社交網絡中的信息對抗過程仿真

王曉煜，牟向偉，蔣晶晶

（1.大連東軟信息學院信息技術與商務管理系，遼寧大連 116033；2.大連海事大學交通運輸管理學院，遼寧大連 116026）

社交網絡中的信息對抗過程仿真

王曉煜1，牟向偉2，蔣晶晶1

（1.大連東軟信息學院信息技術與商務管理系，遼寧大連 116033；2.大連海事大學交通運輸管理學院，遼寧大連 116026）

社交網絡已經成為目前最快、最有效的信息傳播媒介，為了分析社交網絡中對立信息在傳播時互相競爭對抗的演化過程，本文首先利用小世界網絡模型來模擬社交網絡中人際關系與信息傳播環境，并基于一定假設條件提出一種信息對抗演化過程模型，通過對該模型進行分析，揭示了兩種對立態度的信息在社交網絡傳播時互相影響與互相競爭的演化過程.在實驗中，對不同初始狀態的信息對抗過程進行了仿真模擬，并使用信息對抗演化過程模型對整個過程進行預測，實驗結果表明，總體演化趨勢與預測結果相符.對實驗結果的分析還表明該模型可以從理論角度解釋某些網絡推廣手段的可行性.

信息對抗；社交網絡；信息傳播；模擬仿真

近年來，社交網絡作為信息傳播最有效的媒介已成為人們獲得信息和傳播信息的重要方式．社交網絡媒介通過人與人之間的關系來傳播信息，與傳統傳播媒介相比，最顯著的特點就是“去中心化”，在社交網絡媒介中每一個人都是“自媒體”，“去中心化”的特征為消息高速傳播創造了有利條件．目前對社交網絡的研究，大多集中在對社交網絡結構[1-5]和信息傳播機理的研究[6-10]．對社交網絡中人們的態度或觀點的擴散與演化涉及不多，尤其當有兩種對立的態度同時傳播的時候，其演化過程是如何互相競爭并互相影響，是基于社交網絡的輿論傳播研究工作面臨的重大學術和技術問題，對研究社交網絡中的信息傳播規律和輿論觀點的形成具有重要的理論意義．針對該問題，本文的研究是把對立態度在傳播中爭取更多個體認同的動態過程進行理論建模和數值仿真研究，具體步驟是首先利用復雜網絡理論并基于一定信息傳播假設條件模擬社交網絡信息傳播環境，其次建立信息對抗演化模型并利用傳播動力學相關理論對演化模型進行分析，最后利用該模型在數值仿真實驗中預測信息對抗演化的狀態和趨勢．

1 社交網絡信息傳播模型

1.1 基于小世界網絡的社交網絡結構模型

復雜網絡的研究成果表明，人際關系網絡既不是完全規則的，也不是完全隨機的，而是“小世界”網絡．小世界網絡是Watts和Strogatz于1998年提出的一個基于人類社會網絡的模型，該網絡既有與規則網絡類似的較大的集聚系數，又具有與隨機網絡類似的較小的平均距離[11]，這兩種特性綜合在一起被稱為“小世界效應”．小世界模型已經在許多領域得到應用．如互聯網控制，計算機病毒傳播，傳染病的傳播預測等等．小世界網絡主要有兩種生成演化算法;

1.1.1 Watts-Strogatz模型（WS模型）

1）初始為一個排成環形的包含N個節點的規則網絡，每個節點的度為k，即每個頂點同它的k個鄰居相連（每一側有k/2個連接）；2）以某個很小的概率p斷開規則網絡中的邊，并隨機選擇新的端點重新連接，排除自環和重連邊；3）重復2），直到遍歷所有的邊．

