[发明专利]基于间接互惠的智能信息传播方法

说明书

本发明公开了一种基于间接互惠的智能信息传播方法，属于信号处理领域。本发明方法基于演化博弈论和间接互惠，通过引入声誉机制来建立智能信息传播方法，削弱社交网络中非理性用户的负面影响。本发明方法可帮助理性用户区分邻节点的可信度，合理降低非理性用户的信誉值，从而有效削弱非理性用户在社交网络中产生的不良影响，同时在得知网络特征参数及用户的特性参数后，可准确预估理性用户与非理性用户的声誉值期望，从而得到网络总体的演化动态和最终的稳定状态。

技术领域

本发明属于信号处理领域，具体涉及基于间接互惠原则削弱社交网络中非理性用户负面影响的智能信息传播方法。

背景技术

在当今大数据时代，信息数量爆炸式增长，其中很大一部分是通过社交网络进行传播，渠道包括微信、微博、脸书、推特等流行应用。信息在社交网络上的传播给我们生活带来乐趣、便利的同时，也带来了安全挑战。部分网络用户为了一己私利而传播不实消息，一些恶意用户甚至扩散有害信息，例如木马病毒，导致了不可估量的经济损失和严重不良的社会影响。因此，理性用户有必要保护自己免受恶意用户的负面影响。建立机制抑制非理性用户的不良影响意义重大，它不仅可以提升社交网络安全性，还可以帮助我们对社交网络信息传播产生更深入的理解。

为了最小化社交网络中谣言、病毒等不良信息带来的负面影响，产生了相应的影响阻塞最大化(IBM)问题。然而，已有研究只是从宏观上解决问题，关注网络的图形结构，而忽略了个体本身在不良影响最小化中所起的重要作用。与IBM方法不同，本发明关注的是如何建立机制通过理性用户的个体行为来保护其免受危害，从而降低社交网络中的负面影响。同时，为了模拟用户之间抵制恶意用户的合作行为，本发明基于间接互惠原则，引入了声誉机制来衡量用户的可信度。间接互惠的原理是“我帮助你不是因为你帮助了我，而是因为你帮助了别人”，强调用户之间非直接的互助和合作。因此，本发明中所有用户的声誉值共享，从而帮助用户对彼此及非理性用户有更透彻的了解，加速网络的动态演化。

用户的决策过程是复杂的，与信息的真假性、策略持续时间、个人喜好及其他决策因素相关。基于演化博弈论，可以将上述所有因素合并到模型中，从而建立用户交互策略和更新规则。虽然已有基于演化博弈论对信息传播的研究，且模型取得了良好效果，但它们都是基于社交网络中用户为理性的设定；设计演化博弈智能机制来抑制非理性用户对信息传播的影响更是无人涉及。因此，本发明将在含有非理性用户的社交网络中，在已有演化博弈模型基础上，设计基于间接互惠原则的智能信息传播机制，以削弱非理性用户对整个网络的不良影响。

发明内容

本发明的目的在于，基于演化博弈论和间接互惠，通过引入声誉机制来建立智能信息传播方法，削弱社交网络中非理性用户的负面影响。

本发明设定网络用户的策略为s，s∈S，其中S＝{0,1}是策略集，0表示发送信息，1表示不发送信息。理性用户的策略更新方法为：某一时刻网络中随机选取一个理性用户放弃自己当前的策略，然后计算所有相邻用户当前策略所带来的收益，将收益大小作为选取概率，依照概率大小选择采取其中一个相邻用户的策略。为了仿真非理性用户蓄意发送不良信息的场景，设定非理性用户均采用s＝0的策略，若采用其他策略时分析过程及结果类似。

假设非理性用户与理性用户之间的连接在信息传播的第一个时刻建立，而理性用户之间的关系已维持一段时间。在第一个时刻，理性用户无法确定他们的新邻居即非理性用户是否可信，因此网络中所有用户的初始声誉均设置为1。对于“新朋友”和“老朋友”，理性用户将有不同的声誉衡量及更新标准。

首先对于非理性用户，影响其声誉的因素有三方面，一方面是从理性用户角度看，其策略与理性用户的策略是否相同，一方面是非理性用户采用发送策略的时间长短，另一方面是非理性用户采取发送策略时其发送信息的真假性。于是定义非理性用户的标量声誉标准Q_M为：

s_m＝0 s_m＝1