核心速递

比特币网络中的传染效应；
复杂网络中的核和其他密集结构;
外部观测网络避免暗示结果的动力学;
相互作用的传染与社会强化无法区分;
孟加拉国需要关键网络防御、安全战略和隐私政策——炒作还是现实？;
复杂网络中的贸易;
最优编码和 Zipfian 定律的起源;
任务引导的异构网络成对嵌入;

比特币网络中的传染效应

原文标题：

Contagion in Bitcoin networks

地址：

http://arxiv.org/abs/1906.01293

作者：

Célestin Coquidé, José Lages, Dima L. Shepelyansky

摘要： 我们在2009年1月11日至2013年4月10日期间为所有年度构建 Google 比特币交易矩阵。在过去几个季度中，网络规模包含约600万用户（节点），交易量约为1.5亿。从 PageRank 和 CheiRank 概率，类似于贸易进口和出口，我们确定每个用户的无标度贸易平衡并模拟网络上的传染传播，假设用户在其余额超过某个无标度阈值 kappa 时破产。

我们发现相变发生在，几乎所有用户都破产了。对于，几乎所有用户都保持安全。我们发现，即使距离关键门槛 κc 的距离，顶级 PageRank 和 CheiRank 用户，就像纸牌搭的房子，也会迅速陷入破产。我们将此效应归因于这些顶级用户之间的强大互连，我们使用缩减的 Google 矩阵算法确定这些互连。该算法允许有效地建立顶级 PageRank 用户之间的直接和间接交互。我们认为这项研究模拟了真实金融网络传染。

复杂网络中的核和其他密集结构

原文标题：

Cores and Other Dense Structures in Complex Networks

地址：

http://arxiv.org/abs/1906.01050

作者：

Edoardo Galimberti

摘要： 复杂网络是模拟复杂系统的强大范例。特定网络模型（例如多层网络，时间网络和符号网络）利用附加信息来丰富标准网络表示从而更好地捕获现实世界现象。尽管对这些类型的网络仍然存在各种问题，算法和分析方法非常是十分有趣的，但是提取核心和密集结构的问题仍然存在未开发的方面。在这项工作中，我们通过引入新的定义和算法来提出现有技术的进步，这些定义和算法用于从复杂网络（主要是”核“）中提取密集结构。

首先，我们在多层网络中定义核心分解，并在其基础上构建一系列应用，即仅提取最大多层核心，多层网络中最密集的子图，提取频繁交叉图的速度准集团，以及社区搜索到多层环境的概括。然后，我们在时间网络中引入核心分解的概念;同样在这种情况下，我们只对最大时间核心的提取感兴趣。

最后，在发现大规模在线数据极化的背景下，我们研究了在符号网络中识别极化社群的方法。所提出的方法论在各种各样的现实世界网络上进行评估。我的算法在所有情况下，它们都显示出有效性，效率和可扩展性，并且算法的效率胜过了其他常见算法以及基准算法。此外，我们展示我们的定义在具体应用和案例研究中的有用性，即接触网络的时间分析，以及辩论网络中极化的识别。

外部观测网络

避免暗示结果的动力学

原文标题：

Implication Avoiding Dynamics for Externally Observed Networks

地址：

http://arxiv.org/abs/1906.01118

作者：

Joel Nishimura, Oscar Goodloe

摘要： 以前的网络模型已经想到连接会改变以促进结构平衡或反映层次结构。我们提出了一个模型，其中单体调整其连接以使外部观察者看起来可信。特别是，我们设想一个有符号的有向网络，其中正边代表认可或信任，负边代表指责或怀疑，并考虑外部观察者可能用于识别可信节点的策略以及节点可能使用的策略然后看起来可信改变他们的外向边。

首先，我们确定外部观察者可能能够从对手的“骗子”节点中精确地识别一组“诚实”节点，而不管“骗子”节点的连接如何。然而，虽然这些结果表明外部观察者的任务并非没有希望，但其中一些找到的网络结构的定理涉及 NP-Hard。相反，我们提出一个简单的启发式方法，外部观察者可能会根据它们与特定隐含边模体的关系来识别哪些节点不可信。

基于这些概念，类似于一些结构平衡模型，我们开发了一个离散的时间动力系统，其中节点参与暗示避免动态，其中导致节点看起来“可疑”的边的不一致排列对该节点施加压力以改变边。我们证明，当节点担心与外部观察者一致时，这些动态提供了一种理解组断裂的新方法。

相互作用的传染

与社会强化无法区分

原文标题：

Interacting contagions are indistinguishable from social reinforcement

地址：

http://arxiv.org/abs/1906.01147

作者：

Laurent Hébert-Dufresne, Samuel V. Scarpino, Jean-Gabriel Young

摘要： 从虚假新闻到创新技术，许多流行现象通过社会强化过程传播，其中多次暴露与长期暴露于单一来源不同。相反，生物制剂如埃博拉或麻疹通常被认为是简单的传染病。在这里，我们证明了相互作用的简单流行现象与复杂流行现象无法区分。在社会背景下，我们的结果突出了在无数的想法，模因和行为相互作用的世界中识别和量化机制的挑战，例如社会强化。在生物学背景下，这种平行允许使用复杂的传染病来有效地量化传染病的非平凡相互作用。

孟加拉国需要

关键网络防御、安全战略和

隐私政策——炒作还是现实？

原文标题：

Need for Critical Cyber Defence, Security Strategy and Privacy Policy in Bangladesh – Hype or Reality?

