A Simulated Cyberattack on Twitter: Assessing Partisan Vulnerability to Spear Phishing and Disinformation ahead of the 2018 U.S. Midterm Elections
国家支持的“不良行为者”越来越多地将社交媒体平台武器化，以便在选举期间发动网络攻击和虚假信息活动。社交媒体公司，由于其快速增长和规模，努力防止其平台的武器化。这项研究在2018年美国中期选举之前在Twitter上进行了自动鱼叉式网络钓鱼和虚假信息活动。一个假新闻机器人帐户-@DCNewsReport-被创建并编程为自动向138名Twitter用户发送带有“突发新闻”链接的定制推文，然后被Twitter限制。总体而言，五分之一的用户点击了该链接，这可能导致下载勒索软件或窃取私人信息。然而，这个实验中的链接是非恶意的，并将用户重定向到Google表单调查。在预测用户点击Twitter上链接的可能性时，右翼和左翼党派之间，或者网络用户和移动用户之间没有统计学上的显著差异。调查结果表明，在Twitter上表达政治意愿的美国人，无论他们的政党偏好或他们用来访问该平台的设备如何，都有可能在社交媒体上被鱼叉式网络钓鱼。
2020-10-28 cs.SI
Vulnerability and Resilience of Social Engagement: Equilibrium Theory
参与的社交网络有时会戏剧性地崩溃。一个广泛采用的范式来理解这种灾难动力学的阈值模型，但以前的工作只考虑了不可逆的K-核心修剪过程和由此产生的动力学活动模式。在这里，我们研究的网络联盟问题作为一个简化的社会参与模型的均衡统计力学。我们的理论表明，幸存的动力学联盟的平衡和非典型的配置，可能会变得非常容易受到单节点触发的级联故障，因为他们放松到平衡。我们的理论预测，如果活跃节点的分数是超过一定的临界值，平衡（典型）联盟配置可以保护级联故障由一个简单的最小努力的本地干预策略。我们通过广泛的蒙特卡罗模拟证实了这些结果。
2021-02-24 cond-mat.stat-mech cs.SI physics.soc-ph
Evaluating the Vulnerability of Communities in Social Networks by Gravity Model
随着网络科学的发展，复杂网络的各种性质受到了广泛的关注。在这些属性中，社区的脆弱性（VoCs）尤为重要。在传统的研究中，评价模型只考虑了群落的部分结构特征，而没有考虑群落的多个方面。但在现实中，对VoC的影响是多方面的，既有VoC自身的结构属性，也有其他社区的影响。为了更好地对社区之间的影响进行建模，从而对社会网络中的VoCs进行评估，提出了一种基于引力的社区脆弱性评估模型。该模型考虑了社区内部的边数、连接相邻社区的边数和每个社区的引力指数（GI）三个方面的因素，分别对应于社区内部信息、小尺度交互关系和大尺度交互关系。通过Jensen-Shannon散度（JSD）和对数S形转换（LST）函数，计算每对社区之间的抽象距离（AD），构建社区网络（CN）。利用引力模型，可以得到描述大尺度相互作用关系的各群落的GI。最后，利用该模型计算了群落的脆弱度和脆弱度排序，并利用Sobol指数分析了权重参数的敏感性。特别是，该方法可以退化到经典的方法与加权参数的设置。几个实际复杂网络的仿真结果表明了该模型的有效性和合理性。
2019-12-16 cs.SI physics.soc-ph
Threat from being Social: Vulnerability Analysis of Social Network Coupled Smart Grid
社交网络作为智能电网的一种补充，已被电力公司逐步应用，并被证明有助于平滑负荷曲线和减少能源使用。然而，SN也给智能电网带来了新的威胁：SN中的错误信息可能会导致智能电网用户改变其需求，导致输电线路过载，进而对电网造成灾难性的影响。本文讨论了社会网络耦合智能电网中的相互依赖性，并重点分析了其脆弱性。也就是说，当与之相关的错误信息在SN中扩散时，智能电网会受到多大程度的损害？为了分析研究这个问题，我们提出了社会智能电网中的错误信息攻击问题（MAPSS），它识别SN中的顶级关键节点，这样当错误信息从这些节点传播时，智能电网会受到很大的破坏。这个问题具有挑战性，因为我们必须同时合并两个网络的复杂性。然而，我们提出了一种技术，可以显式地考虑在SN中的信息扩散，潮流平衡和级联故障在智能电网综合评估节点的关键性时，在此基础上，我们提出了各种策略，在选择最关键的节点。此外，我们引入了控制减载作为一种保护策略，以减少连锁故障的影响。IEEE总线测试用例以及Pegase数据集上的实验证明了我们的算法的有效性。
2020-05-15 cs.SI cs.SY eess.SY
Centrality in Interconnected Multilayer Networks
