买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南理工大学

摘要：本发明公开了一种遏制诈骗信息传播的方法，包括以下步骤：对网络信息进行分析，获取诈骗信息；根据诈骗信息构建诈骗信息传播网络模型；获取反诈骗社会资源，所述反诈骗社会资源包括免疫资源、防护资源、恢复资源；对所述反诈骗社会资源进行优化，得到第一优先级资源、第二优先级资源、第三优先级资源；将第一优先级资源、第二优先级资源、第三优先级资源通过诈骗信息传播网络模型进行节点通知，进而遏制诈骗信息传播；本发明引入了资源优先级的概念对解空间进行预处理，缩小检索范围，提高检索效率；借助层次学习增加了解空间搜索中的多样性，避免陷入早熟，提升群体智能算法的性能，更高效地解决网络诈骗信息传播遏制问题。

主权项：1.一种遏制诈骗信息传播的方法，其特征在于，包括以下步骤：对网络信息进行分析，获取诈骗信息；根据诈骗信息构建诈骗信息传播网络模型；所述根据诈骗信息构建诈骗信息传播网络模型，具体为：根据网络诈骗信息构建用户的状态空间，设网络中的用户为节点，每个节点i都将处于四种状态中转化，所述四种状态包括：易感染状态S、暴露状态E、被欺诈状态I、恢复状态R；不同状态对应的概率向量表示为： 其中，t表示时刻，i表示用户编号，分别表示用户i在该时刻处于S、E、I、R四个状态的概率，四个概率的和为1；所述节点在四种状态中进行转化存在限定条件，具体为：处于易感染状态的人为诈骗信息目标人员，所述目标人员在接收到欺诈信息后，会以第一概率产生对诈骗信息的免疫力，所述第一概率为免疫率θi；处于易感状态的人如果没有第一时间产生免疫力，则会以第二概率转化为暴露转态，所述第二概率为感染率ui；处于暴露状态的人在接收到欺诈信息后，以第三概率进入被欺诈状态，所述第三概率为转化率ξi；处于被欺诈状态的人意识到被诈骗后，以第四概率进行止损，进入恢复状态，所述第四概率为恢复率处于恢复状态的人对诈骗信息免疫；四个状态对应的状态转换过程如下： 其中，θi为免疫率，ui为感染率，ξi为转化率，为恢复率，t表示时刻，i表示用户编号，分别表示用户i在该时刻处于S、E、I、R四个状态的概率；该模型中，状态E和状态I的变化对应的线性上界可用概率矩阵L来表示，具体表达式为： 其中，表示单位矩阵，T＝diag[θ1,…,θN]表示斜对角元素为节点免疫率的矩阵，U＝diag[u1,…,uN]表示斜对角元素为节点感染率的矩阵，F＝diag[ξ1,…,ξN]表示斜对角元素为节点转化率的矩阵，D＝diag[δ1,…,δN]表示斜对角元素为节点恢复率的元素；矩阵L的最大特征值实部表示处于这两个状态的人群概率的指数增长率，表示为λL；需要优化的目标是处于E和I状态的人群的增长率最小化，即minλL；获取反诈骗社会资源，所述反诈骗社会资源包括免疫资源、防护资源、恢复资源；对所述反诈骗社会资源进行优化，得到第一优先级资源、第二优先级资源、第三优先级资源；将第一优先级资源、第二优先级资源、第三优先级资源通过诈骗信息传播网络模型进行节点通知，进而遏制诈骗信息传播；所述对所述反诈骗社会资源进行优化，得到第一优先级资源、第二优先级资源、第三优先级资源，具体为：初始化参数和种群后，将排序后的个体分为NG组，个体的适应度值越高，所在的组越高级，即组的序号越小，反之则被放置在越低级的组中，即组的序号越大；初始化的参数包括：种群大小NP、分组个数NG、解的维度D；用NPg表示第g组的个体总数，在前NG-1组中，NPg＝floorNPNG；最后一组中，NPg＝NP-NG-1×floorNPNG；第g组中第r个粒子的位置和速度分别表示为和其中g＝1,2,...,NG表示粒子所在的组，r＝1,2,...,NPg表示粒子在所在组的编号，d＝1,2,...,D表示问题维度；低级组的个体需要向高级组中随机抽取的两个榜样个体学习，并更新速度Vg,r；所述更新速度具体如下：假设两个榜样个体并且分别位于第g′和g″组，且1≤g′≤g″≤g-1，则速度更新公式为： 其中，表示粒子速度，表示粒子位置，r1和r2是两个取值范围为[0,1]的随机变量，w代表过去速度对当前速度的影响程度，c是一个常数，NG表示粒子分组数，g′和g″表示两个榜样粒子所在的组，r′和r″表示两个榜样粒子的组内编号；还包括：构造候选解，所述候选解用于辅助更新个体的位置；具体如下：借助优先级规划和层次学习来更新个体位置：H1学习：设置阈值参数th∈[0,1]，然后过滤出速度Vg,r中概率大于th的值，这些值所在的位置是具有第一优先级的资源；根据第一优先级资源所在位置，借助速度矩阵中该位置的概率随机生成的0或1值，得到第一优先级资源的明确集，用于构造NEW_Xg,r，更新规则为： 其中，表示矩阵Cut_Vg,r中的元素，S·为sigmoid函数,τ表示过滤阈值，φ·是二进制化函数，表达式为： 其中，NEW_Xg,r表示新位置，cost·表示成本函数，C表示成本约束，elem表示资源分配矩阵的元素，表示添加资源操作，即将向量中的给定元素更改为1；H2学习：由Pbestg,r和Gbest投票得到第二优先级资源及其选择概率，并通过第二优先级的资源Cut_Xg,r来构造NEW_Xg,r；Cut_Xg,r和NEW_Xg,r的更新公式如下： 其中表示Cut_Xg,r中的元素，rand0,1表示0和1之间的随机数，sigmoid·表示Sigmoid函数，表示Gbest和Pbestg,r投票之后得到的矩阵的元素，表示矩阵NEW_Xg,r中的元素，Pbestg,r是个体最优解，以及Gbest是整个种群的全局最优解；H3学习：令向量Other_Xg,r表示NEW_Xg,r的相反向量，即将向量中每个位置上的0值和1值互换，得到第三优先级资源；在不违背约束的条件下添加不在NEW_Xg,r中的随机资源来构造NEW_Xg,r，NEW_Xg,r更新公式为： 其中，是矩阵Other_Xg,r中的元素，表示矩阵NEW_Xg,r中的元素。

全文数据：

权利要求：

百度查询： 华南理工大学 一种遏制诈骗信息传播的方法及其系统