主动攻击下二模网络中的基本隐私限制;具有统计置信度的网络上的扩散源识别;用于社区检测的流式信念传播;基于断裂力学的法医证据碎片定量匹配;科学计量工程学：通过开放电子印本揭示时空引文动态;意外检测中尺度结构;网络上的多核表示学习;5G 电子医疗系统、技术、用例和未来挑战的设计和实施;动量方程惯性项的大规模实证研究;相对聚类系数;通过图粗粒化扩大图神经网络;理解在 COVID-19 大流行期间对远程通信的隐私态度和担忧;用于优化控制网络矩的有效输入放置;使用时变有效接触率校准 COVID-19 SEIR 模型;打击加密平台错误信息的提示：2019 年印度大选 WhatsApp 案例研究;主动攻击下二模网络中的基本隐私限制原文标题： Fundamental Privacy Limits in Bipartite Networks under Active Attacks地址： http://arxiv.org/abs/2106.04766作者： Mahshad Shariatnasab, Farhad Shirani, Elza Erkip摘要： 这项工作考虑了双向网络的主动去匿名化。该场景在评估各种应用程序（例如社会网络、移动网络和医疗数据库）中的隐私时自然会出现。例如，在社会网络的主动去匿名化中，匿名受害者成为攻击者的目标（例如受害者访问攻击者的网站），并且攻击者查询她的组成员身份（例如通过查询浏览器历史记录）以取消她的匿名。在这项工作中，研究了隐私的基本限制，即去匿名化所需的最少查询数量。考虑了一个随机模型，其中 i) 组成员的二分网络是随机生成的，ii) 攻击者对组成员具有部分先验知识，以及 iii) 它收到对其实时查询的嘈杂响应。二分网络是基于线性和次线性优先连接以及随机块模型生成的。受害者的身份是根据对用户成为受害者的风险（例如访问网站的概率）进行建模的分布随机选择的。提出了一种攻击算法，该算法建立在与反馈通信的技术之上，并分析了其在预期查询数量方面的性能。提供仿真结果来验证理论推导。具有统计置信度的网络上的扩散源识别原文标题： Diffusion Source Identification on Networks with Statistical Confidence地址： http://arxiv.org/abs/2106.04800作者： Quinlan Dawkins, Tianxi Li, Haifeng Xu摘要： 网络上的扩散源识别是包括谣言控制和病毒识别在内的广泛应用中的一个基本重要问题。尽管这个问题最近受到了极大的关注，但大多数研究只关注非常严格的设置，缺乏对更现实网络的理论保证。我们引入了一个用于研究扩散源识别的统计框架，并开发了一种受假设检验启发的置信集推理方法。我们的方法有效地产生了一个小的节点子集，它可以证明以任何预先指定的置信水平覆盖源节点，而没有对网络结构的限制性假设。此外，我们基于网络拓扑和概率特性为推理过程提出了多种蒙特卡罗策略，这些策略显著提高了可扩展性。据我们所知，这是第一个在一般网络上具有实用理论保证的扩散源识别方法。我们通过对众所周知的随机网络模型和城市之间关于 COVID-19 传播的移动网络的广泛综合实验来展示我们的方法。用于社区检测的流式信念传播原文标题： Streaming Belief Propagation for Community Detection地址： http://arxiv.org/abs/2106.04805作者： Yuchen Wu, MohammadHossein Bateni, Andre Linhares, Filipe Miguel Goncalves de Almeida, Andrea Montanari, Ashkan Norouzi-Fard, Jakab Tardos摘要： 社区检测问题需要将网络节点聚集成少数连接良好的“社区”。最近在描述简单随机块模型下社区检测的基本统计限制方面取得了重大进展。然而，在实际应用中，网络结构通常是动态的，随着时间的推移节点会加入。在此设置中，我们希望检测算法在每个节点到达时仅执行有限数量的更新。虽然标准投票方法满足这一限制，但尚不清楚它们是否以最佳方式利用网络信息。我们为随时间增长的网络引入了一个简单的模型，我们将其称为流式随机块模型 (StSBM)。在这个模型中，我们证明投票算法具有根本的局限性。我们还开发了一种流式信念传播 (StreamBP) 方法，我们证明了在某些情况下的最优性。我们在合成数据和真实数据上验证了我们的理论发现。基于断裂力学的法医证据碎片定量匹配原文标题： Fracture Mechanics-Based Quantitative Matching of Forensic Evidence Fragments地址： http://arxiv.org/abs/2106.04809作者： Geoffrey Z. Thompson, Bishoy Dawood, Tianyu Yu, Barbara K. Lograsso, John D. Vanderkolk, Ranjan Maitra, William Q. Meeker, Ashraf F. Bastawros摘要： 经常在犯罪现场发现具有粗糙和不规则表面的断裂金属碎片。