1.1.2 Newman-Watts模型（NW模型）

1）初始為一個排成環形的包含N個節點的規則網絡，每個節點的度為k，即每個頂點同它的k個鄰居相連（每一側有k/2個連接）；

2）對規則網絡中的節點，以概率p隨機選擇新的節點重新連接，排除自環和重連邊；

3）重復2），直到遍歷所有節點．

小世界模型與現實生活中的人際關系網絡很類似，一個人的朋友多是自己身邊的人，主要集中在鄰居，學校，工作單位等地點，但也會有少數好朋友在外地甚至是國外等，在社交網絡中人際關系網是輿論人際傳播的載體，許多相關研究針對不同類型的社交網絡進行實證分析后發現多數社交網絡具有小世界、層次性和社團結構等共性[12-16]．本文利用NW模型來構建具有小世界特性的人際關系網絡，并對具有小世界特征的社交網絡媒介中的信息對抗現象進行分析．

1.2 社交網絡中的信息傳播環境假設

在信息傳播中，能夠影響傳播效果的因素很多．個體本身的意識形態、利益背景甚至心理因素，媒體與個體間的相互影響，個體間大量意見的交換與態度的改變等等，都體現了復雜性與不確定性特征[17]．本文通過建立以下傳播假設條件并結合社交網絡結構模型，來模擬社交網絡中的信息傳播環境．

1）態度假設：關于某個主題的信息開始傳播的時候，個體會擁有不同的態度，包括支持，中立和反對3種態度；2）傳播假設：個體通過社交網絡除了傳播信息，同時也將自己對信息的支持和反對態度傳播給鄰居，鄰居有一定的概率接受該態度，并可進行再次傳播，并且不同態度的信息傳播概率不同；3）趨同性假設：在信息的傳播過程中，持有某種態度個體對信息的態度會隨著鄰居的不同態度而發生改變，變化為某種態度概率與持該態度的鄰居數量和該態度的傳播概率成正比；4）態度轉化假設;態度持有者的轉化過程會經歷”持有某種態度”到”懷疑持有態度”再到”轉化為對立態度”的過程，用于模擬人們從相信到懷疑最后改變自己態度的心理過程．

本文提出的信息傳播模型是由社交網絡結構模型以及傳播假設條件共同組成．基于社會影響理論，在輿論的演化與形成過程中，大多數人最終會形成的態度傾向往往更容易受周圍人際關系的影響[18]．因此在在以上假設中，簡化了信息傳播中個體的意識形態、知識背景等因素對態度產生和傳播的影響，強調的是人際交流對個體態度產生的影響．

2 信息對抗演化分析

根據態度假設，設某一時刻有支持態度I+、反對態度I和中立態度S在整個網絡中的密度分別為和s，i+和i個體分別持有關于某個主題內容的兩種對立態度，s代表不了解此主題內容有關信息或不確定應該接受某種態度的個體成員．

根據傳播假設，關于信息的態度由I+態個體或I態個體開始向鄰居傳播，設I+的傳播概率為，I傳播概率為．過程如公式(1)所示

根據趨同性假設，在某一時刻，密度i+會隨著I+態度在網絡中的傳播而增加，增加的數量與當前時刻密度i+以及與這些個體直接連接的S態鄰居的數量以及i+的傳播概率成正比．同時，密度i+也會隨著I態度在網絡中的傳播而減少，減少的數量與當前時刻密度i以及與這些個體直接連接的I+態鄰居的數量以及i的傳播概率成正比，根據態度轉化假設，被轉化的I+態個體并沒有直接轉化為I態，而是先轉化為S態個體．對密度i可得相似的分析結果．因此，i+，i和s隨時間的演化模型方程，如式(2)所示．

其中：＜k＞為社交網絡的平均度，本文以均勻網絡模型小世界網絡來建立社交網絡結構模型，因此使用平均度可以用來代表個體的平均鄰居數量，值得注意的是在非均勻網絡中不能以平均度來刻畫整個網絡的度分布情況，需要將網絡中的節點按度進行分組之后再進行演化分析，演化模型會有所不同．式(2)所描述的演化過程類似于不同態度信息利用社交網絡中的人際關系進行傳播以爭取更多個體的過程，可以看做是一個動態的競爭或兩種態度的對抗過程．

