用于隐蔽网络分析的合成网络生成器
社会与信息网络
2021-11-29 v1 物理与社会
摘要
我们研究社交网络，并聚焦于隐蔽（亦称隐藏）网络，例如恐怖分子或犯罪网络。其结构、成员与活动均属非法。因此，关于隐蔽网络的数据往往不完整且部分有误，使得对此类网络的结构与活动进行解释颇具挑战。出于法律原因，研究人员无法获取关于活跃隐蔽网络的真实数据。为应对这些挑战，我们在此引入一种合成网络生成器，其生成的网络在统计上类似于真实网络，但不包含其成员的个人身份信息。该生成器使用关于真实或设想的隐蔽组织网络的统计数据，生成网络群体的随机化随机块模型实例，同时保留该网络的组织结构。此类匿名网络的直接用途是，在其上训练用于发现隐蔽网络结构与动态的研究与分析工具。由于这些合成网络在边集与社群上各不相同，它们可作为网络分析的新数据源。首先，它们提供了关于原始网络数据的替代性解释。这些替代性解释的概率分布催生了新的网络分析。分析人员可发现频繁出现的社群结构，因而在扰动下是稳定的。他们也可分析稳定性如何随扰动强度变化。对于隐蔽网络，分析人员可量化拦截行动的统计期望结果。此类分析适用于所有数据不完整或部分有误的复杂网络。
引用
@article{arxiv.2008.04445,
title = {A Synthetic Network Generator for Covert Network Analytics},
author = {Amr Elsisy and Aamir Mandviwalla and Boleslaw Szymanski and Thomas Sharkey},
journal= {arXiv preprint arXiv:2008.04445},
year = {2021}
}