当前的法医实践使用比较显微镜和物理模式分析来目视检查断裂表面的复杂锯齿状轨迹，以识别“匹配”。我们开发了一种新颖的计算框架，利用断裂力学和统计分析的基本概念来提供匹配概率和错误率的定量匹配分析。该框架采用断裂表面的统计数据，在相关的微观长度尺度上具有独特的粗糙度特征，这取决于材料对断裂的固有抵抗力及其微观结构。在这样一个被发现大于两个晶粒尺寸或微观特征尺寸的尺度上，我们确定证据碎片上的材料固有特性、微观结构和外力暴露历史具有唯一性的前提，即定量描述断裂表面的微观特征，以便进行法医比较。该方法利用断裂表面重叠拓扑图像的 3D 谱分析，并使用统计学习以非常高的精度对样本进行分类。两个频率范围内图像对的互相关用于开发匹配和不匹配图像对之间分布的矩阵变量统计模型，并为识别匹配和确定错误率提供决策规则。一组三十八种不同的钢制品断裂面被正确分类。该框架为法医应用奠定了基础，对具有不同纹理和机械性能的广泛断裂材料进行定量统计比较。科学计量工程学：通过开放电子印本揭示时空引文动态原文标题： Scientometric engineering: Revealing spatiotemporal citation dynamics via open eprints地址： http://arxiv.org/abs/2106.05027作者： Keisuke Okamura摘要： 随着知识生产和消费的速度和数量的不断增加，学术交流系统已迅速转变为数字化、网络化的开放生态系统，其中预印本服务器发挥了关键作用。然而，关于这种范式转变如何影响集体关注科学知识的动态，证据很少。在此，我们通过调查 arXiv 上超过 150 万份 eprint 的引文动态来解决这个问题，arXiv 是最著名和最古老的 eprint 档案。学科平均引文历史曲线是通过对长期引文数据应用非线性回归模型来估计的。所揭示的时空特征，包括增长和过时模式，在不同学科中有所不同，反映了不同的出版和引用实践。结果用于开发一个时空归一化的引文索引，称为 gamma-index，具有近似正态分布。它可用于比较跨学科和跨时间段的单篇论文的引用影响，与文献和实践中广泛使用的衡量相比，它提供的研究影响衡量偏差较小。此外，推导出观察到的时空引用动态的随机模型，以统一的形式再现累积引用分布的对数正态定律和平均引用的时间轨迹。意外检测中尺度结构原文标题： Detecting mesoscale structures by surprise地址： http://arxiv.org/abs/2106.05055作者： Emiliano Marchese, Guido Caldarelli, Tiziano Squartini摘要： 在复杂网络中识别中尺度结构的重要性再怎么估计也不为过。到目前为止，很多注意力都集中在二元网络上社区、二分和核心-外围结构的检测上。这样的努力导致了基于称为惊喜的评分函数的统一框架的定义，即可以分配给无向和有向网络上任何给定节点分区的 p 值。在这里，我们的目标是更进一步，通过将整个框架扩展到加权案例：在回顾了基于惊喜的形式主义在检测二元中尺度结构中的应用之后，我们提出了它的适当推广，用于检测加权中尺度结构，这个主题仍然在很大程度上未得到充分探索。为此，我们分析了惊喜的四种变体；从技术角度来看，这相当于使用了超几何分布的四种变体：二项式用于检测二元社区，多项式用于检测二元“双模”结构，以及用于检测社区的负对应项和加权网络上的“双模”结构。最重要的是，我们定义了两个“增强”的惊喜变体，能够对二进制和加权约束进行编码，其定义取决于超几何概率质量函数的两个合适的概括。因此，我们提出了一种通用的、基于统计的方法，通过一个统一的、基于惊喜的框架来检测网络上的中尺度结构。为了说明我们方法的性能，我们将它们的应用结果报告给了几个现实世界的网络，包括社会、经济、金融和生态网络。此外，我们在论文中附上了一个 Python 代码，该代码实现了当前工作中考虑的所有版本的惊喜。网络上的多核表示学习原文标题： Multiple Kernel Representation Learning on Networks地址： http://arxiv.org/abs/2106.05057作者： Abdulkadir Celikkanat, Yanning Shen, Fragkiskos D. Malliaros摘要： 学习低维空间中节点的表示是一项关键任务，在网络分析中有许多有趣的应用，包括链路预测、节点分类和可视化。这个问题的两种流行方法是矩阵分解和基于随机游走的模型。在本文中，我们的目标是将两全其美，以学习节点表示。特别是，我们提出了一种加权矩阵分解模型，该模型对有关网络节点的基于随机游走的信息进行编码。