现实世界的复杂系统表现出多层次的关系。在许多情况下，它们需要通过互连的多层网络来建模，同时在多个层面上表征相互作用。在许多领域，从经济学到生物学，从城市规划到社会科学，识别网络中影响最大（或影响较小）的节点至关重要。然而，在一个相互关联的结构中，确定行为体的中心地位并非易事。在本文中，我们利用张量的形式主义，最近提出的这种复杂的拓扑结构的特征和调查，显示几个中心的措施-众所周知的标准（“单路”）网络的情况下-可以自然地扩展到领域的互连复用。我们认为诊断广泛应用于不同领域，例如，计算机科学、生物学、通信和社会科学，仅举其中一些。我们表明，无论是理论上和数值上，使用加权单重聚合多层网络获得的结果，在一般情况下，相关的差异，在排名节点的重要性。
2013-11-12 cond-mat.dis-nn cs.SI physics.soc-ph
Information Diffusion of Topic Propagation in Social Media
真实世界的社会和/或操作网络由具有关联状态的代理组成，其连接形成复杂的拓扑结构。这种复杂性进一步加剧了互联的信息层，包括，例如，文件/资源的代理人，相互共享的主题相似性。我们在这项工作中的目标是预测代理的特定状态，因为他们观察到的资源随着时间的推移而变化并得到更新。代理和出版物本身之间的信息扩散有效地导致了一个动态的过程，我们通过一个互联的网络系统（即分层）捕获。更具体地说，我们使用一个概念的超拉普拉斯矩阵来解决这样一个广义扩散的互联网络开始与经典的“图拉普拉斯”。辅助和外部输入更新由多维布朗过程建模，产生两个贡献的代理的状态的变化：一个是由于网络系统中的内在相互作用，另一个是由于外部输入或创新。关于这个主题的一个变化，先验知识的一部分代理的状态，导致卡尔曼预测问题。这有助于我们利用估计代理状态时的错误来改进预测状态。三个真实世界的数据集被用来评估和验证这种新的分层网络方法的信息扩散过程。我们的研究结果表明，当使用互连网络而不是代理之间的单个连接层时，预测误差较低。通过使用估计的扩散连接和通过应用部分观测的卡尔曼方法，预测误差得到进一步改善。
2016-02-15 cs.SI physics.soc-ph
A Distributed Method for Trust-Aware Recommendation in Social Networks
本文详细介绍了一个分布式的信任感知推荐系统。基于信任的广告商最近受到了很多关注。基于信任的推荐主要是为了解决传统协同过滤推荐中存在的问题。这些问题包括用户冷启动、易受攻击等。我们提出的方法是一种分布式的方法，可以很容易地部署在社交网络或现实生活中的网络，如传感器网络或对等网络。
2010-11-10 cs.SI
Graph Vulnerability and Robustness: A Survey
网络鲁棒性的研究是表征和理解复杂互联系统（如基础设施、通信和社交网络）的重要工具。虽然在所有这些领域都进行了大量研究，但在调查文献中仍然存在空白。关键问题的答案目前分散在多个科学领域和众多论文中。在这项调查中，我们提取了许多领域的关键发现，并通过以下方式为研究人员提供了重要信息的关键访问：（1）总结和比较最近和经典的图鲁棒性度量;（2）探索哪些鲁棒性度量最适用于不同类别的网络（例如，社会，基础设施;（3）回顾常见的网络攻击策略，并总结哪些攻击在不同的网络拓扑结构中最有效;以及（4）广泛讨论如何选择防御技术来减轻各种网络中的攻击。该调查指导研究人员和从业人员在网络鲁棒性的广阔领域中导航，同时总结关键问题的答案。最后，我们强调目前的研究方向和开放的问题。
2022-03-30 cs.DS cs.SI
Enterprise Social Networks as Digital Infrastructures -- Understanding the Utilitarian Value of Social Media at the Workplace
在这项研究中，我们首先表明，虽然企业社交网络的感知有用性和感知享受影响员工的持续参与的意图，功利价值显着超过其享乐价值。其次，我们证明了网络的实用价值是由其数字基础设施的特点：多功能性，适应性，互联性和无形的使用。本研究以某软件工程公司为研究对象，在定量调查研究的基础上，采用偏最小二乘结构方程建模方法。
2020-03-11 cs.HC cs.SI
On analyzing and evaluating privacy measures for social networks under active attack
在现代互联网时代，诸如Facebook、Twitter和LinkedIn的复杂互连社交网络的广泛使用也不幸地为恶意实体侵犯这些网络的用户的隐私打开了大门。在这篇文章中，我们从理论和经验两方面研究了最近在（Information Sciences，328，403-417，2016）中引入的主动攻击下大型网络的隐私侵犯措施。我们的理论结果表明，如果网络拓扑不包含环，则负责防止隐私侵犯的网络管理员在设计网络时必须非常小心。我们的实证结果揭示了8个真实的社交网络以及大量的合成网络的隐私侵犯性质的经典Erdos-Renyi模型和Barabasi-Albert偏好依恋模型产生的无标度随机网络。
2018-09-16 cs.SI
Random walk centrality in interconnected multilayer networks
针对互连多层网络中节点中心性难以定义的问题，本文基于张量形式体系扩展随机游走介数与接近中心性，并用解析结果验证数值一致性。
