導語
病毒的流行、創新產品的推廣、觀點的傳遞都是在不同網絡上的形形色色的傳播現象,既存在著現象後的不同起因和特徵,更存在著千絲萬縷的聯繫和共通的演化機理。今年8月,Physics Reports 發表了長篇綜述,全面介紹了對複雜網絡上共演化傳播的相關研究,本文將詳細解讀這篇綜述的主要內容。
現實社會中的計算機病毒傳播、流行病傳播、信息擴散、創新產品推廣和金融風險擴散都可以描述為「網絡傳播動力學」。科學家們致力於揭示它們的傳播機制與規律,分析它們何時爆發、傳播範圍,並提出切實可行的預警與防控措施。分析上述問題對我們的現實社會有著重要的意義。對於政府而言,可以感知當前的輿情和疫情態勢,從而採取措施來控制網絡輿情和大規模流行病的爆發;對於網絡電商而言,可以採取個性化推薦策略來營銷產品;對於金融系統而言,可以預警早期金融風險,進而採取措施防止全球性金融危機爆發。
論文題目:
Coevolution spreading in complex networks
論文地址:
https://www.sciencedirect.com/science/article/pii/S0370157319302583
網絡傳播動力學吸引了來自物理學、網絡空間安全、計算機科學、系統科學和數學等各個領域的專家,他們利用自己所在領域的研究方法來研究上述問題,取得了豐碩的研究成果。事實上,這些網絡傳播並非獨立存在於現實生活中,而是相互作用、共同演化,形成了共演化傳播動力學。例如,WNCRY勒索病毒在傳播的同時,關於其解決方案和預防措施的信息也在快速擴散,在極大程度上降低了經濟損失;由於HIV患者的免疫系統受到了損壞,他們更容易被其他傳染病性疾病感染。科學家們對共演化傳播現象、演化斑圖和臨界現象已經做出了一些研究,並發現了一些有趣的現象,如系統會呈現出共存閾值、一級相變和磁滯回線等。
根據共演化傳播研究的對象差異性,可以將其大致分為共演化生物傳播(Coevolution of biological contagions)、共演化社會傳播(Coevolution of social contagions)、意識—流行病傳播(Coevolution of awareness diffusion and epidemic spreading)和資源—流行病傳播(Coevolution of resource diffusion and epidemic spreading)四大類。
1. 共演化生物傳播
實證研究表明,計算機病毒、流行病和信息傳播大多可以刻畫為生物傳播,即個體之間的單次接觸可觸發感染。其中,經典的SIS、SIR和CP模型都是生物傳播的典型模型。對於複雜網絡上的單個生物傳播,系統總是呈現出連續的二級相變,且爆發閾值和臨界現象與網絡拓撲結構密切相關。為定量地刻畫傳播動力學過程,學者們提出了一些經典理論方法,如異質平均場、淬火平均場、動態信息傳遞、點對近似、邊滲流理論等。總體來講,動態信息傳遞方法總能很好地刻畫傳播,但對於無關聯局部樹形網絡,異質平均場、邊滲流、邊劃分方法也能取得較好的效果。
對於兩個生物傳播相繼在複雜網絡上傳播,前者免疫後者時,系統會存在共存相,即兩個流行病會同時爆發,且共存閾值高於第一個流行病的爆發閾值。當兩個流行病同時傳播且存在抑制作用時,學者們發現共存相受到網絡結構的影響;當兩個流行病存同時傳播且存在協同作用時,系統可能出現非連續相變或磁滯回線,且受到網絡緯度和傳播動力學的影響。
圖1. ER網絡上的協同傳播
Cai等人提出了兩個SIR在網絡上的共演化協同傳播模型,即節點沒有並任何流行病感染時的概率為λ1,若已經感染了一個流行病後,再感染另一個流行病的概率為λ2>λ1。通過大量實驗模擬,Cai等人發現系統存在一個混合非連續相變(如圖1所示)。對於多個共演化生物傳播,流行病簇可能會產生,其臨界指數與滲流分形緯度很接近,爆發閾值可在均勻混合網絡上解析得到。
2. 共演化社會傳播
與生物傳播不同的是,社會傳播(如行為傳播、創新產品等)往往具有社會加強效應,即個體之間的單次接觸無法導致傳播。這種社會加強效應源於採納行為傳播中具有很強的風險性和不確定性,需要多次確認才能夠消除。當引入社會傳播在單個社會傳播中時,最終傳播範圍隨傳播概率呈現出連續或非連續增長,取決於社會加強效應的強度。
圖2. 共演化社會傳播相變類型判斷
此外,系統相變和最終傳播範圍會受到網絡拓撲結構和演化機制的影響。例如,集群係數會促進社會傳播。對於兩個社會傳播相繼或同時在網絡上傳播時,抑制或協同作用可以將系統相變從非連續改變為連續。Liu等人利用分叉理論對相變類型進行了論證,如圖2所示。對於多個共演化協同社會傳播過程,由於有限精力或記憶導致的競爭,導致不同社會傳播流行度的多樣性,其協同行為會促進另一個傳播過程。
3. 意識—流行病傳播
當流行病爆發時,與之相關的流行病意識或信息也會同時在各種社交網絡上傳播,使得未被感染的個體採取一些措施來保護自己,防止被流行病感染,進而抑制大規矩流行病爆發的可能。為了定量刻畫意識對流行病傳播範圍的影響,學者們相繼研究了不同耦合機制、不同網絡結構對其造成的影響。實證來講,通過分析谷歌趨勢和門診流行病數據,發現意識和流行病傳播存在一種非對稱耦合作用,即流行病傳播促進意識傳播,但意識傳播抑制流行病傳播。
圖3. 意識—流行病共演化傳播
Funk等人首次分析了單個社交網絡上的意識—流行病耦合傳播,發現網絡結構,如集群係數,會顯著影響意識對流行病的抑制作用。對於UAU+SIS傳播模型,學者們發現系統存在一個元臨界點(metacritical point),其值與意識傳播和網絡拓撲結構密切相關。對於SIR+SIR傳播模型,系統存在一個最優的意識傳播概率,使得流行病的最終傳播範圍被極大程度地抑制(見圖3)。
4. 資源—流行病傳播
為了治癒流行病,我們往往需要消耗一定的資源(如藥品、財力等)。然而,這些資源往往是具有一定限制的,如何優化資源分配才能極大程度地抑制流行病爆發是一個極其重要的問題。此外,不同的資源分配策略下,系統的相變和臨界現象也會受到影響,這更是物理學者們關注的另一個重要問題。當限制系統總資源時,與經典的流行病傳播模型截然不同,流行病會呈現一級相變。
這一臨界現象表明,少量的資源匱乏可能導致大規模流行病突然爆發。對於資源和流行病共演化傳播模型,即資源量和流行病都隨時間而改變,與有限資源類似,若資源產生率較低時也可能會導致系統呈現出一級相變(如圖4所示)。此外,個體的不同行為所引發的資源—流行病共演化傳播,也將導致不同類型的相變。這些現象取決於資源和流行病傳播的演化機制和資源分配策略。
圖4. 有限資源控制流行病傳播
5. 總結
最後,作者在展望中指出共演化傳播仍然有大量有趣的科學問題尚待研究,如數據驅動的共演化傳播建模、統一理論框架的提出、早期臨界預警、影響力最大化,以及網絡結構和人類行為動力學對其影響等問題。
作者:王偉
編輯:張爽