3 實驗

首先在社交網絡信息傳播模型的基礎上進行信息傳播仿真實驗，用于跟蹤不同態度在社交網絡中的傳播效果，之后根據信息對抗演化模型及其趨勢分析的結果對不同態度信息的傳播效果進行預測，并與信息傳播仿真實驗中記錄的結果進行比較，以驗證模型的可行性．仿真所使用的社交網絡數據是根據某個虛擬社區中的人際關系特點建立的仿真網絡模型，把個體看成是網絡中的節點，把個體之間的人際關系（關注，好友等）視為結點間的連接或者邊，并定義該網絡為有向網絡，方向由被關注方指向關注方，節點數為2 000，該網絡的度分布近似泊松分布，其平均度為4．該網絡中的度分布如圖1所示．

3.1 信息傳播仿真實驗

圖1 仿真社交網絡模型度分布示意圖Fig.1 The degree distribution diagram of simulationmodels for socialnetworks

當信息開始傳播的初期，可以通過跟蹤傳播的效果和范圍來估計該主題傳播時不同態度的傳播概率，如定義

it+為t時刻，對主題信息持有正態度的人數，如對某個話題的評論和轉發過程中表示支持的人，Nti+為接觸過該主題正面信息的人數，這些個體接觸過信息后但是沒有做出任何反應．同樣的，的獲得是通過統計對該話題持負態度的人數以及接觸過負態度的總人數之間的比值．仿真實驗中，測定i+傳播的概率為0.2，i的傳播概率為0.26，即=0.2，=0.26．實驗中以測定，的時刻t0為初始狀態，i+和i都有非零初始值．

當信息開始傳播時，持有i+或i的節點向自己的鄰居傳播自己的態度，之后根據鄰居向它傳播的態度信息來決定是否改變自己的態度，此態度改變的過程符合態度轉變假設，如果網絡中的所有節點都經歷了以上過程后，則稱該網絡經歷了一個傳播步長t．

在不同初始狀態下，持不同態度的節點密度影響了最后信息傳播態度的最終效果，選取4個有代表性的初始狀態，并跟蹤記錄它們經歷了100個傳播步長的演化過程，如圖2所示．其中不同初始狀態的數據值如表1所示．

3.2 實驗結果分析

1）信息傳播對抗演化的結果取決于兩種對抗態度的傳播概率和初始狀態下持不同態度個體數量．

2）低傳播效率的信息同樣可以通過增加個體數量的方式，最終在信息的對抗過程中最終取得優勢（如初始狀態3），這也解釋了某些網絡推廣手段的可行性，如通過在社交網絡上建立大量的”僵尸用戶”或通過”轉發協議”的形式制造大量的對某種主題信息態度”認可”的群體，實際上這個群體未必真正認可對此信息的態度，但最終結果是使得傳播效率較低或不容易被公眾認可的信息反而在傳播競爭中取得優勢．

圖2 不同初始狀態信息對抗演化過程仿真示意圖Fig.2 The diagram of information againstevolutionsimulation in different initialstate

表1 初始狀態數據值Tab.1 Data values in the initial state

4 結論

本文對社交網絡信息對抗演化過程進行建模與分析，仿真實驗結果表明該模型能夠描述信息對抗演化過程的總體趨勢，該模型揭示了兩種對立態度信息在傳播對抗過程中互相影響的基本特征，有助于進一步理解信息在社交網絡中的傳播規律．

本文提出的信息對抗演化模型建立在一定的假設條件或演化規則之上，對于現實信息傳播環境的某些特定問題無法給出確定性的回答，或者做出精確地預測．在以后的研究中這些假設和規則都需要深入細化研究，才能更好地解釋和分析社交網絡中信息的傳播規律與特點．

[1]KumarR，Novak J．Tomkins A 2006 The12th ACM SIGKDD InternationalConferenceon Know ledge Discovery and DataM ining Philadelphia[C]．USA：2006．

[2]Ahn Y Y，Han S，Kwak H，etal．Jeong H 2007Proceedingsof the16th InternationalConferenceonWorldWideWeb Banff[C]．Canada：2007．

[3]M islove A，Marcon M，Gummadi K P，et al．Bhattacharjee B 2007 The 7th ACM SIGCOMM Conference on Internet Measurement[C]．San Diego，USA：2007．

