本發(fā)明屬于信息傳播，尤其涉及傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的橫向聯(lián)邦推斷方法及裝置。

背景技術(shù)：

1、隨著信息技術(shù)的迅猛發(fā)展，人們的交流方式得到了極大的豐富，進(jìn)而構(gòu)建了一個(gè)以個(gè)體為核心，復(fù)雜且交織的傳播網(wǎng)絡(luò)。在這個(gè)傳播網(wǎng)絡(luò)中，各類(lèi)言論、資訊等信息能夠迅速而廣泛地?cái)U(kuò)散。傳播網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)作為一種直觀的表現(xiàn)形式，能夠清晰地展示網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)間的相互關(guān)系與影響，使我們能夠深入洞察信息的傳播路徑，進(jìn)而更加精準(zhǔn)地預(yù)測(cè)、促進(jìn)和調(diào)控未來(lái)的傳播活動(dòng)。以疾病傳播為例，掌握其傳播路徑與趨勢(shì)對(duì)于疾病的防控工作至關(guān)重要。通過(guò)深入分析疾病傳播的機(jī)制，我們能夠更有針對(duì)性地制定防控策略，確保防控工作的有效性。傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)推斷的核心任務(wù)在于，根據(jù)歷史傳播過(guò)程中觀測(cè)到的節(jié)點(diǎn)感染狀態(tài)數(shù)據(jù)，運(yùn)用統(tǒng)計(jì)推理方法，揭示出傳播網(wǎng)絡(luò)的內(nèi)在結(jié)構(gòu)，即節(jié)點(diǎn)間的父子影響關(guān)系。得到的拓?fù)浣Y(jié)構(gòu)不僅有助于我們深入理解信息的傳播規(guī)律，更能為未來(lái)的傳播事件提供有力的指導(dǎo)與預(yù)測(cè)。

2、現(xiàn)有的傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)推斷方法都采用集中式學(xué)習(xí)策略，即將所有數(shù)據(jù)收集到單個(gè)計(jì)算機(jī)進(jìn)行訓(xùn)練學(xué)習(xí)，為了達(dá)到理想的性能，這類(lèi)方法需要收集一定規(guī)模的數(shù)據(jù)才能保證其推斷結(jié)果的準(zhǔn)確性。但是，近年來(lái)用戶(hù)的數(shù)據(jù)隱私保護(hù)意識(shí)增強(qiáng)。另一方面，單個(gè)客戶(hù)端或公司的數(shù)據(jù)規(guī)模不足以推斷出較為準(zhǔn)確的傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)果，需要多個(gè)客戶(hù)端或公司的數(shù)據(jù)協(xié)同推斷。

技術(shù)實(shí)現(xiàn)思路

1、根據(jù)現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的橫向聯(lián)邦推斷方法及裝置，能夠探索傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的橫向聯(lián)邦推斷方法，在保證多個(gè)客戶(hù)端擁有的節(jié)點(diǎn)感染狀態(tài)數(shù)據(jù)不被泄露的同時(shí)，從這些多個(gè)客戶(hù)端的數(shù)據(jù)中推斷出傳播網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，并確保本發(fā)明的推斷結(jié)果與集中式學(xué)習(xí)方法的推斷結(jié)果準(zhǔn)確率基本相同。

2、為了解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案為：

3、一種傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的橫向聯(lián)邦推斷方法，包括：

4、步驟s1：對(duì)每一客戶(hù)端現(xiàn)有的傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)建立初始化的鄰接矩陣和初始化的感染傳播概率矩陣；

5、步驟s2：每一客戶(hù)端基于本地觀測(cè)到的節(jié)點(diǎn)感染狀態(tài)數(shù)據(jù)對(duì)初始化的鄰接矩陣進(jìn)行迭代得到第一鄰接矩陣，且基于第一鄰接矩陣對(duì)初始化的感染傳播概率矩陣進(jìn)行迭代得到第一感染傳播概率矩陣；

