本介绍来源于国家自然科学基金促进海峡两岸科技合作联合基金重点支持项目“基于拓扑图可靠性的闽台区域移动社会网络安全可控理论(No. U1905211)”，起止时间2020.01-2023.12。本项目工作概括如下：

一、研究取得成果的总体情况

本项目围绕基于拓扑图可靠性的区域移动社会网络安全可控理论进行研究，解决了四大难题：基于强诊断度、可靠子图和分离路由的社会优先拓扑图可靠性问题、区域移动社会网络在网络连通性方面的安全可控问题、分布式动态社团检测及演化问题、区域移动社会网络安全可控数据传播链构建问题。在项目执行期间，共发表高质量学术论文100篇，其中ACM/IEEE 系列期刊论文34篇、SCI检索72篇、EI检索16篇、中文核心12篇；在电子工业出版社（国家级出版社）出版2本学术专著；核心方法和关键技术授权发明专利19项；培养博士研究生14名、硕士研究生80名；组织相关领域学术会议或研讨会13场；参加国际学术会议19人次，国内学术会议26人次。

本项目的研究内容都非常具有前瞻性、创新性和很高的理论价值，提出了基于概率故障模型的子社会优先拓扑图可靠度和故障诊断策略，有助于产生由理论到实际的一个驱动；创新性定义了故障块连通度指标，将其服务于移动社会网络安全可控的连通网络设计，也可应用于衡量网络抵抗连续攻击的能力；提出了基于社会属性和拓扑结构的关键用户发现的方案，识别的节点不仅具有更高的传播能力，而且对网络的鲁棒性有更大的影响，还可以克服数据收集收敛慢、社团演化更新不及时等难题；设计了基于网络模体的高效传播影响最大化方案，充分考虑用户的通信关系和群体关系，可以解决传播无序难控等难题。

项目成果针对具有地缘、血缘、法缘、文缘、商缘等“五缘”特性的区域移动社会网络所面临的自然灾害、共同打击电信诈骗犯罪和商品电子证书数据互认等需求，以提高网络可靠和容错、用户和数据的安全可控为目标，重点研究基于拓扑图可靠性的区域移动社会网络安全可控理论，将为建立安全可控的区域移动社会网络提供理论和技术支撑，对推动和保障区域交流具有重要现实意义。

二、标志性成果

成果一：基于概率故障模型的子社会优先拓扑图可靠度和故障诊断策略

首先，利用概率故障模型考虑不超过5个子图的交集，建立基于k-元n-立方体网络和交错群图网络的子系统可靠度的上界、下界，并根据容斥原理得到该网络子图可靠度的近似值。其次，设计了衡量正则连通网络额外连通度和额外诊断度间精确关系的新方法以及提出刻画分裂星图网络的限制连通度和好邻居诊断度的科学评估方法，这为大规模社会优先拓扑图的可靠性和可用性评估提供定量分析（见图1）。

 图1. 创新性提出基于概率故障模型的子社会优先拓扑图可靠度和故障诊断策略 

本成果主要包括二个方面关键突破：

首先，课题组在《IEEE Transactions on Parallel and Distributed Systems》发表了三篇关于故障自诊断方面的文章。其一是针对大规模多处理机互连网络内生安全的自诊断性，通过系统级比较诊断模型，重点设计快速的、低复杂度的自诊断策略，该策略无需先验知识。其二通过挖掘网络局部结构对诊断的深层次影响，重点提出大规模网络中故障节点的自适应局部诊断策略，提升网络的自故障能力。其三是基于额外连通度建立移动社会网络拓扑的强故障悲观诊断度。

其次，课题组针对大规模多处理机互连网络内生安全的自检测性，通过系统级测试诊断模型和比较诊断模型，重点设计快速的、低复杂度的自检测策略，该策略无需先验知识，并提出基于数据中心网络子系统结构的强故障诊断度，并设计人机物融合网络的社会层中恶意用户的检测算法，此算法是基于哈密顿循环分解而提出的比较检测模型。该工作研究成果发表于《IEEE Transactions on Parallel and Distributed Systems》、《IEEE Transactions on Computers》、《IEEE Transactions on Reliability》等。

成果二、设计抵抗块攻击的网络连通性指标

课题组提出一种不同的、广泛适用的完全容错方法，完全容错方法采用组合性质和线性多故障分析克服了证明的核心，提出折叠超立方体网络的一些新的容错特性。然后，创新性定义故障块连通度指标，这个指标可应用于衡量网络抵抗连续攻击的能力。利用构造法和反证法的证明思路分别提出分层折叠立方网络和k-元n-立方体网络的分支连通度。将其服务于移动社会网络安全可控的连通网络设计，也可应用于衡量网络抵抗连续攻击的能力（见图2）。

