[论文解读] An Efficient Local Strategy to Control Information Spreading in Network

Anoop Mehta, Ruchir Gupta|arXiv (Cornell University)|Sep 26, 2015

Complex Network Analysis Techniques参考文献 7被引用 3

一句话总结

本文提出了一种新颖的局部免疫策略，用于在无标度网络中仅使用局部节点信息控制谣言传播——具体而言，利用每个节点的度及其邻居的平均度。该方法通过计算局部中心性比率来识别并免疫最具影响力的感染节点，仅需免疫4%的节点即可实现完全的流行病控制，显著优于需要完整网络知识并需免疫多达30%节点的全局中心性方法。

ABSTRACT

In social networks, control of rumor spread is an active area of research. SIR model is generally used to study the rumor dynamics in network while considering the rumor as an epidemic. In disease spreading model, epidemic is controlled by removing central nodes in the network. Full network information is needed for such removal. To have the information of complete network is difficult proposition. As a consequence, the search of an algorithm that may control epidemic without needing global information is a matter of great interest. In this paper, an immunization strategy is proposed that uses only local information available at a node, viz. degree of the node and average degree of its neighbour nodes. Proposed algorithm has been evaluated for scale-free network using SIR model. Numerical results show that proposed method has less complexity and gives significantly better results in comparison with other strategies while using only local information.

研究动机与目标

• 解决在大规模网络中控制类似流行病的信息传播问题，其中获取全局网络信息在实际中不可行。
• 开发一种去中心化的局部免疫策略，仅需每个节点的度和邻居度信息。
• 在无标度网络中，最小化需要免疫的节点数量，同时有效阻止感染传播。
• 在免疫效率和计算复杂度方面，评估与现有基于全局中心性的策略相比的性能。

提出的方法

• 所提方法计算一个基于节点度与其邻居平均度之比的局部中心性度量：$ NC(i) = \frac{d_i}{\sum_{j\in N_i} d_j / d_i} $。
• 每个节点仅使用自身度和其直接邻居的度信息，独立计算其邻居的中心性。
• 在每轮中，若一个感染节点拥有局部中心性最高的邻居，则该邻居被免疫以防止进一步传播。
• 免疫过程在多轮中迭代进行，当不再存在感染节点时停止。
• 该算法在所有节点上并行运行，无需协调或全局网络视图。
• 该策略利用了高比率节点（相对于邻居平均度具有高程度）在传播中更具中心性的事实，因此是免疫的理想目标。

实验结果

研究问题

• RQ1 基于有限节点级信息的局部去中心化策略是否能有效控制复杂网络中的流行病传播？
• RQ2 与基于全局中心性的方法（如度中心性、介数中心性）相比，基于局部中心性的免疫策略在免疫效率方面表现如何？
• RQ3 使用局部信息时，需要免疫的最少节点比例是多少才能完全阻止感染传播？
• RQ4 所提方法的时间和空间复杂度与现有全局中心性算法相比如何？
• RQ5 在免疫投入相当的情况下，该局部策略是否比全局策略实现更快的流行病遏制？

主要发现

• 所提局部策略通过仅免疫4%的节点成功控制了流行病传播，显著优于需免疫30%或以上节点才能达到相同效果的全局策略。
• 该方法在约30轮内将感染节点数减少至零，而全局中心性方法在相同条件下需约70轮。
• 所提方法的空间复杂度为 $ O(n) $，与其他方法相当，时间复杂度为 $ O(c^2) $，其中 $ c $ 为最大节点度，因此比介数中心性和结构中心性更高效。
• 局部中心性比率能有效识别出高影响力免疫目标，因为相对于邻居具有高程度的节点更可能是局部子结构中的枢纽。
• 该策略在多个网络实例中表现稳健，在10个独立生成的LFR网络中均表现出一致性能。
• 该方法在具有幂律度分布的无标度网络中尤为有效，因为高阶节点主导连通性，是免疫的理想目标。