2015-06-23 cs.SI physics.data-an physics.soc-ph
Vulnerability of state-interdependent networks under malware spreading
计算机病毒通过开发基于使用多个传播载体的传播机制而进化。使用社交网络作为额外的攻击载体来渗透IP网络中的安全措施正在提高恶意软件的有效性，因此被最具攻击性的病毒所使用，如Conficker和Stuxnet。在这项工作中，我们使用相互依赖的网络来模拟这类病毒的传播。特别是，我们研究了相互依赖的网络，其中每个节点的状态是层独立的，每个网络中的动态遵循接触过程或反应过程，具有不同的传播速率的SIS模型的传播。我们将这项研究应用到现有的多层网络的情况下，即西班牙的统计物理科学社区，形成了一个社会网络的科学合作和物理网络连接的计算机在每个机构。我们表明，层之间的相互作用大大增加了病毒的感染性，在长期和他们的鲁棒性对免疫。
2014-11-12 cs.SI physics.soc-ph
Epidemics on Interconnected Networks
人类很少与环境完全隔绝。由于强大的本地联系，特定地理或社会区域中的个人可能被认为是一个独特的网络，但也会与其他网络中的个人互动。我们研究了互联网络系统上的易感染-感染-恢复（SIR）过程，发现了两种不同的机制。在强耦合网络系统中，流行病在整个系统中以临界感染强度$β_c$同时发生，低于该强度疾病不会传播。相反，在弱耦合网络系统中，在耦合网络系统的$β_c$之下存在混合相，其中流行病在一个网络中发生但不扩散到耦合网络。我们推导出一个表达式的网络和疾病参数，允许这种混合阶段，并验证它的数值。公共卫生的影响，包括这两类网络系统的社区也提到。
2012-03-28 cond-mat.dis-nn cs.SI physics.soc-ph
Private Social Network Data Sharing
在线社交网络的日益普及给最终用户带来了巨大的隐私威胁。虽然现有的工作主要集中在从社交网络中推断敏感属性，如年龄，位置和性别，很少有人做了如何保护用户的隐私，防止恶意推断。本文针对现有社交网络的隐私脆弱性，设计了一个隐私保护框架。我们评估了该框架的隐私性和有用性保证，证明了其分类和防御隐私攻击的有效性。
2017-07-26 cs.CR cs.SI
Are all Social Networks Structurally Similar? A Comparative Study using Network Statistics and Metrics
现代社会已经看到了网络上可用的社交网络数据的指数增长。对这些网络的分析揭示了关于这些网络的重要结构信息，特别是关于我们社会的重要结构信息。通常情况下，这些网络的分析涉及识别社交网络之间的相似性，以及它们与其他网络（如蛋白质相互作用网络、计算机网络和食物网）的不同之处。在本文中，我们的目标是执行不同的社交网络的关键分析，努力突出其相似性和差异性的结构度量。我们使用五个不同的社交网络数据集，它们在上下文和语义上彼此不同。然后，我们使用许多不同的网络统计数据和指标来分析这些网络。我们的研究结果表明，虽然这些社交网络已经从不同的背景下构建，他们在结构上是相似的。我们还回顾了雪球采样方法，并显示其对不同的网络指标的脆弱性。
2014-10-27 cs.SI
The fragility of decentralised trustless socio-technical systems
区块链技术有望改变金融、货币甚至政府。然而，对区块链适用性和鲁棒性的分析通常集中在孤立系上，其参与者主要通过运行共识算法来做出贡献。在这里，我们强调在包括社交和通信网络在内的更广泛的生态系统中考虑无信任平台的重要性。作为一个例子，我们分析了2017年6月21日在以太坊平台上观察到的闪电崩盘，并表明社会协调的一个主要现象导致了几个互联系统之间的灾难性事件级联。我们提出了“紧急集中化”的概念来描述一个单一的系统变得至关重要的整个生态系统的功能的情况下，并认为这种情况可能会变得越来越频繁的相互关联的社会技术系统。我们预计，我们提出的系统性方法将对未来对不信任系统的评估产生影响，并呼吁政策制定者关注我们相互关联和快速变化的世界的脆弱性。
2019-04-08 cs.SI physics.soc-ph q-fin.TR
Evaluating Graph Vulnerability and Robustness using TIGER
Georgia Institute of Technology（佐治亚理工学院）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