这种新颖公式的好处在于，它使我们能够在不实现精确邻近矩阵的情况下利用核函数，从而增强了现有的带有核的矩阵分解方法的表达能力并降低了它们的计算复杂性。我们使用多核学习公式扩展了该方法，该公式提供了将内核学习为数据驱动方式中内核字典的线性组合的灵活性。我们对现实世界的网络进行了实证评估，表明所提出的模型在下游机器学习任务中优于基线节点嵌入算法。5G 电子医疗系统、技术、用例和未来挑战的设计和实施原文标题： Design and Implementation of 5G eHealth Systems, Technologies, Use Cases and Future Challenges地址： http://arxiv.org/abs/2106.05086作者： Di Zhang, Joel J. P. C. Rodrigues, Yunkai Zhai, Takuro Sato摘要： 第五代（5G）旨在以更高的可靠性、更低的延迟和更快的传输速度连接海量设备，这对于实施电子医疗系统至关重要。然而，目前在 5G 电子医疗系统方面的努力仍然不足以完成其完整的蓝图。在本文中，我们首先从物理层、上层和跨层的角度讨论设计 5G 电子健康系统的相关技术。随后，我们根据我们的实施详细说明了两个用例，即用于远程医疗的 5G 电子医疗系统和用于遏制 Covid-19 大流行的 5G 电子医疗系统。我们最终展望了 5G 电子医疗系统的未来研究趋势和挑战。动量方程惯性项的大规模实证研究原文标题： Large-scale empirical study on the momentum equation’s inertia term地址： http://arxiv.org/abs/2106.05120作者： Felix Hennings摘要： 减少欧拉方程在天然气网络模拟和优化中的复杂性的一种常见方法是忽略对整个方程贡献很小的小项。一个例子是动量方程的惯性项，因为据说它在实际操作条件下的大小可以忽略不计。但是，这种理由始终仅基于经验或单组人工数据点。本研究通过对运行真实世界天然气网络时惯性项的绝对和相对大小进行大规模实证评估来弥补这一差距。我们的数据包括欧洲最大的天然气网络之一的三年细粒度状态数据，其中包含 6,000 多根管道，总长度超过 10,000 公里。我们发现只有 120 个事件中由多个管道组成的子网具有超过三分钟的高显著性惯性项。平均而言，此类事件发生的频率低于每十天一次。因此，我们得出结论，对于现实世界的瞬态天然气网络控制问题，惯性项确实可以忽略不计。相对聚类系数原文标题： Relative Clustering Coefficient地址： http://arxiv.org/abs/2106.05145作者： Elena Farahbakhsh Touli, Oscar Lindberg摘要： 在本文中，我们将全局聚类系数的定义相对扩展到另一种聚类，我们称之为相对聚类系数。这个定义的思想是忽略网络中存在边的概率为0的边。 这里，我们也考虑一个模型作为例子，使用相对聚类系数比全局聚类系数更好地比较网络和检查网络的属性。通过图粗粒化扩大图神经网络原文标题： Scaling Up Graph Neural Networks Via Graph Coarsening地址： http://arxiv.org/abs/2106.05150作者： Zengfeng Huang, Shengzhong Zhang, Chong Xi, Tang Liu, Min Zhou摘要： 图神经网络的可扩展性仍然是图机器学习的主要挑战之一。由于节点的表示是通过递归聚合和变换来自先前层的相邻节点的表示向量来计算的，因此感受野呈指数增长，这使得标准的随机优化技术无效。已经提出了各种方法来缓解这个问题，例如，基于图过滤器预计算的基于采样的方法和技术。在本文中，我们采用了一种不同的方法，并建议使用图粗化进行 GNN 的可扩展训练，这是通用的、极其简单的并且在训练过程中具有次线性的内存和时间成本。我们对使用粗化操作的效果进行了广泛的理论分析，并为粗化方法的选择提供了有用的指导。有趣的是，我们的理论分析表明，粗化也可以被认为是一种正则化，可以提高泛化能力。最后，现实世界数据集的实证结果表明，简单地应用现成的粗化方法，我们可以将节点数量减少多达 10 倍，而不会导致分类精度的明显下降。理解在 COVID-19 大流行期间对远程通信的隐私态度和担忧原文标题： Understanding Privacy Attitudes and Concerns Towards Remote Communications During the COVID-19 Pandemic地址： http://arxiv.org/abs/2106.05227作者： Pardis Emami-Naeini, Tiona Francisco, Tadayoshi Kohno, Franziska Roesner摘要： 自 2019 年 12 月以来，COVID-19 大流行已导致世界各地的人们保持社交距离，这导致远程通信用于工作、社交和在家学习的情况突然增加。