[4]Fu F，Liu LH，Wang L．Empiricalanalysisofonlinesocialnetworksin theageofWeb 2.0[J]．PhysicaA：StatisticalMechanicsand itsApplications，2008，387（2-3）：675-684．

[5]Hu H B，Wang X F．Evolution ofa largeonline socialnetwork[J]．Physical Letters A，2009，373（12/13）：1105-1110．

[6]PASTOR-SATORRASR，VESPIGNANIA．Epidemic spreading in scale-free networks[J]．PhysRev Lett，2001，86：3200-3203．

[7]Kitsak M，Gallos L K，Havlin S，et，al．Identifying Influential Spreaders in Comp lex Network[J]．Nature Physics，2010，6：888．

[8]Borge-Holthoefer J，Moreno Y．Absenceof influentialspreaders in rumordynam ics[J]．PhysRev EStatNonlin SoftM atterPhys，2012，85（2）：26-116．

[9]張彥超，劉云，張海峰，等．基于在線社交網絡的信息傳播模型[J]．物理學報，2011，5，60-61．

[10]熊熙，胡勇．基于社交網絡的觀點傳播動力學研究[J]．物理學報，2012，15，61-62．

[11]Watts D J，Strogatz SH．Collective dynamicsof'small-world'networks[J]．Nature，1998，393（6684）：440-442．

[12]Kumar R，Novak J，Tomkins A 2006 The 12th ACM SIGKDD International Conference on Know ledge Discovery and Data M ining Philadelphia [C]．USA：2006．

[13]Ahn Y Y，Han S，Kwak H，etal．JeongH 2007Proceedingsof the16th InternationalConferenceonWorldWideWeb Banff[C]．Canada：2007．

[14]Mislove A，Marcon M，GummadiK P，etal．Bhattacharjee B 2007The7th ACM SIGCOMM Conferenceon InternetMeasurement[C]．USA：San Diego，2007．

[15]Java A，Song X，Finin T．Tseng B 2007 Proceedingsof the9thWeb KDD and 1stSNA-KDD 2007Workshop onWebMining and SocialNetwork Analysis[C]．USA：San Jose，12，2007．

[16]Kwak H，Lee C，Park H．M oon S 2010 Proceedings of the 19th International Conference onWorldWideWeb[C]．Raleigh，Toronto，2010．

[17]劉常昱，胡曉峰，司光亞，等．基于小世界網絡的輿論傳播模型研究[J]．系統仿真學報，2006，18（12）：36．

[18]羅家德．社會網分析講義（上卷）[M]．北京：社會科學文獻出版社，2005．

[責任編輯 代俊秋]

The simulation study of information countermeasures in socialnetwork

WANG Xiao-yu1，MU Xiang-wei2，JIANG Jing-jing1

(1.Information technology and businessmanagement department,Dlian NeusoftUniversity of Information,Liaoning Dalian 116033, China;2.TransportationM anagement School,Dalian Maritime University,Liaoning Dalian 116026,China)

Social Network Servicehasbecome the fastestand themosteffectivemedia for information broadcasting,in order to analyze theevolution progresssofopposite informationw hen they are confrontedw itheach otherwhile broadcasting in thesocialnetwork service.Thepapersimulates the environmentof interpersonal relationshipand informationbroadcasting by using the"small-w orld networkmodel"and put forward an evolutionmodel for information countermeasures based on certain assum ptions.Then through the evolutionmodel,the paper reveals the evolution progresss of opposite information w hen they are confronted and influencing w ith each otherw hile broadcasting in the social netw ork service. During theexperiment,thesimulation studyof information countermeasuresw ith differentoriginalconditionsisconducted and thewhole progerss is forecastby using theevolutionmodel for information countermeasures.According to theexperiment,the overallevolution trend is consisitentw ith the prediction and the feasibility of certain network promotion meanscan beexplained theoretically by theevolutionmodel for information countermeasures the paper puts forward．

information countermeasure;socialnetwork service;information broadcasting;simulation study

TP391.9

A

1007-2373(2014)01-0024-04

2013-11-05

王曉煜（1969-），女（漢族），副教授．