网络鲁棒性在我们理解复杂的互联系统（如交通、通信和计算机网络）中起着至关重要的作用。虽然在网络鲁棒性领域已经进行了大量的研究，但目前还没有全面的开源工具箱来帮助研究人员和从业人员解决这一重要问题。缺乏可用的工具阻碍了现有工作的可重复性和检查，新研究的发展和新思想的传播。我们贡献了TIGER，一个开源的Python工具箱来解决这些挑战。TIGER包含22个图形鲁棒性度量，包括原始版本和快速近似版本; 17个故障和攻击策略; 15个启发式和基于优化的防御技术;以及4个仿真工具。通过使研究网络鲁棒性所需的工具民主化，我们的目标是帮助研究人员和从业者分析他们自己的网络;并促进该领域新研究的发展。TIGER已被整合到Nvidia数据科学教学工具包中，提供给世界各地的教育工作者;佐治亚理工学院的数据和可视化分析课程有超过1,000名学生。TIGER开源于：https://github.com/safreita1/TIGER
2021-08-15 cs.CR cs.LG cs.SI
From visibility to vulnerability: how women scientists face gendered hostility in science communication
University of the Basque Country (UPV/EHU)（巴斯克大学）
研究女科学家在科学传播中面对的性别敌意，通过对西班牙237名研究人员调查发现，超半数有负面经历，女性发生率更高，攻击存在性别差异，揭示了结构性性别偏见，强调需有性别视角的制度政策。
2026-07-16 cs.SI
Close Friends, Popular Peers, Team formation and Leadership in Group Projects
本文讨论了一个看似无关的学生群体和一个概念不同的问题陈述内形成的各种相互关联的关系。本研究使用社会网络分析（SNA）来分析和绘制个体之间的联系。SNA有助于理解一群人在执行某项任务时的心理。这可能有助于预测类似群体可能执行这些任务的进一步模式。正如本文所讨论的，对项目团队成员选择的分析间接地暗示了一个部门中的友谊，并可以预测可能由此产生的新友谊。收集的数据可以使用Gephi和NodeXL等各种分析工具表示为社交网络。分析的结果确定了学生中受欢迎的同伴，并阐明了其背后的原因。此外，还推导出了诸如亲密朋友列表、节点的社会影响力等各种其他推论。
2021-12-30 cs.SI
A degree centrality in multi-layered social network
多层社交网络反映了现代互联IT系统中存在的复杂关系。在这样的网络中，每对节点可以由对应于不同通信或协作用户活动的许多边链接。提出了多层社交网络的多层度中心性。从真实的Web 2.0网站收集的数据进行了实验研究。从这些数据中提取的多层社会网络由十个不同的层组成，并对不同程度的中心性进行了网络分析。
2012-10-18 cs.SI physics.soc-ph
Mapping the Intellectual Structure of Social Network Research: A Comparative Bibliometric Analysis
本研究对《Social Networks》《Network Science》《Journal of Complex Networks》三种顶尖期刊开展比较文献计量分析，通过共作者、引文网络分析及中心性指标，绘制知识图谱并揭示网络科学的学科轮廓、融合点与演化轨迹。
2025-02-11 cs.SI
Bring your friend! Real or virtual?
垄断者面对的是部分不知情的消费者群体，他们通过定向社会网络相互联系。在网络中，垄断者向知情的消费者（影响者）提供奖励，条件是告知不知情的消费者（受影响者）。奖励需要承担沟通成本。我们调查的动机，垄断者移动到一个更密集的网络，这一决定对社会福利的影响。社会福利增加的信息扩散，对于给定的通信激励，是更高的密集的网络。然而，垄断者将转让内在化，因此可能更喜欢一个知情消费者之间竞争较少的环境。高度连接的影响者（枢纽）的存在是使垄断者的激励和福利保持一致的主要驱动力。
2017-10-24 cs.SI physics.soc-ph
Hidden dependence of spreading vulnerability on topological complexity
复杂系统中的许多动力学现象都与网络（通常称为时间网络）上的传播有关，这些网络具有随时间变化的结构。一个复杂系统的倾向，以促进传播现象，我们称之为它的“传播能力”，往往是推测有关的拓扑结构的时间网络系统的特点。然而，直接从时态网络的拓扑信息中干净地提取复杂系统的传播脆弱性仍然是一个挑战。在这里，使用数据从一个不同的现实世界的复杂系统，我们开发的“熵的时间纠缠”作为一种新颖的和有见地的数量来衡量拓扑的时间网络的复杂性。我们表明，这个参数自由量自然允许拓扑结构的比较，在非常不同的复杂系统。重要的是，通过模拟三种不同类型的随机动力学过程在时间网络上发挥作用，我们证明了时间纠缠的熵作为系统传播脆弱性的定量体现，而不管过程的细节。如果能够做到这一点，在能够定量地提取一个复杂系统的倾向，以促进从拓扑学的传播现象，这种熵的措施打开了自己的应用在各种各样的自然，社会，生物和工程系统。
2022-04-14 cs.SI physics.soc-ph
Network dynamics of community resilience and recovery: new frontier in disaster research
