的传播范围。表3是否采用信息流控制簧略的效果表

[0096]

实验分析：

[0098]1.由于这些对信息不感兴趣的节点，直接由状态S转化到R状态，不在经过状态E和I，缩短了节点状态转换进程。并且由于这种节点的存在，切断了信息通过该节点向网络中的其他区域扩散的路径，对信息扩散的抑制效果明显，如图9。此外，由于有些E节点转换为I节点时，而其他I状态的节点已经转换为R状态，这种在某一时刻的I状态节点数目偏少的情况，导致经过计算的节点转发概率偏小，从而导致该信息扩散范围的下降。当网络中不感兴趣节点的数目增加时，该信息最终的扩散范围随着减小。且表现为不感兴趣节点距离种子节点越近、数量越多，扩散范围衰减越明显。

[0099]2.当网络中的节点能够辨别出危害性信息的时候，它们会采取谨慎的态度对待，甚至是采取抵制的态度。这样的节点行为抑制了信息在网络中的传播。[0100]3.社团中节点数目的增多，节点间的联系也跟着增多，而较多的节点间关系，分散了节点的注意力、降低了它们之间的强度。[0101]4.有节点识别出危害性信息，并发出预警信息，重要节点之间共享该预警信息，且这些重要节点要有足够的权威性，从而能够缓解危害信息的传播。[0102]本发明提出方法，从网络中节点和信息类型两方面对节点信息流行为进行分析，具体探究了节点兴趣、节点间关系、信息收益性、节点在网络中的位置对网络中信息传播的影响。并在此基础结合节点K-Shell重要度，提出了基于快速反应网络的危害性信息流控制策略，将分析结果和网络应用联系到一起，尾应对危害性信息的传播提出了行之有效的方法。

[0097]

10

CN 108023878 A

说　明　书　附　图

1/5页

图1

图2

11

CN 108023878 A

说　明　书　附　图

2/5页

图3

图4

12

CN 108023878 A

说　明　书　附　图

3/5页

图5

图6

13

CN 108023878 A

说　明　书　附　图

4/5页

图7

图8

14

CN 108023878 A

说　明　书　附　图

5/5页

图9

图10

15