跟踪三元组基数分布以检测高速多图流中的突发

在日常生活中，我们经常观察到在重要事件发生前或期间，人与人之间的互动异常频繁，例如人们在节假日比平时发送/接收更多的问候。我们还观察到，某些视频或标签通过人们在在线社交网络（OSN）上的分享而突然走红。这些看似不同的现象是否具有共同的结构？所有这些现象都与网络中用户互动的突然激增有关，我们在本文中称之为“突发”。我们发现，突发的出现伴随着在某些适当定义的网络中三角形的形成。这一发现促使我们提出一种新的稳健方法来检测 OSN 上的突发。我们首先引入一种新的度量标准，“三元组基数分布”（triadic cardinality distribution），对应于网络中具有不同数量三角形（即三元组基数）的节点比例。我们表明，该分布不仅在突发发生时发生变化，而且具有稳健性，能够免疫常见的垃圾邮件社交机器人攻击。因此，通过跟踪三元组基数分布，我们可以比单纯计数 OSN 上的互动更可靠地检测突发。为了避免处理三元组跟踪期间 OSN 用户产生的海量活动数据，我们设计了一种高效的“采样 - 估计”框架，以提供三元组基数分布的最大似然估计。我们提出了几种采样方法，并通过理论分析和对真实世界网络的实证实验，提供了关于其性能差异的见解。