本文提出以网络动力学为核心研究社区韧性与恢复，通过六项研究揭示灾害传播与恢复过程，为识别脆弱性、指导干预和促进公平韧性提供新视角。
2025-02-26 cs.SI physics.soc-ph
Epidemic Spreading and Equilibrium Social Distancing in Heterogeneous Networks
我们研究了一个通过网络相互作用的异质种群之间的多类型SIR流行病过程。当我们的基础上的社会接触的随机图与给定的顶点度，我们给极限定理的感染的个人的分数。对于一个给定的社会距离的个人策略，我们建立了流行病的再现数$R_0$，它可以用来识别网络的脆弱性和通知疫苗接种政策。在本文的第二部分中，我们研究了社会距离博弈的均衡，其中个人根据预期的全球感染率选择他们的社会距离水平，然后必须等于他们选择后的实际感染率。给出了平衡点存在唯一的条件。对于随机规则图的情况下，我们表明，自愿的社会距离将始终是社会次优。
2021-11-01 cs.SI physics.soc-ph q-bio.PE
The Strength of Structural Diversity in Online Social Networks
了解个体在社交网络中的相互联系方式对于预测其集体结果具有重要意义。利用一个知识共享网站的大规模数据集，本文提出了一个探索性的调查的方式来描述结构多样性的有向网络，以及如何可以利用它来预测一个人的在线社会声誉。为了捕捉个体的结构多样性，我们首先考虑一个人的接触邻域中的弱连接和强连接组件的数量，并进一步考虑社会邻居的共同暴露网络。我们的经验证据表明，个人的结构多样性能够提供有价值的见解来预测个人的在线社会声誉，并包括一个共同曝光网络提供了一个额外的成分，以实现这一目标。在通过匹配实验综合控制了几种可能的混杂因素后，结构多样性对个人网络社会声誉的预测仍然具有不可忽视的作用。我们的工作构成了第一次尝试实证研究结构多样性的定向网络，并具有实际意义的一系列领域，如社会影响力和集体智慧的研究。
2022-06-28 cs.SI physics.soc-ph
Mapping Literary Space: A Social Network from the Timeline of Cultural Events
本文利用1999-2019年圣彼得堡文学事件数据构建社交网络，通过社群检测揭示文学群体的结构、动态及核心人物，为数字人文研究提供基础。
2024-07-31 cs.DL cs.SI
Studying Social Networks at Scale: Macroscopic Anatomy of the Twitter Social Graph
Twitter是最大的社交网络之一，在帐户之间使用专门的定向链接。这使得Twitter社交图比Facebook更接近支持现实生活通信的社交图。因此，理解Twitter社交图的结构不仅对计算机科学家来说很有趣，对其他领域的研究人员（如社会学家）来说也很有趣。然而，很少有人知道如何在Twitter上的信息传播是由其内部结构的约束。在本文中，我们提出了一个深入研究的宏观结构的Twitter的社交图揭示的高速公路上的推文传播，与此宏观结构的每个组件相关联的特定的用户活动，以及这个宏观结构的演变随着时间的推移，在过去的6年。在这项研究中，我们抓取Twitter以检索所有帐户和帐户之间的所有社交关系（跟随链接）;抓取于2012年7月完成，其中5.05亿个帐户通过230亿个链接相互连接。然后，我们提出了一种方法来揭示Twitter社交图的宏观结构。该宏观结构由8个组件组成，这些组件由其连接特性定义。每个组件都将具有特定Twitter用法的用户分组。例如，我们确定了聚集垃圾邮件发送者或名人的组件。最后，我们提出了一种方法来近似Twitter社交图的宏观结构在过去，使用旧的数据集验证这种方法，并讨论了Twitter社交图的宏观结构在过去6年的演变。
2014-04-04 cs.SI physics.soc-ph
Structural limitations of learning in a crowd: communication vulnerability and information diffusion in MOOCs
大规模开放式在线课程（MOOC）将全球数千名学习者聚集在一起，持续数周或数月。从理论上讲，MOOC的开放性和规模可以促进迭代对话，促进群体认知和知识构建。使用数据从一个流行的商业战略MOOC的两个连续的实例，我们过滤观察到的通信模式，以达到学习者之间的“显着”的互动网络，并使用复杂的网络分析，以探讨论坛的脆弱性和信息扩散的潜力。我们发现，不同的讨论主题和教学实践促进了不同程度的1）“重要的”对等参与，2）参与者在对话中的包容性，最终，3）模块化，这影响了信息传播，以防止真正的“全球”知识和学习交流。这些结果表明了大规模基于人群的学习的结构性局限性，并强调了MOOC中学习者利用社会环境并在社会环境中学习的不同方式。最后，我们将探讨这些见解如何激发在线教育的新发展。
2014-11-13 cs.CY cs.SI physics.data-an
Integrating Network and Attack Graphs for Service-Centric Impact Analysis