6、步驟s3：中心服務(wù)器將所有第一鄰接矩陣聚合后平均得到聚合鄰接矩陣，通過(guò)聚合鄰接矩陣更新第一鄰接矩陣，獲取第二鄰接矩陣，同時(shí)中心服務(wù)器將所有第一感染傳播概率矩陣聚合后平均得到聚合感染傳播概率矩陣，通過(guò)聚合感染傳播概率矩陣更新第一感染傳播概率矩陣，獲取第二感染傳播概率矩陣；

7、步驟s4：重復(fù)步驟s2至步驟s3，直到聚合鄰接矩陣不再變化或聚合鄰接矩陣達(dá)到迭代次數(shù)，獲取最終鄰接矩陣和最終感染傳播概率矩陣，基于最終鄰接矩陣和最終感染傳播概率矩陣獲取最終傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。

8、進(jìn)一步地，采用最優(yōu)化方法建立基于初始化的鄰接矩陣和初始化的感染傳播概率矩陣的最大化目標(biāo)函數(shù)l(x,α)，通過(guò)最大化目標(biāo)函數(shù)得到第一鄰接矩陣的迭代參數(shù)和第一感染傳播概率矩陣的迭代參數(shù)。

9、進(jìn)一步地，最大化目標(biāo)函數(shù)的表達(dá)式為：

10、

11、其中，vj表示第j個(gè)節(jié)點(diǎn)，表示第l次傳播過(guò)程結(jié)束第i個(gè)節(jié)點(diǎn)的感染狀態(tài)，表示第l次傳播過(guò)程結(jié)束第j個(gè)節(jié)點(diǎn)的感染狀態(tài)，αji表示第j個(gè)節(jié)點(diǎn)成功感染第i個(gè)節(jié)點(diǎn)的概率，xji表示第j個(gè)節(jié)點(diǎn)到第i個(gè)節(jié)點(diǎn)是否存在有向邊的情況，xji＝1表示第j個(gè)節(jié)點(diǎn)到第i個(gè)節(jié)點(diǎn)存在有向邊，xji＝0表示第j個(gè)節(jié)點(diǎn)到第i個(gè)節(jié)點(diǎn)不存在有向邊，β為傳播的總次數(shù)，n為節(jié)點(diǎn)的總個(gè)數(shù)，v為節(jié)點(diǎn)的集合。

12、進(jìn)一步地，每一客戶(hù)端基于本地觀測(cè)到的節(jié)點(diǎn)感染狀態(tài)數(shù)據(jù)對(duì)初始化的鄰接矩陣進(jìn)行迭代得到第一鄰接矩陣的方法為：

13、對(duì)初始化的鄰接矩陣x和初始化的感染傳播概率矩陣α，設(shè)定更新步長(zhǎng)矩陣θ和更新方向矩陣y，對(duì)初始化的鄰接矩陣x進(jìn)行迭代獲取第一鄰接矩陣x′，表達(dá)式為：

14、

15、其中，k1的取值為能使得l(x′,α)>l(x,α)成立的最小自然數(shù)。

16、進(jìn)一步地，θ和y均為n·n矩陣，對(duì)于θ和y中的每個(gè)元素，表達(dá)式為：

17、

18、其中，yji表示更新方向矩陣y中第j個(gè)節(jié)點(diǎn)到第i個(gè)節(jié)點(diǎn)更新的方向，θji表示更新步長(zhǎng)矩陣θ中第j個(gè)節(jié)點(diǎn)到第i個(gè)節(jié)點(diǎn)更新的步長(zhǎng)，x(t)、α(t)分別為初始化的鄰接矩陣x和初始化的感染傳播概率矩陣α迭代t次得到的值。

19、進(jìn)一步地，基于第一鄰接矩陣獲取第二感染傳播概率的方法為：

20、對(duì)第一鄰接矩陣x′和初始化的感染傳播概率矩陣α，設(shè)定更新步長(zhǎng)矩陣λ和更新方向矩陣z，對(duì)初始化的感染傳播概率矩陣α進(jìn)行迭代獲取第一感染傳播概率矩陣α′，表達(dá)式為：