图2. 创新性设计抵抗块攻击的网络连通性指标 

本成果主要包括二个方面关键突破

首先，课题组分析星图互连网络和增广立方体网络的拓扑特性，提出衡量星图互连网络强连通性的一种科学评估方法，并给出增广立方体的结构连通度和子结构连通度。针对附加某些条件的正则网络，在通用的正则连通网络中，计算正则连通网络的额外连通度。研究3-元n-立方体在环绕中的嵌入。该工作研究成果发表于《IEEE Transactions on Computers》、《IEEE Transactions on Reliability》、《SCIENCE CHINA-Information Sciences》、《Theoretical Computer Science》 和《Journal of Internet Technology》。

其次，课题组提出一种不同的、广泛适用的完全容错方法，完全容错方法采用组合性质和线性多故障分析克服了证明的核心，并将交错群图的额外故障可诊断性与各种类型的故障可诊断性作比较。课题组基于结构故障提出交换超立方体网络和WK-递归网络K(d,t)的强结构连通度，并提出k-元n-立方体网络的分支诊断度。该工作研究成果发表于《IEEE Transactions on Reliability》、《Theoretical Computer Science》和《The Computer Journal》、《Journal of Parallel and Distributed Computing》。

成果三、提出基于社会属性和拓扑结构的关键用户发现方案

课题组提出一种基于社会属性和拓扑结构的关键用户发现方案，用于发现社交网络中的关键用户，该方案能以更高的精度识别关键用户，识别的节点不仅具有更大的传播能力，而且对网络的鲁棒性有更大的影响。在此基础上，提出一种部分可观测网络下影响力最大化的方案，该方案基于网络引力的变分图自动编码器和一种新的相似性递减传递算法，目的是在没有部分网络结构的情况下同样具有良好的传播性能（见图3）。

 图3. 提出基于社会属性和拓扑结构的关键用户发现方案

本成果主要包括两个方面关键突破

首先，课题组针对移动社会网络中现有社团检测算法忽略节点的社会属性和行为特性对社团形成的影响，从而导致部分社团划分精度不高的问题，提出基于局部密度聚类的社团检测算法。该算法分别从节点的拓扑结构、社会属性和行为特性三个角度出发，将网络中的节点映射为聚类算法中的数据点，相应的节点在上述三个角度的值映射为节点对应的三个维度上的特征。在此基础上，借助基于局部密度聚类的算法来进行社团检测，并提出基于网络模体的高效传播影响最大化方案，充分考虑用户的通信关系和群体关系，利用贝叶斯机器学习模型训练关键模体。该工作成果发表于《IEEE Transactions on Industrial Informatics》、《IEEE Internet of Things Journal》、《IEEE Transactions on Network Science and Engineering》、《Security and Communication Networks》。课题组关于用户影响力评估授权1项发明专利“基于网络模体的社会网络重要用户识别方法”。

其次，课题组提出基于社会属性和拓扑结构的方案，用于发现社交网络中的关键用户，该方案能以更高的精度识别关键用户，识别的节点不仅具有更大的传播能力，而且对网络的鲁棒性有更大的影响。课题组提出部分可观测网络下影响力最大化的方案，该方案基于网络引力的变分图自动编码器和一种新的相似性递减传递算法，目的是在没有部分网络结构的情况下同样具有良好好的传播性能。该工作成果发表于《IEEE Transactions on Computational Social Systems》、《IEEE Transactions on Intelligent Transportation Sys tems》和国际学术会议《MOBIMEDIA 2023》，此论文获得大会最佳论文奖。 

成果四、设计基于网络模体的高效传播影响最大化方案

课题组首先通过分析移动社会网络的网络特征和社会属性，提出了多种重要节点识别方案。其次，通过研究移动社会网络中的社团特征、用户的移动特征和信息传播规律，提出了多种信息传播最大化方案，充分考虑用户的通信关系和群体关系，利用贝叶斯机器学习模型训练关键模体。然后，通过挖掘移动社会网络中多信息传播的竞争关系和谣言信息的传播特征，提出了多种谣言抑制方案（见图4）。

图4. 设计基于网络模体的高效传播影响最大化方案

本成果主要包括两个方面关键突破

首先，课题组提出全局信任模型评估节点影响力，利用平衡超立方体作为数据中心网络的模型，通过定义相关子图的不同安全水平，设计可靠的安全容错路由方法，并提出一种基于节点平均度的k-度匿名隐私保护方案，在保护隐私的同时保证了发布的数据具有较高可用性。该工作成果发表于IEEE Wireless Communications》、《Wireless Communications and Mobile Computing》。

其次，课题组针对感知数据在传播过程中的隐私泄露问题，提出一种边缘辅助的隐私保护感知数据共享架构，基于加性秘密共享算法设计一系列安全交互协议，构建安全深度神经网络模型和安全区域建议网络。针对如何衡量隐私泄露程度以及如何实现服务质量和用户隐私保护的平衡，提出一种基于静态贝叶斯博弈的隐私保护个性服务框架，采用博弈方法混淆潜在敌手的策略选择，同时贝叶斯博弈混合策略纳什均衡方法可以抵抗不同类型敌手。该工作成果发表于《IEEE Transactions on Cloud Computing》和《IEEE Transactions on Network Science and Engineering》