Aalto University School of Science（阿尔托大学理学院）
提出一种基于概率多层建模的框架，集成攻击图与通信网络拓扑，通过CVSS指标和网络连接概率评估攻击传播可能性及累积影响，并在企业网络案例中验证其识别关键节点、漏洞和服务依赖的能力。
2026-05-26 cs.CR cs.SI
Location Cheating: A Security Challenge to Location-based Social Network Services
基于位置的移动社交网络服务，如Foursquare和Gowalla，在过去几年中呈指数级增长。这些基于位置的服务利用地理位置来丰富各种上下文中的用户体验，包括基于位置的搜索和基于位置的移动广告。为了吸引更多的用户，当用户在某个地点或位置签到时，基于位置的移动社交网络服务向用户提供真实世界的奖励。这会刺激用户在他们的位置上作弊。在这份报告中，我们调查了位置欺骗攻击的威胁，找到了漏洞的根本原因，并概述了可能的防御机制。我们以foursquare为例介绍了一种新颖的位置欺骗攻击，它可以很容易地通过当前的位置验证机制（例如，Foursquare的作弊代码）。我们还抓取了foursquare网站。通过分析抓取的数据，我们表明自动化的大规模作弊是可能的。通过这项工作，我们的目标是呼吁注意在移动社交网络服务的位置欺骗，并提供深入的防御机制。
2011-02-21 cs.CR cs.SI
Towards a Machine Learning-driven Trust Evaluation Model for Social Internet of Things: A Time-aware Approach
社交物联网（SIoT）的新兴范式已经将物联网（IoT）的传统概念转变为数十亿互联智能对象的社交网络，将社交网络方面整合到同一个网络中。在SIoT中，对象可以以自主的方式建立社交关系，并根据其社交行为与网络中的其他对象进行交互。需要注意的一个基本问题是以可靠和可信的方式建立这些关系，即，建立可信赖的关系并在对象之间建立信任。此外，确定和预测一段时间内SIoT网络中对象的行为也是必不可少的。因此，在本文中，我们提出了一个有效的时间感知机器学习驱动的信任评估模型来解决这个特殊的问题。所设想的模型审议社会关系的友谊和社区利益，并进一步考虑到工作关系和合作性（对象-对象的相互作用）作为信任参数，以量化的对象的可信度。随后，与传统的加权求和算法相比，一个机器学习驱动的聚合方案被描绘成综合这些信任参数，以确定一个单一的信任得分。实验结果表明，该模型能够有效地分离网络中的可信对象和不可信对象，并进一步揭示了对象的信任度随时间的变化规律，同时描述了各个信任参数对信任度的影响.
2021-02-03 cs.CR cs.SI
Network Ecology of Marriage
该研究从网络生态学视角出发，通过建模发现婚姻以姻亲替代远缘直系亲属提升家庭社会网络连通性，可作为减少群体搭便车的社会技术，解释了人类独有此类交配行为调节模式的原因。
2023-08-06 cs.SI econ.TH physics.soc-ph
Complex networks vulnerability to module-based attacks
在多学科领域的网络科学，优化的过程，有效地打破复杂的网络是吸引了很多注意力，从实践的角度来看。在这篇文章中，我们提出了一种基于模块的方法来有效地打破复杂的网络。该过程首先确定网络可以表示的社区，然后删除节点（边），连接不同的模块，其顺序在介数中心性排名列表。我们通过将其应用于社会，基础设施和生物网络的各种众所周知的例子来说明该方法。我们表明，所提出的方法总是优于顶点（边）攻击的基础上排名的节点（边）度或中心性，与一个巨大的收益的效率为一些例子。值得注意的是，对于美国电网，本方法将4941个节点的原始网络分解为许多小于197个节点（原始大小的4%）的片段，仅删除164个节点（约3%）。相比之下，任何基于度或中心性的过程，删除相同数量的节点，仅删除原始网络的22%，即超过3800个节点继续连接
2015-02-02 cond-mat.stat-mech cs.SI physics.soc-ph
Epidemic and Cascading Survivability of Complex Networks
我们的社会如今是由复杂的网络，例子是电网，电信网络，生物网络，和社交网络。理解和描述这些复杂网络中可能发生的动态事件（如故障）已变得至关重要。为此，在本文中，我们提出了两种措施来评估复杂网络的脆弱性在两个不同的动态多故障场景：类连锁故障和级联故障。首先，我们提出了\emph{epidemic survivability}（$ES$），一个新的网络度量，描述了一个特定的流行病强度下的网络的每个节点的脆弱性。其次，我们提出了\emph{cascading survivability}（$CS$），它的特点是如何潜在的伤害一个节点是根据级联故障的情况。然后，我们表明，通过使用从$ES$和$CS$得到的值的分布，它是可以描述一个给定的网络的脆弱性。我们考虑了一组17个不同的复杂网络来说明我们的建议的适用性。最后，研究结果表明，不同类型的复杂网络可能会在相同的多重故障情况下做出不同的反应。