地址：

http://arxiv.org/abs/1906.01285

作者：

AKM Bahalul Haque

摘要： 网络安全是现代世界亟待解决的问题之一。 IT基础架构的增加导致了安全漏洞的巨大隐患。孟加拉国是一个相对较新的网络安全领域成员，有自己的需求和吸引力。过去几年，孟加拉国正以惊人的速度发生数字化。人们通过智能设备与全球网络社区建立了联系。

这些设备有自己的漏洞问题，并且通过互联网共享的数据很有可能被破坏。通过恶意软件，特洛伊木马，病毒感染设备等常见漏洞问题正在增多。此外，缺乏适当的网络安全政策和战略可能会使现有局势处于临界点的脆弱边。因此，如果在早期没有处理这些问题，即将到来的新基础设施将面临更大的风险。本文简要讨论和分析了常见的漏洞问题，包括最近对孟加拉国网络空间的攻击，网络安全策略以及对数据隐私政策的需求。

复杂网络中的贸易

原文标题：

Trading in Complex Networks

地址：

http://arxiv.org/abs/1906.01531

作者：

Felipe M. Cardoso, Carlos Gracia-Lazaro, Frederic Moisan, Sanjeev Goyal, Angel Sanchez, Yamir Moreno

摘要： 农业，制造业和服务业的全球供应网络是现代世界的一个重要特征。这些网络不同部分的盈余效率和分配取决于中介机构的选择。本文对位于大型复杂网络中的人类主体进行价格形成实验，以更好地理解管理行为的原则。我们的第一个发现是，与随机网络相比，小世界网络中的价格更高，交易效率显著降低。我们的第二个发现是网络中的位置不是定价的重要决定因素。

对价格动态的研究表明，交易者选择最便宜（通常活跃）的路径会提高价格，而那些偏离这些路径的交易者会降低价格。我们构建了一个基于主体的模型（ABM），它体现了这一经验法则。该ABM的模拟产生与实验结果一致的宏观模式。最后，我们将 ABM 推广到明显更大的随机和小型世界网络，并发现网络拓扑仍然是定价和效率的关键决定因素。

最优编码和 Zipfian 定律的起源

原文标题：

Optimal coding and the origins of Zipfian laws

地址：

http://arxiv.org/abs/1906.01545

作者：

Ramon Ferrer-i-Cancho, Christian Bentz

摘要： 标准信息论中的压缩问题包括将代码分配给尽可能短的数字。在这里，我们考虑在任意编码逻辑下的最优编码问题，并且它预测了 Zipf 的缩写定律，即自然语言中更频繁的词更短的趋势。我们将这个结果应用于所谓的非奇异编码下的最优编码，这种方案不保证唯一的分割，但代码代表不同的数字。

最佳非奇异编码预测单词的长度应该大致成为其频率等级的对数，这再次与Zipf的缩写定律一致。最优非奇异编码结合最大熵原理也可以预测 Zipf 的秩-频率分布。此外，我们关于最优非奇异编码的发现挑战了关于随机分型的共同信念。事实证明，随机打字实际上是一种最佳的编码过程，与普遍的假设形成鲜明对比，即它与成本削减因素脱节。最后，我们讨论了最优编码对构建紧凑的 Zipfian 定律和其他语言规律理论的意义。

任务引导的异构网络成对嵌入

原文标题：

Task-Guided Pair Embedding in Heterogeneous Network

地址：

http://arxiv.org/abs/1906.01546

作者：

Chanyoung Park, Donghyun Kim, Qi Zhu, Jiawei Han, Hwanjo Yu

摘要： 通过异构网络嵌入方法解决的许多生活中的问题可以被描述为两个节点之间成对关系的可能性模型。例如，作者识别任务的目标是模拟作者撰写论文的可能性（论文-作者成对关系）。现有的任务引导嵌入方法是以节点为中心的，因为它们仅测量节点嵌入之间的相似性以计算两个节点之间成对关系的可能性。但是，我们声称对于任务引导的嵌入，关注直接建模成对关系至关重要。在本文中，我们在异构网络中提出了一种新的任务引导对嵌入框架，称为 TaPEm，它直接模拟与特定任务相关的一对节点之间的关系（例如，作者识别中的论文-作者关系）。为此，我们

1）建议在其相关的上下文路径的指导下学习一对嵌入，即该对之间的一系列节点，以及

2）设计该对有效性分类器以区分该对是否对于手头的具体任务。

通过引入捕获成对关系背后语义的对嵌入，我们能够学习两个节点之间的细粒度成对关系，这对于任务引导的嵌入方法是至关重要的。关于作者识别任务的广泛实验表明，TaPEm优于最先进的方法，特别是对于出版记录很少的作者。