-
题名基于随机块模型的社区隐藏统一框架
- 1
-
-
作者
刘栋
刘侠
贾若雪
张文生
-
机构
河南师范大学计算机与信息工程学院
教育人工智能与个性化学习河南省重点实验室(河南师范大学)
教学资源与教育质量评估大数据河南省工程实验室(河南师范大学)
中国科学院自动化研究所
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2024年第7期1850-1862,共13页
-
基金
国家自然科学基金项目(62072160)。
-
文摘
社区检测是复杂网络分析的重要工具之一,可帮助深入了解网络的社区结构和节点间潜在的关系,但同时也带来了隐私泄露问题.社区隐藏作为社区检测的伴生问题,旨在以最小的边扰动代价破坏网络的社区结构,近年来受到越来越多学者的关注.但现有的社区隐藏方法忽略了网络的生成机制且缺少针对不同尺度隐藏的统一框架,因此提出了一种基于随机块模型的社区隐藏(community hiding-stochastic block model,HC-SBM)算法,该算法从网络生成机制角度构建了社区隐藏的统一框架,即实现微观(个体)、介观(社区)、宏观(网络)3个尺度上的社区检测算法攻击.其基本思想是基于随机块模型刻画网络的生成机制,特别是网络社区形成和分裂的规律和模式,挖掘生成过程中的关键性链接以及链接集合,最终通过最小代价扰动策略破坏网络社区结构.通过在真实网络上的大量实验,并与4种先进的基准算法进行比较,表明了提出的HC-SBM算法在社区隐藏效果更优.
-
关键词
社区隐藏
社区检测
随机块模型
生成机制
社会网络分析
-
Keywords
community hiding
community detection
stochastic block model
generation mechanism
social network analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于邻域粗糙集和帝王蝶优化的特征选择算法
被引量：6
- 2
-
-
作者
孙林
赵婧
徐久成
王欣雅
-
机构
河南师范大学计算机与信息工程学院
教育人工智能与个性化学习河南省重点实验室(河南师范大学)
-
出处
《计算机应用》
CSCD
北大核心
2022年第5期1355-1366,共12页
-
基金
国家自然科学基金资助项目(62076089,61772176,61976082)
河南省科技攻关项目(212102210136)。
-
文摘
针对经典的帝王蝶优化(MBO)算法不能很好地处理连续型数据,以及粗糙集模型对于大规模、高维复杂的数据处理能力不足等问题,提出了基于邻域粗糙集(NRS)和MBO的特征选择算法。首先,将局部扰动和群体划分策略与MBO算法结合,并构建传输机制以形成一种二进制MBO(BMBO)算法;其次,引入突变算子增强算法的探索能力,设计了基于突变算子的BMBO(BMBOM)算法;然后,基于NRS的邻域度构造适应度函数,并对初始化的特征子集的适应度值进行评估并排序;最后,使用BMBOM算法通过不断迭代搜索出最优特征子集,并设计了一种元启发式特征选择算法。在基准函数上评估BMBOM算法的优化性能,并在UCI数据集上评价所提出的特征选择算法的分类能力。实验结果表明,在5个基准函数上,BMBOM算法的最优值、最差值、平均值以及标准差明显优于MBO和粒子群优化(PSO)算法;在UCI数据集上,与基于粗糙集的优化特征选择算法、结合粗糙集与优化算法的特征选择算法、结合NRS与优化算法的特征选择算法、基于二进制灰狼优化的特征选择算法相比,所提特征选择算法在分类精度、所选特征数和适应度值这3个指标上表现良好,能够选择特征数少且分类精度高的最优特征子集。
-
关键词
帝王蝶优化
特征选择
邻域粗糙集
邻域依赖度
二进制
-
Keywords
Monarch Butterfly Optimization(MBO)
feature selection
Neighborhood Rough Set(NRS)
neighborhood dependence degree
binary
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于遗传算法的属性网络社区隐藏方法
- 3
-
-
作者
张博瀚
吕乐
荆军昌
刘栋
-
机构
河南师范大学计算机与信息工程学院
-
出处
《计算机应用》
2025年第9期2817-2826,共10页
-
基金
国家自然科学基金资助项目(62072160)
河南省科技攻关计划项目(242102211076)。
-
文摘
为了对抗社区检测算法从而实现节点隐私保护,社区隐藏方法得到了越来越多的关注。然而,现有的主流社区隐藏算法仅关注网络的拓扑结构,忽略了节点属性对社区结构的影响,因此在属性网络上表现不佳。针对上述问题,提出一种基于遗传算法的属性网络社区隐藏方法(ACG)。该方法融合网络拓扑结构和节点属性,它的核心在于通过优化适应度函数找到最优的边隐藏策略。ACG在追求最小化隐藏成本的同时,将最大化模块度和属性相似度作为双重度量标准来选择并扰动对社区结构影响最大的边集合,从而实现对属性网络社区检测算法的有效攻击。实验结果表明,在不改变边总数和属性信息的前提下,所提方法有效地对抗了主流的属性社区检测方法;与其他社区隐藏方法相比,ACG在5个属性网络上对抗经典社区检测算法具有优势。
-
关键词
社区隐藏
遗传算法
属性网络
隐私保护
社区检测
社会网络分析
-
Keywords
community hiding
genetic algorithm
attribute network
privacy protection
community detection
social network analysis
-
分类号
TP393
[自动化与计算机技术]
-