2014-05-02 cs.SI physics.soc-ph
Simulation of the COVID-19 pandemic on the social network of Slovenia: estimating the intrinsic forecast uncertainty
本文在一个简化的社会网络上建立了一个病毒传播模型。该社交网络由200多万个节点组成，每个节点代表斯洛文尼亚的一个居民。节点根据真实的家庭和老年人护理中心分布进行组织和互连，而这些集群之外的连接是半随机分布和完全链接的。将病毒传播模型与疾病进展模型耦合。集成方法与扰动的传输和疾病参数被用来量化的合奏传播，预测的不确定性的代理。所呈列的斯洛文尼亚COVID-19疫情持续预测与收集到的斯洛文尼亚数据进行比较。结果表明，目前感染在家庭/老年人护理中心内传播的可能性是在家庭/老年人护理中心外传播的两倍。我们使用模拟集合（N = 1000）来反向获得模型参数的后验分布，并估计COVID-19预测的不确定性。我们发现，在不受控制的流行病中，内在的不确定性主要来源于病毒生物学的不确定性，即其繁殖数。在低感染率的受控流行病中，社会网络的随机性成为预测不确定性的主要来源，特别是对于短期预测。因此，基于社会网络的模型对于改进流行病预测至关重要。
2020-05-27 cs.SI physics.soc-ph q-bio.PE
Multi-Stratum Networks: toward a unified model of on-line identities
社会网络分析成功背后的原因之一是它由节点（代表个人）和纽带组成的简单而通用的图模型。然而，当我们专注于我们的日常在线体验时，我们必须面对一个更复杂的场景：人们居住在几个在线空间中，与几个活跃在各种技术基础设施上的社区互动，如Twitter，Facebook，YouTube或FourSquare，并具有不同的社会目标。这构成了一个复杂的互联网络网络，用户的身份在其中传播，信息在不同的社区和社交平台上传播。在本文中，我们将介绍一种用于这种分层场景的模型，我们称之为多层网络。通过理论讨论和对真实数据的分析，我们展示了如何不仅专注于单个网络可能会提供对其用户角色的非常部分的理解，而且单独考虑所有网络可能无法揭示整个多层模型中包含的信息。
2012-11-01 cs.SI physics.soc-ph
How neighbourhood ideology shapes misinformation belief in densely tied social networks
University of Exeter（埃克塞特大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
本研究通过智能体模型，探讨个体意识形态偏见与社会影响在网络互动中如何共同作用于错误信息的传播，并强调网络结构和偏见强度的重要性。
2026-09-10 cs.MA cs.SI physics.soc-ph
Identifying modular flows on multilayer networks reveals highly overlapping organization in social systems
揭示网络的社区结构是理解跨社会和自然科学的互连系统的强大方法。为了识别聚集在单个网络层中的交互数据中的不同类型的功能模块，研究人员开发了许多强大的方法。例如，基于流的方法已被证明可用于识别加权和定向网络中的模块化动态，这些网络捕获它们所代表的系统中的流约束。然而，许多网络系统由呈现多层交互的代理或组件组成。不可避免的是，将这种复杂的网络表示为单个聚合网络会导致信息丢失，并可能掩盖实际的组织。在这里，我们提出了一种基于网络流的压缩，可以识别非聚合多层网络中的模块流的方法。我们的合成网络的数值实验表明，该方法可以准确地识别模块，无法识别的聚合网络或单独分析层。我们利用我们的研究结果，并揭示了两个多层合作网络的社区结构：隶属于皮埃尔·奥格天文台的科学家和在arXiv网络上发表作品的科学家。与传统的聚合方法相比，多层方法揭示了具有更多重叠的更小模块，从而更好地捕获实际组织。
2014-08-13 cs.SI physics.soc-ph
A Study on Herd Behavior Using Sentiment Analysis in Online Social Network
Amity University Kolkata（阿米提大学加尔各答分校）；IBM India Private Limited（IBM印度私人有限公司）；Jalpaiguri Government Engineering College（贾尔派古里政府工程学院）；Netaji Subhas Open University（内塔吉·苏巴斯开放大学）