由于远程通信将比大流行更持久，因此在这种前所未有的环境中保护用户的安全并尊重他们的隐私至关重要，这需要彻底理解他们的行为、态度以及对远程通信各个方面的关注。为此，我们对全球 220 名 Prolific 参与者进行了在线研究。我们发现隐私和安全是影响参与者对会议工具和会议地点的态度和舒适度的最常提及的因素之一。开放式回答显示，大多数参与者在远程会议中选择会议工具或使用麦克风/网络摄像头时缺乏自主权，这在一些情况下与他们的个人隐私和安全偏好相矛盾。根据我们的发现，我们提炼出几项关于雇主、教育工作者和工具开发人员如何在进行远程通信时通知和授权用户做出隐私保护决定的建议。用于优化控制网络矩的有效输入放置原文标题： Efficient input placement for the optimal control of network moments地址： http://arxiv.org/abs/2106.05265作者： Philip Solimine, Anke Meyer-Baese摘要： 在本文中，我们研究了网络状态向量均值和方差的最优控制。我们开发了一种算法来优化受状态约束的控制输入放置，这必须在给定的时间阈值下实现；寻求以最低成本移动时刻的输入位置。首先，我们解决了一阶和二阶矩的多个变体的状态选择问题，并找到与系统 Gramian 矩阵的特征值相关的解。我们的算法然后使用这些信息来寻找局部最优的输入位置。这是投影梯度法 (GPGM) 的推广。我们解决了这些矩的一些常见版本的问题，包括平均状态和引起不和谐、排斥某个状态或鼓励收敛的二阶矩的版本。然后我们进行模拟，并讨论基于系统通量的中心性度量——一种描述哪些节点对平均状态的最佳控制最重要的度量。使用时变有效接触率校准 COVID-19 SEIR 模型原文标题： Calibrating COVID-19 SEIR models with time-varying effective contact rates地址： http://arxiv.org/abs/2106.04705作者： James P. Gleeson, Thomas Brendan Murphy, Joseph D. O’Brien, Nial Friel, Norma Bargary, David J. P. O’Sullivan摘要： 我们描述了由爱尔兰流行病学建模咨询小组 (IEMAG) 开发的基于人群的 SEIR（易感、暴露、感染、移除）模型，该小组就 COVID-19 响应向爱尔兰政府提供建议。该模型假设一个随时间变化的有效接触率（相当于一个随时间变化的再生数）来模拟非药物干预的效果。应用此类模型的一个关键技术挑战是它们对观察到的数据（例如，每日确诊的新病例数）的准确校准，因为该疾病的过去历史强烈影响对未来情景的预测。我们展示了一种基于 SEIR 方程反演结合数据的统计建模和样条拟合的方法，以产生一种稳健的方法来校准各种此类模型。打击加密平台错误信息的提示：2019 年印度大选 WhatsApp 案例研究原文标题： Tiplines to Combat Misinformation on Encrypted Platforms: A Case Study of the 2019 Indian Election on WhatsApp地址： http://arxiv.org/abs/2106.04726作者： Ashkan Kazemi, Kiran Garimella, Gautam Kishore Shahi, Devin Gaffney, Scott A. Hale摘要： WhatsApp 是全球超过 20 亿用户使用的流行聊天应用程序。然而，由于端到端加密，目前没有简单的方法可以在 WhatsApp 上大规模地检查内容。在本文中，我们分析了 WhatsApp 上的众包系统的实用性，用户可以通过该系统提交包含他们想要核实的消息的“提示”。我们将 2019 年印度全国大选期间发送到 WhatsApp 提示线的提示与同期在 WhatsApp 和其他社交媒体平台上的大型公共团体中传播的消息进行比较。我们发现提示线是 WhatsApp 对话的一个非常有用的镜头：发送到提示线的很大一部分消息和图像与在公共 WhatsApp 群组和其他社交媒体上共享的内容相匹配。我们的分析还表明，提示线很好地涵盖了最受欢迎的内容，并且大多数此类内容通常在出现在大型公共 WhatsApp 群组之前先分享到提示线。总体而言，分析表明提示线可以成为发现内容以进行事实核查的有效来源。声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在公众号“网络科学研究速递”（netsci）和个人博客进行同步更新。
本文出自快速备案，转载时请注明出处及相应链接。