移动互联网的未来论文(移动互联网论文2000字)

 

互联网小常识：宽带城域网保证服务质量的技术有：预留资源（RSVP）、区分服务（DiffServ）和多协议标志交换（MPLS）。统计与计费一般采用SNMP(网络管理协议)的MIB(管理信息库)来实现。

边重连神经网络：在没有丰富功能的情况下提高网络弹性;大型动态图上的子集节点异常跟踪;循环分割满足时间网络中的块模型;围绕开源软件项目的开发者社会网络中社区演化的定量分析;通过关键字共现网络揭示韩国物理学会的作用;核估计作为行人密度测量的一般概念;大地理分类在美国 Reddit 用户之间传播错误信息中的作用;多路网络上的超扩散;Delator：通过神经网络自动检测交易图上的洗钱证据;

边重连神经网络：在没有丰富功能的情况下提高网络弹性

原文标题： Edge Rewiring Goes Neural: Boosting Network Resilience without Rich Features

地址：http://arxiv.org/abs/2110.09035

作者： Shanchao Yang, Kaili Ma, Baoxiang Wang, Tianshu Yu, Hongyuan Zha

摘要： 提高网络的弹性是网络科学中的一个基本问题，它可以保护底层系统免受自然灾害和恶意攻击。传统上，这是通过连续的保持度数的边重连操作来实现的，主要限制是转换。在具有丰富图特征的场景下，采用图神经网络（GNN）与强化学习相结合，以归纳方式解决具有顺序动作的图相关任务。然而，这样的框架不能直接应用于只有纯拓扑结构可用的弹性任务。在这种情况下，GNNs 几乎不能学习有用的信息，导致在强化学习环境下连续重新连接边的动作非常困难。在本文中，我们深入研究了典型 GNNs 导致这种失败的原因。基于这项调查，我们提出了 ResiNet，这是第一个在平衡网络效用的同时发现 Resilient Net 工作拓扑的端到端可训练归纳框架。为此，我们将弹性优化重新表述为配备边重连动作空间的 MDP，并提出了 GNN 的纯面向拓扑的变体，称为 Filtration enhanced Graph Neural N 网络（FireGNN），它可以从没有丰富特征的图中学习。大量实验表明，ResiNet 在平衡效用的同时在各种图上实现了近乎最佳的弹性增益，并且大大优于现有方法。

大型动态图上的子集节点异常跟踪

原文标题： Subset Node Anomaly Tracking over Large Dynamic Graphs

地址：http://arxiv.org/abs/2205.09786

作者： Xingzhi Guo, Baojian Zhou, Steven Skiena

摘要： 跟踪演化图中的目标节点子集对于许多实际应用程序很重要。现有方法通常侧重于识别异常边或以流方式查找异常图快照。然而，面向边的方法无法量化单个节点如何随时间变化，而其他方法则需要始终保持整个图的表示，因此计算效率低下。本文提出了 textscDynAnom，这是一个有效的框架，用于量化变化并在大型动态加权图上定位每个节点的异常。由于基于 Personalized PageRank 的动态表示学习的最新进展，textscDynAnom 是 1) efficient：时间复杂度与边事件的数量成线性关系，并且与输入图的节点大小无关； 2) effective：textscDynAnom 可以成功跟踪反映现实世界异常的拓扑变化； 3) flexible：可以为各种应用定义不同类型的异常评分函数。实验在基准图数据集和新的大型真实动态图上证明了这些属性。具体来说，基于 textscDynAnom 的实例化方法在节点级异常定位任务上实现了 0.5425 的准确度，而最佳基线为 0.2790，同时运行速度比基线快 2.3 倍。我们提出了一个真实的案例研究，并进一步证明了 textscDynAnom 在大规模图上发现异常的可用性。

循环分割满足时间网络中的块模型

原文标题： Recurrent segmentation meets block models in temporal networks

地址：http://arxiv.org/abs/2205.09862

作者： {Chamalee Wickrama Arachchi, Nikolaj Tatti

摘要： 一种流行的交互建模方法是将它们表示为一个网络，其中节点是主体，交互是边。交互通常带有时间戳，这会导致边带有时间戳。许多现实世界的时间网络具有循环的或可能的循环行为。例如，社会网络活动可能会在一天中的某些时间被加强。在本文中，我们的主要兴趣是对此类时间网络中的循环活动进行建模。作为起点，我们使用随机块模型，这是一种流行的静态网络建模选择，其中节点被分成 R 组。我们通过使用泊松过程对边进行建模，将这个模型扩展到时间网络。我们通过将时间线分割成K段来使过程的参数依赖于时间。为了强制执行重复活动，我们要求只能使用 H < K 不同的参数集，也就是说，几个（不一定是连续的）段必须共享它们的参数。我们证明了寻找最优块和分割是一个 NP-hard 问题。因此，我们将问题拆分为 3 个子问题，依次优化块、模型参数和分割，同时保持其余结构不变。我们提出了一种迭代算法，每次迭代需要 O(KHm + Rn + R^2H) 时间，其中 n 和 m 是网络中节点和边的数量。我们通过实验证明所需的迭代次数通常很低，该算法能够从合成数据集中发现基本事实，并表明某些现实世界的网络表现出反复出现的行为，因为当 H 降低时可能性不会恶化。

