具有不完美回忆的动态同质性：对抗网络韧性建模
社会与信息网络
2025-12-16 v1 人工智能
密码学与安全
信息论
math.IT
摘要
本研究旨在探讨同质性、记忆约束与对抗干扰如何共同塑造复杂网络的韧性和适应性。为实现此目标，我们开发了一种新的框架，将显式的记忆衰减机制集成到同质性模型中，并在多样化的图结构和对抗环境中系统评估其性能。我们的方法涉及在合成数据集上的大规模实验，通过变化衰减函数、重连概率和相似性度量方式进行测试，主要比较余弦相似性与传统度量如Jaccard相似性和基线边权。结果表明，在稀疏、凸和模块化网络中，余弦相似性在稳定性指标上可实现最高30%的改进。此外，精炼化的回忆价值指标表明，战略性遗忘通过平衡网络韧性和适应性来增强韧性。本研究的发现强调了在网络结构和对抗动态中对齐记忆和相似性参数的重要性。通过量化纳入记忆约束到同质性模型中所带来的实际益处，本研究为优化现实应用（包括社交系统、协作平台和网络安全）提供了可操作的见解。
引用
@article{arxiv.2512.12332,
title = {Dynamic Homophily with Imperfect Recall: Modeling Resilience in Adversarial Networks},
author = {Saad Alqithami},
journal= {arXiv preprint arXiv:2512.12332},
year = {2025}
}