ترجمه مقاله شناسایی منبع شایعه در شبکه های اجتماعی با شکل ساختاری متغیر با زمان - نشریه IEEE

قیمت خرید این محصول

۴۱,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

شناسایی منبع شایعه در شبکه های اجتماعی با شکل ساختاری (توپولوژی) متغیر با زمان

عنوان انگلیسی

Rumor Source Identification in Social Networks with Time-varying Topology

صفحات مقاله فارسی

33

صفحات مقاله انگلیسی

15

سال انتشار

2016

رفرنس

دارای رفرنس در داخل متن و انتهای مقاله

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده و pdf

نوع مقاله

ISI

نوع ارائه مقاله

ژورنال

پایگاه

اسکوپوس

ایمپکت فاکتور(IF) مجله

7.038 در سال 2018

شاخص H_index مجله

59 در سال 2019

شاخص SJR مجله

0.898 در سال 2018

شاخص Q یا Quartile (چارک)

Q1 در سال 2018

شناسه ISSN مجله

1545-5971

کد محصول

9941

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه منابع داخل متن

به صورت عدد درج شده است ✓

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

بیس

است ✓

مدل مفهومی

دارد ✓

پرسشنامه

ندارد ☓

متغیر

ندارد ☓

رفرنس در ترجمه

در داخل متن و انتهای مقاله درج شده است

رشته و گرایش های مرتبط با این مقاله

مهندسی فناوری اطلاعات، رایانس امن، اینترنت و شبکه های گسترده

مجله

یافته ها در زمینه محاسبات امن و قابل اعتماد - Transactions on Dependable and Secure Computing

دانشگاه

دانشکده فناوری اطلاعات ، دانشگاه Deakin ، استرالیا

کلمات کلیدی

شبکه های متغیر با زمان، نشر شایعه، شناسایی منبع، مقیاس پذیری

کلمات کلیدی انگلیسی

Time-varying social networks - rumor spreading - source identification - scalability

doi یا شناسه دیجیتال

https://doi.org/10.1109/TDSC.2016.2522436

فهرست مطالب

چکیده
1. مقدمه
2. مبانی اولیه ی شناسایی منابع
2.1 شبکه های اجتماعی متغیر با زمان
2.2 وضعیت امنیتی افراد در شبکه
2.3 مشاهده برای شناسایی منبع
3. محدود کردن مظنون ها
3.1 روش نشر معکوس
3.2 ارزیابی عملکردی
4. تعیین کردن منابع واقعی
4.1 روش های مبتنی بر ML
4.2 مدل انتشار
5. ارزیابی
5.1 صحت شناسایی منبع شایعه
5.2 توجیه کارایی این روش
6. مباحث آتی
7. کار های مرتبط
8. جمع بندی و کار های آتی
منابع

نمونه چکیده متن اصلی انگلیسی

Abstract

Identifying rumor sources in social networks plays a critical role in limiting the damage caused by them through the timely quarantine of the sources. However, the temporal variation in the topology of social networks and the ongoing dynamic processes challenge our traditional source identification techniques that are considered in static networks. In this paper, we borrow an idea from criminology and propose a novel method to overcome the challenges. First, we reduce the time-varying networks to a series of static networks by introducing a time-integrating window. Second, instead of inspecting every individual in traditional techniques, we adopt a reverse dissemination strategy to specify a set of suspects of the real rumor source. This process addresses the scalability issue of source identification problems, and therefore dramatically promotes the efficiency of rumor source identification. Third, to determine the real source from the suspects, we employ a novel microscopic rumor spreading model to calculate the maximum likelihood (ML) for each suspect. The one who can provide the largest ML estimate is considered as the real source. The evaluations are carried out on real social networks with time-varying topology. The experiment results show that our method can reduce 60 - 90 percent of the source seeking area in various time-varying social networks. The results further indicate that our method can accurately identify the real source, or an individual who is very close to the real source. To the best of our knowledge, the proposed method is the first that can be used to identify rumor sources in time-varying social networks.

نمونه چکیده ترجمه متن فارسی

چکیده
شناسایی کردن منابع شایعه ها در شبکه های اجتماعی نقش بسیار مهمی در محدود کردن میزان آسیب های این شایعات از طریق قرنطینه کردن منبع شایعه دارد. اما، تغییرات زمانی در شکل ساختاری یا توپولوژی این شبکه های اجتماعی و روند های پویا، موجب می شود که تکنیک های سنتی شناسایی کردن منبع شایعه که در شبکه های ایستا مورد استفاده قرار می گرفت، با چالش رو به رو شود. در این مقاله، ما از یک ایده ی جرم شناسی استفاده می کنیم و یک روش جدید برای رفع این چالش ها ارائه می کنیم. در این روش، ما نخست شبکه های متغیر با زمان را به صورت یک سری شبکه های ایستا کوتاه می کنیم و این کار را با پنجره های ادغام زمانی، انجام می دهیم. دوما، به جای منتشر کردن تمام افراد در تکنیک های متداول، ما از یک برنامه ی نشر معکوس استفاده می کنیم تا بتوانیم یک مجموعه از منابع مظنون را برای شناسایی منبع واقعی شایعه، مشخص کنیم. این روند موجب رفع مشکل مقیاس پذیری مسئله ی شناسایی منبع شایعه می شود و ازین رو، به صورت محسوس موجب افزایش کارایی روند شناسایی منبع شایعه می گردد. سوما، برای مشخص کردن منابع واقعی شایعه نسبت به موارد مظنون شناسایی شده، ما از یک مدل نشر شایعه در مقیاس کوچک استفاده می کنیم تا برای هر مظنون، بیشترین احتمال ( ML) را محاسبه کنیم. آن منبعی که بیشترین تخمین ML را ایجاد کند، به عنوان منبع اصلی شایعه در نظر گرفته می شود. ارزیابی ها در این روش بر روی یک شبکه ی اجتماعی واقعی با شکل ساختاری متغیر با زمان اجرا شده است. نتایج آزمایش ها نشان می دهد که روش ما می تواند 60 تا 90 درصد از فضای جست جو برای شایعه را در شبکه های اجتماعی مختلف متغیر با زمان، کاهش دهد. همچنین نتایج نشان می دهد که روش ما می تواند منبع واقعی شایعه را به صورت صحیح تشخیص بدهد، یا فردی را شناسایی کند که نسبت به منبع واقعی شایعه بسیار نزدیک می باشد. بر اساس بهترین دانسته های ما، این روش اولین روشی است که می توان از آن برای شناسایی کردن منبع شایعه در شبکه های اجتماعی متغیر با زمان استفاده کرد.