社会网络中基于免疫网络的用户群体行为异常研究
摘要：文章重点研究社会网络中用户群体间的关系变化所导致的异常事件，为网络舆情管控和预测提供分析手段。文章借鉴免疫系统中免疫网络的思想，将社会网络中的用户抽象为淋巴细胞，利用淋巴细胞之间的相互作用来描述用户之间的关系，并建立了用户社交圈子描述模型，通过对用户社交圈的变化来捕捉社会网络中的群体行为异常。
关键词：免疫网络；社会网络；群体行为异常
中图分类号：TP393.09 文献标识码：A 文章编号：1673-1131（2015）10-0020-02.
0 引言
社会网络（Social Network）是以真实社会人际关系为基础，结合网络虚拟社区的特点构建的现实社会人际关系网络，其核心是现实社会人际关系在网络上的真实映射[1]，其信息的交互和传播速度呈爆炸式增长，是网民获取信息、发表观点的重要渠道。而如何管理好、利用好这个虚拟的社会，已经成为政府、企业和个人不可忽视的问题。
社会网络具有用户量大、信息数据内容海量、信息传播速度快等特点，若被不法分子所利用容易对网络环境和社会环境的健康发展造成极大的威胁。社会网络中信息的传播通过转发、顶贴等方式表现为一种有意或无意的群体行为，随之也容易带来以讹传讹的不良影响。
人工免疫学中的免疫网络模型（Immune Network）将免疫系统视为一个由节点（淋巴细胞）组成的网络结构，通过节点之间的信息传递和相互作用达到识别、效应、记忆等免疫系统功能[2]，即实现了淋巴细胞群体动态演化过程的描述。社会网络中的交往关系与免疫系统相类似，均具有自组织性和自适应性，因此本文借鉴免疫网络思想来研究社会网络中用户群体之间的行为关系，以此研究社会网络中的异常现象。
1 社会网络中免疫网络模型的应用
社会网络中群体事件所带来影响力和传播力都是巨大的，远甚于个体行为所造成的影响，因此对网络群体用户行为异常的研究是网络舆情的传播和控制所需要解决的重要问题。
圈子特性是社会网络的一种典型特性[3]，社会网络中用户由于其兴趣爱好、交往关系和熟人的信任关系构成了不同的社交圈。通过社交圈规模的变化、内部成员的变化和社交圈间关系的变化能够发现社会网络中的群体异常行为。本文拟建立的免疫网络模型，通过用户间关系亲和力的计算来实现用户社交圈（淋巴结）的构建，同时根据用户关系的演化来动态调整社交圈和免疫网络的结构和规模，最终建立一个描述社会网络用户关系的动态网络，通过对免疫网络结构特征变化的分析来实现群体异常的检测。
1.1 社交圈子的描述
社会网络中，用户之间的联系常常能够通过其社交圈表现出来。社交圈是由具有相似兴趣爱好和较高交往频繁度的用户组成的。
免疫网络理论认为免疫细胞不仅受外来抗原的刺激，细胞之间也要相互刺激和协调形成一个动态的免疫网络来完成免疫功能，更能体现免疫系统的动态性能[4]。也就是说明了淋巴细胞之间的相互关联关系，以此来构成一个生态模型，该模型描述了在一定范畴内的群体动态演化过程。社会网络中的 用户作为淋巴细胞可以利用该模型实现社会网络中用户之间关系的描述。
本文借鉴免疫网络的思想，选取一个目标用户作为抗原Ag，将与目标用户有关联的用户设置为抗体 Abi，通过抗原和抗体亲和力的计算来建立目标用户的社交圈子。同时，由于每个用户的交往能力有限，因此其所形成的社交圈往往也具备一定的规模。基于以上思路本项目提出的社交圈生成模型，如图1 所示。其中，抗原与抗体之间的亲和力可使用 Euclidean 距离、Manhattan 距离、Hamming 距离等距离计算公式进行测算。 1.2 免疫网络中群体异常现象的发现社会网络中基于社交圈来判断群体用户行为异常的方法主要可以从社交圈内用户的异常和整个社交圈子的异常动向两个方面进行研究，从而分析出社交网络中群体用户的异常现象。
本文中所建立的社交圈子是个体用户之间由于具有相同的喜好、相同的观点，而自主产生的群体效应。这些个体用户的日常交往行为存在一定的相似性，因此若社交圈内用户的构成发生异常变化通常预示着群体异常或舆论导向的变化。
同样，由于不同用户的兴趣和交往关系的不同，所形成的社交圈之间的交往关系相对稳定。一些恶意的群体行为通常是有预谋、有组织的群体行为事件，例如“网络水军”和利用网络策划的非法集会等行为。这类群体行为在爆发之前通常会有一些征兆，例如某类话题回帖数量激增、某论坛新注册 ID 数量的陡增、某用户的粉丝数量突然变大等异常变化，这些异常的变化都会打破社交圈的平衡关系，即导致 1.1 节中所描述的用户社交圈的变化，以此作为群体用户行为异常检测的依据。 2 总结与展望本文以计算机免疫中的免疫网络为主要技术手段，将社会网络中的用户描述为淋巴细胞，并利用淋巴节来表述用户所形成的社交圈子，实现了对社会网络中用户群体及其关系模型的建立。通过用户社交圈的变化，能够发现群体用户行为的异常。然而在社会网络中，用户之间的交往关系和关联关系往往所涉及到的因素较多，如何综合考虑这些因素以及描述这些相关因素之间的关系，以此建立更加完善、更加符合社会网络特征的用户关系描述模型是本文后期研究的重点。
参考文献：
[1] Staab S, Domingos P, Mika P. Social Networks Applied [J]IEEE Intelligent Systems,2005, 20(1): 80-93.
[2] 程春玲,柴倩,徐小龙,等.一种用于病毒检测的协作免疫网 络算法[J].电子学报,2013,(12):2518-2522.
[3] HaewoonKwak,Changhyun Lee, Hosung Park, Sue Moon.What is Twitter, a Social Network or a News Media[C].The19th international conference on World wide web, 2010.
[4] Ya He，Liang Yiwen，Li Tao．A model of collaborative artificial immune system[A].CAR2010 2nd International Asia Conference on Informatics in Control,Automation and Robotics[C]Piscataway,NJ:IEEE Computer Society,2010:101-104基金项目：湖北省自然科学基金面上项目（项目编号：2014CFB536）；湖北省教育厅中青年人才项目（项目编号：Q2015001）。
作者简介：杨超（1982-），男，湖北武汉人，博士，讲师，主要研究方向为信息安全、人工免疫学。