围绕开源软件项目的开发者社会网络中社区演化的定量分析

原文标题： Quantitative Analysis of Community Evolution in Developer Social Networks Around Open Source Software Projects

地址：http://arxiv.org/abs/2205.09935

作者： Liang Wang, Ying Li, Jierui Zhang, Xianping Tao

摘要： 理解围绕开源软件 (OSS) 项目的开发人员社会网络 (DSN) 中社区的演变，可以为 OSS 开发的社会技术过程提供有价值的见解。现有研究表明，社会社区的演化行为可以使用分裂、收缩、合并、扩展、出现和灭绝等模式有效地描述。然而，现有的基于模式的方法在支持定量分析方面受到限制，并且在描述社区演化时以相互排斥的方式使用模式可能存在问题。在这项工作中，我们提出在演化过程中，每对群落之间可以同时出现不同的模式，只是程度不同。设计了四个基于熵的指标，分别衡量社区分裂、收缩、合并和扩展的程度，可以提供对 DSN 中社区演化的全面和定量的衡量。这些指数具有量化社区演化所需的属性，包括单调性，以及对应于有意义案例的有界最大值和最小值。它们也可以结合起来描述更多的模式，例如社区出现和灭绝。我们对现实世界的 OSS 项目进行了实验，以评估所提出索引的有效性。结果表明，所提出的指标可以有效地捕捉社区演化，并且与现有的检测 DSN 演化模式的方法一致，准确率为 94.1%。结果还表明，这些指数可用于预测 OSS 团队的生产力，准确度为 0.718。总之，所提出的方法是最早量化不同模式下社区演化程度的方法之一，这在支持未来关于 DSN 和 OSS 开发的研究和应用方面很有前景。

通过关键字共现网络揭示韩国物理学会的作用

原文标题： Revealing role of Korean Physics Society with keyword co-occurrence network

地址：http://arxiv.org/abs/2205.09969

作者： Seonbin Jo, Chanung Park, Jisung Yoon, Woo-Sung Jung

互联网小常识：RIP是一种分布式、基于距离向量的路由选择协议；一个计算题：路由信息协议的工作过程：初始化的路由器只包含所有与该路由器直接相连的网络的路由，其它均为0；更新和维护：路由表建立以后，各路由器会周期地向外广播其路由表的内容。当一个路由器收到路由表内容时就与在自己的路由表中寻找，如果没有就将该路由项加上与该路由器的跳数，加入自己的路由表中，如果有则比较，取较小者。

摘要： 科学与社会不可避免地相互作用，共同发展。研究科学趋势有助于识别对研究具有重要意义的领先主题，并制定更好的政策来有效分配资金。韩国物理学会 (KPS) 等学术团体在科学史上也发挥着重要作用。弄清楚这些学术团体的作用会激发我们与社会相关的研究，因为社会关注改善我们的社会。尽管有几项研究试图利用论文或专利等科学文献来捕捉科学趋势，但这些研究将其研究范围仅限于学术界，而忽略了与社会的互动。在这里，我们尝试使用由韩国物理学会（KPS）出版的名为物理与高科技的公共杂志来理解科学与社会的趋势。我们为每个时间段构建关键字共现网络，并应用社区检测来刻画关键字结构并跟踪结构的演变。在网络中，与研究相关的集群随着时间的推移始终占主导地位，研究相关集群的子集群划分为物理的各个领域，意味着物理学科的专业化。此外，我们发现教育和政策集群始终如一地出现，揭示了 KPS 对科学和社会的贡献。此外，我们将PageRank算法应用于选定的关键字（’semiconductor’、’woman’、’evading’…），以研究关键字在网络中重要性的时间变化。例如，女人这个关键词的重要性随着时间的推移而增加，表明学术界也关注反映近年来社会运动的性别问题。

核估计作为行人密度测量的一般概念

原文标题： Kernel Estimates as General Concept for the Measuring of Pedestrian Density

地址：http://arxiv.org/abs/2205.10145

作者： Jana Vacková, Marek Bukáček

摘要： 标准密度定义产生分散值。因此，已经为许多用例发明了改进密度估计特征的方法。提出的使用各种内核评估密度的通用框架带来了密度估计的所需属性，并结合了大多数常用方法。对实验数据进行了广泛的参数研究，以说明内核选择（例如高斯、锥）及其参数化（模糊）的影响。引入的质量标准的定量评估表明内核密度满足用户要求，例如半径为 [0.7, 1.2] m 的圆锥核。这些参数值也可以从近似理论解释，表明整个概念的正确性。此外，核方法直接与 Voronoi 近似和到最近行人的定制距离进行比较——比较表明相关的对应关系。此外，从数学角度来看，内核方法应该是有效的，因为引入的 Borsalino 内核具有可用于未来分析研究的有希望的数学特性。