21、

22、其中，k2的取值為能使得l(x′,α′)>l(x′,α)成立的最小自然數(shù)。

23、進(jìn)一步地，λ和z均為n·n矩陣，對(duì)于λ和z中的每個(gè)元素，表達(dá)式為：

24、

25、

26、其中，zji表示更新方向矩陣z中第j個(gè)節(jié)點(diǎn)到第i個(gè)節(jié)點(diǎn)更新的方向，λji表示更新步長(zhǎng)矩陣λ中第j個(gè)節(jié)點(diǎn)到第i個(gè)節(jié)點(diǎn)更新的步長(zhǎng)，x(t)、α(t)分別為初始化的鄰接矩陣x和初始化的感染傳播概率矩陣α迭代t次得到的值。

27、一種傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的橫向聯(lián)邦推斷裝置，包括：

28、初始化模塊，用于對(duì)每一客戶(hù)端現(xiàn)有的傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)建立初始化的鄰接矩陣和初始化的感染傳播概率矩陣；

29、迭代模塊，用于每一客戶(hù)端基于本地觀測(cè)到的節(jié)點(diǎn)感染狀態(tài)數(shù)據(jù)對(duì)初始化的鄰接矩陣進(jìn)行迭代得到第一鄰接矩陣，且基于第一鄰接矩陣對(duì)初始化的感染傳播概率矩陣進(jìn)行迭代得到第一感染傳播概率矩陣；

30、更新模塊，用于中心服務(wù)器將所有第一鄰接矩陣聚合后平均得到聚合鄰接矩陣，通過(guò)聚合鄰接矩陣更新第一鄰接矩陣，獲取第二鄰接矩陣，同時(shí)中心服務(wù)器將所有第一感染傳播概率矩陣聚合后平均得到聚合感染傳播概率矩陣，通過(guò)聚合感染傳播概率矩陣更新第一感染傳播概率矩陣，獲取第二感染傳播概率矩陣；

31、獲取模塊，用于重復(fù)迭代模塊至更新模塊，直到聚合鄰接矩陣不再變化或聚合鄰接矩陣達(dá)到迭代次數(shù)，獲取最終鄰接矩陣和最終感染傳播概率矩陣，基于最終鄰接矩陣和最終感染傳播概率矩陣獲取最終傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。

32、一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)上述傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的橫向聯(lián)邦推斷方法。

33、一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的橫向聯(lián)邦推斷方法。

34、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)和有益效果：

35、(1)本發(fā)明每一客戶(hù)端基于本地觀測(cè)到的節(jié)點(diǎn)感染狀態(tài)數(shù)據(jù)對(duì)初始化的鄰接矩陣進(jìn)行迭代得到第一鄰接矩陣，且基于第一鄰接矩陣對(duì)初始化的感染傳播概率矩陣進(jìn)行迭代得到第一感染傳播概率矩陣，能夠確保多個(gè)客戶(hù)端擁有的節(jié)點(diǎn)感染狀態(tài)數(shù)據(jù)不被泄露。

36、(2)本發(fā)明基于橫向聯(lián)邦學(xué)習(xí)思想，在保證多個(gè)客戶(hù)端擁有的節(jié)點(diǎn)感染狀態(tài)數(shù)據(jù)不被泄露的同時(shí)，中心服務(wù)器將所有第一鄰接矩陣聚合成聚合鄰接矩陣，每一客戶(hù)端通過(guò)聚合鄰接矩陣對(duì)第一鄰接矩陣進(jìn)行替換，獲取第二鄰接矩陣，同時(shí)中心服務(wù)器將第二感染傳播概率聚合成全局感染傳播概率，每一客戶(hù)端通過(guò)全局感染傳播概率對(duì)第二感染傳播概率進(jìn)行替換，獲取第二感染傳播概率，能夠從這些客戶(hù)端的數(shù)據(jù)中推斷出用于表示本地傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的鄰接矩陣和感染傳播概率矩陣，并確保本發(fā)明的推斷結(jié)果與集中式學(xué)習(xí)方法的推斷結(jié)果準(zhǔn)確率基本相近。