<<
>>

Имитационное моделирование информационной эпидемии

. В ситуации участвуют два игрока — А и В. Игрок В стремится «инфицировать» сеть, т. е. распространить в сети некоторую ин- формацию, мнение и пр. (см. §3.7). Для этого он может выбрать одного из агентов и «инфицировать» его, далее «инфекция» рас- пространяется по сети: в каждый момент дискретного времени инфицированным оказывается каждый агент, связанный с инфи- цированным в предыдущий момент.
Игрок А стремится проти- водействовать инфицированию. Он периодически проводит мгно- венный мониторинг сети, в ходе которого безошибочно выявляет множество инфицированных агентов. Выявив инфекцию, игрок А может мгновенно остановить ее дальнейшее распространение. Стратегией игрока В в данной игре является выбор агента у £ IV, с которого он начинает инфицирование сети. Стратегией игрока А является выбор периода мониторинга — целого неотрицательного числа г. Выбор периода г = 1 означает, что инфицированным оказывается — при стратегии j игрока В — единственный агент j. Выбор г = 2 означает, что инфицирован- ными оказываются агент j и все агенты, связанные с ним.
Будем считать, что множеству стратегий игрока А принадлежит также элемент оо («бесконечный период»), что означает отсутствие мо- ниторинга. Рассмотрим сначала задачу определения множества инфицированных узлов. Алгоритм. 1. Метод Монте-Карло. 1.1. Получить последовательность псевдослучайных чисел в диапазоне [1;7\Г] (используется равномерное распределение). 1.2. Для каждого периода мониторинга Т из {1,.. .,-0} (Б> — диаметр графа) выполнить: 1.2.1. Для каждого числа (индекса агента) из последовательно- сти найти число инфицированных узлов. 1.2.2. Вычислить среднее число инфицированных узлов. 2. Метод нахождения оптимального решения. Для нахожде- ния инфицированных узлов за период Т можно использовать пря-
Рис..
74. График количества инфицированных узлов в зависимости от периода мониторинга

мой метод поиска в ширину, однако такой метод не эффективен для больших графов и требует больших временных затрат. По- этому для больших графов применяется алгоритм ANF (Approx- imate Neighborhood-Function), дающий достаточно точное реше- ние для нахождения количества вершин в /^-окрестности задан- ных вершин. Результаты приведены в табл. 8 и рис. 74, 75.

Таблица 8. Результаты моделирования информационной эпидемии
Период мониторинга Количество инфицированных узлов (оптимальное решение) Количество инфи- цированных узлов (метод Монте-Карло)
1 1 1
2 330 14,4
3 2220 394,9
4 2220 1742,9
5 2220 2220
оо (отсутствие мониторинга) 2220 2220

Пусть каждый агент обладает единичной ценностью для за- щитника, тогда функция выигрыша для защитника где г (А) — количество инфицированных агентов при периоде Т = = А, а с/А — затраты на проведение мониторинга. Очевидно, что если затраты защитника на мониторинг невелики, то защитнику

Рис. 75. Зависимость функции выигрыша от величин с (на отрезке [0,4000]) и t (на отрезке [1,10])

следует выбрать как можно меньший период мониторинга; в про- тивном случае период мониторинга следует увеличить. Таким образом, в настоящей главе описан программный ком- плекс имитационного моделирования. Приведена модель данных, необходимая для представления структуры социальной сети, и ее различные представления. Рассмотрены подсистемы для модели- рования информационного влияния и управления. С помощью программного комплекса приведены модельные примеры верифи- кации и практического использования описанных в предыдущих главах теоретических результатов моделирования информацион- ного влияния, управления и противоборства в социальных сетях.

<< | >>
Источник: Д.А. Губанов, Д.А. Новиков, А.Г. Чхартишвили. СОЦИАЛЬНЫЕ СЕТИ: МОДЕЛИ ИНФОРМАЦИОННОГО ВЛИЯНИЯ, УПРАВЛЕНИЯ И ПРОТИВОБОРСТВА. 2010

Еще по теме Имитационное моделирование информационной эпидемии:

  1. 4.3.1. Информационные правоотношения, возникающие при осуществлении поиска, получения и потребления информации, информационных ресурсов, информационных продуктов, информационных услуг
  2. 4.3.2. Информационные правоотношения, возникающие при производстве, передаче и распространении информации, информационных ресурсов, информационных продуктов, информационных услуг
  3. 15.4. ЭПИДЕМИЯ ИДЕЙ
  4. ЭПИДЕМИЯ См. раздел «Дополнительные объяснения» в начале этой книги.
  5. 11.2.2. Области создания и распространения исходных документов, формирования информационных ресурсов и предоставления информационных продуктов и информационных услуг в Интернет
  6. 2.2.3. Область формирования информационных ресурсов, подготовки информационных продуктов, предоставления информационных услуг
  7. В чем смысл того, что тысячи людей заболевают или умирают во время эпидемии? Неужели все они должны усвоить один и тот же урок?
  8. 3.8.4. Информационное право как система норм, регулирующих отношения в информационной сфере
  9. ГЛАВА 4 ИНФОРМАЦИОННО-ПРАВОВЫЕ НОРМЫ И ИНФОРМАЦИОННЫЕ ПРАВООТНОШЕНИЯ
  10. 10.1. Правовая основа защиты объектов информационных правоотношений от угроз в информационной сфере
  11. 9.3. Государственная политика в области создания информационных систем, информационных технологий и средств их обеспечения
  12. 9.1. Правовой режим информационных систем, информационных технологий и средств их обеспечения
  13. 4.3.4. Информационные правоотношения, возникающие при создании и применении средств и механизмов информационной безопасности
  14. 4.3.3. Информационные правоотношения, возникающие при создании и применении информационных систем, их сетей, средств обеспечения
  15. 2.2.4. Область создания и применения информационных систем, информационных технологий и средств их обеспечения
  16. МОДЕЛИРОВАНИЕ
  17. 5.1. Информационное законодательство — основной источник информационного права
  18. 3.1.2. Информационная система и информационные технологии в управлении социальной сферой