大地理分类在美国 Reddit 用户之间传播错误信息中的作用

原文标题： The role of the Big Geographic Sort in the circulation of misinformation among U.S. Reddit users

地址：http://arxiv.org/abs/2205.10161

作者： Lia Bozarth, Daniele Quercia, Licia Capra, Sanja Scepanovic

摘要： 过去的研究将错误信息的在线传播归因于两个主要因素 - 个人特征（例如，一个人的信息素养）和社交媒体效应（例如，算法介导的信息传播） - 并且忽略了第三个因素：由美国人线下自我隔离到志同道合的地理区域，例如州（这种现象称为大分类）。我们假设后一个因素对于错误信息的在线传播很重要，尤其是因为在线交互尽管具有全球性的潜力，但最终会被本地化：众所周知，交互概率会随着距离而迅速衰减。在分析了 2016 年 1 月至 2019 年 12 月四年间超过 800 万条包含新闻链接的 Reddit 评论后，我们发现 Reddit 并没有充当错误信息的炒作机器（与之前对其他平台的报道相反，流通主要不是由平台促进的网络效应引起的），而是作为一个供需系统：错误信息新闻项目与每个州的用户数量成线性关系（尺度指数 beta=1，拟合优度 R2 = 0.95)。此外，与这种普遍模式的偏差最好由国家层面的个性和文化因素 (R2 = 0.12, 0.39) 来解释，而不是社会经济条件 (R2 = 0.15, 0.29)，或者正如人们所期望的那样，政治因素特征（R2 = 0.06, 0.21）。任何类型的新闻（包括有声望的新闻）的发行量都高于预期，这些州的特点是居民在个性方面往往不那么勤奋（责任心低），松散的文化低估了遵守规范的重要性（文化紧密度低）。

多路网络上的超扩散

原文标题： Hyper-diffusion on multiplex networks

地址：http://arxiv.org/abs/2205.10291

作者： Reza Ghorbanchian, Vito Latora, Ginestra Bianconi

互联网小常识：网络管理系统一般由管理进程（Manager）、被管对象（MO）、代理进程（Agent）、管理信息库（MIB）和网络管理协议（SNMP和CMIP）五部分组成。

摘要： 多路网络描述了交互性质不同的系统，并且是理解简单图框架之外的网络复杂性的基础。最近有人指出，将注意力限制在成对相互作用上也是一个限制，因为绝大多数复杂系统都包含高阶相互作用，这些相互作用强烈影响它们的动力学。在这里，我们提出了多路网络上的超扩散，这是一个动态过程，其中每个单层上的扩散与其他层中的扩散耦合，这是由于不同层中存在链接重叠时发生的高阶相互作用。我们表明双工（具有两层的网络）上的超扩散是由超拉普拉斯算子驱动的，其中高阶交互的相关性可以通过连续参数 delta_11 进行调整。通过结合谱图论、应用拓扑和网络科学的工具，我们提供了对双工网络上超扩散的一般理解，包括 Fiedler 的理论界限和超拉普拉斯算子的最大特征值以及它们的谱的渐近扩展 delta_11ll1 和 delta_11gg1。尽管多路网络上的超扩散并不意味着层之间的直接质量转移（即每一层中副本节点的平均状态是动态的守恒量），但我们发现两层的动态是当考虑到高阶交互并且超拉普拉斯算子的 Fiedler 特征值不局限于双工网络的单层时，随着松弛到稳态变得同步，耦合。

Delator：通过神经网络自动检测交易图上的洗钱证据

原文标题： Delator: Automatic Detection of Money Laundering Evidence on Transaction Graphs via Neural Networks

地址：http://arxiv.org/abs/2205.10293

作者： Henrique S. Assumpção, Fabrício Souza, Leandro Lacerda Campos, Vinícius T. de Castro Pires, Paulo M. Laurentys de Almeida, Fabricio Murai

摘要： 洗钱是当今最相关的犯罪活动之一，因为它有可能给政府、银行等造成巨大的经济损失。我们提出了 DELATOR，一种新的 CAAT（计算机辅助审计技术），用于检测基于神经网络的洗钱活动将银行转账编码为大规模含时图的网络模型。我们与一家巴西银行合作，设计并应用评估策略来量化 DELATOR 在包含数百万客户的历史数据上的表现。在 AUC 方面，DELATOR 比 Amazon AWS 的现成解决方案高出 18.9%。我们进行了真实实验，在 100 个分析病例中发现了 8 个新的可疑病例，按照现行标准，这些病例本应报告给当局。

声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在公众号网络科学研究速递（netsci）和个人博客进行同步更新。

互联网小常识：中继器是为了增加同轴电缆长度的设备，它工作在物理层不属于网络互联设备。10BASE-5中规定最多可以使用4个中继器连接最多3个网段，最大长度为2800m。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186