社交媒体平台如今蓬勃发展，因此产生了大量的数据。由于它包括简短而明确的声明，每天有数百万人在微博网站上发表他们的想法。本文代表和分析容量，微妙的，和社交网络预测在线社交网站的批评意见的不同策略的能力。在探索某些相关的搜索中，人的思想起着至关重要的作用。自过去几十年来，社交媒体成为全球分享意见的良好渠道。情感分析和意见挖掘是一种用来提取普通公众的意见或想法的工具。在一个地方发生的事件，无论是经济、政治还是社会，都可能在一个日益相互关联的世界中引发许多其他地点的大规模连锁公共反应。本研究展示了使用社交媒体内容的情感分析技术的评估，并创建了主观性与羊群行为和聚类系数之间的关联，并试图预测选举结果（2021年西孟加拉邦选举）。这是情感分析的一个实现，旨在通过评估社交媒体上的公众意见来估计即将到来的选举结果。本文也有一个简短的讨论部分，在其他领域的想法的有用性。
2021-07-25 cs.CY cs.LG cs.SI
Detecting and Mitigating Bias in Algorithms Used to Disseminate Information in Social Networks
针对社交网络影响力最大化算法存在的信息传播不公问题，提出兼顾影响力与公平性的多目标算法，实验证明可在低传播代价下提升信息公平性。
2024-10-30 cs.CY cs.SI physics.soc-ph
Partisan Asymmetries in Online Political Activity
我们研究了超过18，000名政治活跃的Twitter用户在行为，沟通模式和社交互动方面的党派差异，以提供证据表明美国在线政治格局中党派参与程度的变化。分析这些用户在2010年中期国会选举附近的通信活动所定义的网络，揭示了一个高度隔离，以及集群的党派社区结构。使用集群成员作为一个高保真（87%的准确率）代理的政治派别，我们的特点是广泛的差异，在行为，沟通和社会连接的左倾和右倾的Twitter用户。我们发现，在2008年竞选的网络政治动态相比，右倾的Twitter用户表现出更高水平的政治活动，更紧密的互联社会结构，和通信网络拓扑结构，促进政治信息的快速和广泛的传播。
2012-06-19 cs.HC cs.SI physics.soc-ph
No Silk Road for Online Gamers!: Using Social Network Analysis to Unveil Black Markets in Online Games
网络游戏涉及大量的用户，他们通过互联网相互联系和交互。我们研究了通过称为“真实货币交易（RMT）”的过程用真实货币交换虚拟商品的特征。“这种交流可能会影响网络游戏用户的行为，并对游戏公司的声誉造成损害。我们通过构建网络游戏中虚拟物品交换的社交图和识别用户的网络社区来研究游戏中的交易，以揭示RMT。我们分析了一个流行的在线游戏中大约600万笔交易，并通过比较从游戏外市场抓取的RMT交易来推断RMT交易。研究发现：（1）RMT市场的规模可以大致估计;（2）专业RMT提供商通常形成特定的网络结构（星形或链状），可作为追踪RMT交易的线索;以及（3）所观察到的RMT市场随着时间的推移已经演变为具有少数大型虚拟物品提供商的垄断市场。
2018-01-19 cs.CR cs.CY cs.SI
Introducing Graph Cumulants: What is the Variance of Your Social Network?
在一个日益相互关联的世界中，理解和总结这些网络的结构变得越来越重要。然而，这项任务是不平凡的;拟议的汇总统计是不同的网络，他们所描述的，和一个标准化的层次结构尚未建立。相反，向量值随机变量允许根据其累积量进行这样的描述（例如，均值、（协）方差、偏斜、峰度）。在这里，我们引入了网络累积量的自然模拟，基于越来越多的连接之间的相关性构建分层描述，无缝地结合额外的信息，如有向边，节点属性和边权重。这些图累积量提供了一个原则性和统一的框架，用于量化网络显示任何感兴趣的子结构（如测量聚类的集团）的倾向。此外，它们产生了网络的最大熵模型的自然分层家族（即，ERGMs），不遭受“简并问题”，一个共同的实际陷阱，其他ERGMs。
2020-04-14 cs.DM cs.SI math.ST
A planetary nervous system for social mining and collective awareness
我们提出了一个行星神经系统（PNS）的研究路线图，能够感知和挖掘人类活动的数字面包屑，并揭示隐藏在大数据中的知识，以解决有关社会复杂性的重大问题。我们设想的PNS作为一个全球分布的，自组织的，技术社会系统回答分析问题的状态，世界范围内的社会，基于三个支柱：社会传感，社会挖掘，信任网络和隐私意识的想法社会挖掘。我们讨论了在上述三大支柱基础上构建PNS所需的科学和技术的成分，超越了各自的最新技术水平的限制。社会感知旨在开发更好的方法，从技术社会生态系统中收集大数据，并使其可用于挖掘，社会挖掘是从各种社会维度的感知数据中发现人类行为的模式和模型的问题通过数据采掘、机器学习和社会网络分析。可信网络和隐私感知社会挖掘旨在围绕隐私和数据所有权问题创造一个新的交易，使个人能够充分意识和控制自己的个人数据，以便用户可以允许访问和使用他们的数据，为自己的利益和共同利益。PNS将提供一个以目标为导向的知识发现框架，由技术和人员组成，能够自我配置，以回答有关全球社会脉搏的问题。给定分析请求，PNS激活由各种互连任务组成的过程，这些任务利用可信网络提供的透明生态系统内的社交感测和挖掘方法。
2013-04-02 cs.CY cs.SI physics.soc-ph
