摘要：虚假信息传播控制是全球网络空间安全治理的热点领域。针对目前在线社交网络中的虚假信息传播控制研究,尚未考虑对关键节点集控制所产生的成本开销这一实际问题,提出了一种基于关键节点双目标优化的虚假信息传播控制模型。首先,根据用户节点在社交网络1-hop和2-hop区域的传播影响力以及节点的度中心性、k-shell等多种复杂网络特征,对两个优化目标(控制效果和控制成本)进行数学形式化表示;其次,设计一种融合自适应非线性策略的位翻转变异算法,实现对离散搜索空间的第2代非支配排序遗传算法改进,并将改进后第2代非支配排序遗传算法用于虚假信息传播关键节点集的选取,从而实现虚假信息传播控制效果最大化,控制成本开销最小化;最后,通过在真实在线社交网络平台上开展实验,分析模型参数对控制成本和控制效果的影响。实验结果表明,该模型与现有方法相比,在控制成本和控制效果的组合指标R TCTE上具有明显的优势。该模型适用于大规模复杂社交网络下最低成本的虚假信息传播控制。

摘要：在线社交网络中虚假信息传播蔓延成为当前网络空间安全治理面临的重要挑战。提出一种融合用户传播风险和节点影响力分析的虚假信息传播控制方法DDC-UPRNI(disinformation diffusion control method integrating user propagation risk and node influence analysis)。综合考虑虚假信息传播特征空间的多样性和复杂性,通过自注意力机制实现用户传播虚假信息行为维度、时间维度和内容维度特征的嵌入表示,运用改进的无监督聚类K-means++算法实现不同用户传播风险等级的自动划分;设计一种自适应加权策略实现对离散粒子群优化算法的改进,进而提出一种基于离散粒子群优化的虚假信息传播关键节点选取方法,用于从具有特定传播风险等级的用户节点集合中选取若干个具有影响力的控制驱动节点,从而实现精准、高效的虚假信息传播控制;基于现实在线社交网络平台上开展试验,结果表明,所提出的DDC-UPRNI方法与现有算法相比,在控制效果和时间复杂度等重要指标上具有明显优势。该方法为社会网络空间中的虚假信息管控治理提供重要参考。