报告时间：2019-3-27下午 14:00

报告地点：信息工程学院C308

报告题目：基于进化计算的社交链路隐匿算法

摘要：

社交网络安全与优化，主要研究的对象是社交网络中个人隐私信息的安全与保护，比如个人隐私关系等。攻击者在获得公开的社交数据后通过某些手段可能会推测出用户的隐私属性，这对于企业或者个人而言，都会造成极大地损失。链路预测可以用于网络中关系推断。然而，如果这些隐私链路能被攻击方利用链路预测算法复原出来，将导致隐私泄露等问题。相反，对于防守方需要设计一些策略降低这些隐私链路被预测出来的可能性，我们将此问题命名为链路隐匿。由于仅仅删除目标链路难以降低被预测的风险，此时就需要设计针对链路预测的对抗攻击策略。攻击方可以在网络数据中添加精确设计的微小扰动，比如说改变一部分网络中的连边，有针对性地降低链路算法的预测精度，从而达到保护隐私链路的目的。

个人简介：

赵明浩，在读硕士，2016年9月起就读于浙江工业大学控制科学与工程专业。主要研究方向为社交网络数据挖掘。

报告题目：社交网络上信息传播机制研究

摘要：

在互联网时代，传播途径朝着便捷多样化发展，随之带来的问题是每天都有假新闻的产生，这些成本几乎为零的假消息会通过社交媒体形成爆发式地传播，给国家的政治、经济安全带来重大隐患。这是一个迫切的研究需求。在本文中，我们提出了一个简单的传染机制，当节点暴露于扩散信息时，它会立即改变状态。通过考虑两类节点(智能节点和正常节点)和两类信息(真假节点)，分析和数值研究了智能节点如何影响信息的传播，从而导致信息过滤。我们发现，对于随机分布的智能节点，具有泊松度分布和幂律度分布的随机网络上的扩散动力学可以用相同的近似平均场方程来描述。增加网络的异构性可能会导致更多的偏差，但不会导致太多偏差。此外，我们证明了更多的智能节点使得随机网络的过滤效果更好。最后，我们研究了不同策略选择智能节点进行信息过滤的有效性。

个人简介：

殳欣成，在读硕士，2017年9月起就读于浙江工业大学控制科学与工程专业。主要研究方向为社交网络上的信息传播。

报告题目：基于深度学习的动态网络链路预测算法

摘要：

复杂系统常常用复杂网络来进行建模分析，节点代表系统中的个体，邻边代表个体与个体之间的关系。现实生活中的复杂系统往往是动态演化的，包括个体数量的增加或减少和个体与个体之间关系的变化，例如社交网络中新用户的加入和新的朋友关系的建立。这些动态演化的系统通常用动态网络来描述。动态网络的链路预测能够利用网络演化的历史数据对网络中可能出现或者消失的边进行判断，预测网络的发展趋势，从而使人们可以进一步把握网络演化的内在规律。这对社交网络、经济网络、电力网络和生物网络等典型动态网络的研究具有重要意义。

动态网络中包含空间上的结构分布特征和时间上的结构演化特征这两部分主要信息。只考虑其中的一方面信息不能够对网络的演化做出准确预测。传统算法依靠的是静态网络结构的统计特征，不仅无法有效提取网络的非线性结构特征，而且无法充分利用网络演变的动态特征，因此不适用于动态网络的结构预测。而近来利用机器学习对网络演化进行预测的方法只能对下一时刻中网络中增加的邻边进行预测，而无法预测网络的整体结构变化。利用深度学习框架，能够在一个端到端的模型内同时学习网络的非线性特征和时间上的结构演化特征，从而能够准确预测下一时刻网络的整体结构，使得研究人员对网络的演化趋势从有一个整体上的把握。

个人简介：

张剑，在读硕士，2017年9月起就读于浙江工业大学控制科学与工程专业。主要研究方向为深度学习与网络科学。

报告题目：基于欧式空间距离的图嵌入算法攻击研究

摘要：

随着人工智能的快速发展，机器学习算法强大的性能和可移植性，将网络科学和人工智能相结合的研究方向推向了风口浪尖。由于图嵌入方法建立起了网络科学和机器学习之间的桥梁，近两年关于图嵌入的研究异常火热。而事实上，基于图表示学习的网络算法，诸如DeepWalk、Node2vec和LINE等，有着传统方法无法比拟的优势，包括更高的预测精度、在少量标注数据下所展现出的卓越表现和与机器学习算法自动融合这样极具拓展的能力。

正是由于图嵌入方法作为一种自动特征提取方法，逐渐应用到各类网络算法，从而衍生出一个重要的问题：能否对图嵌入方法进行对抗攻击，进而破坏之后的一系列网络算法，最终实现普适攻击？回答该问题一方面有助于我们了解图嵌入方法的抗干扰能力，从而为进一步改进算法提供见解；另一方面为图嵌入和人工智能时代实现网络隐私保护提供一份解决方案。

个人简介：

郑钧，在读硕士，2017年9月起就读于浙江工业大学控制科学与工程专业。主要研究方向为网络科学与数据挖掘。