رویکردی برای تحلیل آسیب‌پذیری شبکه‌های اجتماعی مبتنی بر عملکرد با استفاده از ضریب خوشه‌بندی

توانمندی در واکنش به رویدادهای غیرمنتظره همواره برای شبکه‌های دنیای واقعی مطلوب است. به‌منظور بهبود توانمندی هر نوع سیستم شبکه، تجزیه و تحلیل آسیب‌پذیری برای اختلالات خارجی از قبیل نقص تصادفی یا حملات دفاعی که به عناصر شبکه وارد می‌شوند حائز اهمیت است. در این مقاله، یک مسئله نوظهور در ارزیابی توانمندی شبکه‌های پیچیده را بررسی می‌کنیم: آسیب‌پذیری خوشه‌بندی شبکه‌های مبتنی بر عملکرد در برابر فقدان عناصر شبکه. هدف اصلی شناسایی رئوسی است که فقدان آن‌ها به‌واسطه تضعیف خوشه‌بندی، به‌طور قابل‌توجهی به شبکه آسیب می‌رساند که از طریق میانگین ضریب خوشه‌بندی مورد ارزیابی قرار می‌گیرد. این مسئله به این دلیل حائز اهمیت است که هر تغییر قابل‌ملاحظه‌ای  ناشی از نقص عناصر که منجر به تغییر خوشه‌بندی می‌شود می‌تواند عملکرد شبکه، مانند توانایی انتشار اطلاعات در یک شبکه اجتماعی را کاهش دهد. ما این تحلیل آسیب‌پذیری را به‌عنوان یک مسئله بهینه‌سازی تنظیم می‌کنیم و کامل بودن و عدم یکنواختی آن را نشان می‌دهیم. درنهایت، آزمایش‌های جامعی را در شبکه‌های اجتماعی ساختگی و واقعی که توسط مدل‌های شناخته‌شده تولیدشده‌اند، انجام می‌دهیم. نتایج تجربی در مقایسه با استراتژی‌های مختلف در شبکه‌های ترکیبی و واقعی نشان می‌دهد که میانگین ضریب خوشه‌بندی در تحلیل نقص گره‌های شبکه بسیار کارآمد است . همچنین نتایج به‌دست‌آمده تائید می‌کند که تکنیک حذف گره‌های پراهمیت به ویژه از نظر مقدار مرکزیت نزدیکی، در تجزیه و تحلیل آسیب‌پذیری خوشه‌بندی بسیار مؤثر است. 

کلیدواژه ها:

شبکه‌های اجتماعی ، ضریب خوشه‌بندی ، آسیب‌پذیری ، معیارهای مرکزیت