模块性影响无标度模型与真实世界社交网络在介数与度节点攻击下的鲁棒性
物理与社会
2020-09-10 v1 无序系统与神经网络
摘要
本文中,我们研究模型与真实世界社交网络的模块性如何影响其鲁棒性,以及基于节点度(ID)和节点介数(IB)的节点攻击(移除)策略的有效性。我们通过一种新颖的专用算法构建具有不同模块性的 Barabasi-Albert 模型网络,该算法重新连接连边以形成具有社区结构的网络。我们利用最大连通分量(LCC)追踪网络鲁棒性。我们发现,较高水平的模块性在两种攻击策略下均降低了模型网络的鲁棒性,即具有更高社区结构的模型网络在遭受节点移除时表现出更快的 LCC 崩溃。非常有趣的是,我们发现当模型网络呈现非模块结构或低模块性时,基于度的(ID)攻击比基于介数的节点攻击策略(IB)更有效。反之,若模型网络呈现较高模块性,IB 策略则明显成为分割 LCC 的最有效手段。最后,我们研究了由模块性指标(Q)评估的网络结构的模块性如何影响 12 个真实世界社交网络中攻击策略的鲁棒性与有效性。我们发现模块性 Q 与真实世界社交网络在 IB 节点攻击策略下的鲁棒性呈负相关(p-value< 0.001)。该结果表明,具有较高模块性(即较高社区结构)的真实世界网络可能对基于介数的节点攻击更为脆弱。本文呈现的结果揭示了模块性与社区结构对网络鲁棒性的作用,并可能有助于在网络中选择最佳节点攻击策略。
引用
@article{arxiv.2009.04325,
title = {Modularity affects the robustness of scale-free model and real-world social networks under betweenness and degree-based node attack},
author = {Quang Nguyen and Tuan Van Vu and Hanh Duyen Dinh and Davide Cassi and Francesco Scotognella and Roberto Alfieri and Michele Bellingeri},
journal= {arXiv preprint arXiv:2009.04325},
year = {2020}
}