Resumen

La estructura a gran escala y compleja de las redes reales plantea enormes desafíos a los métodos tradicionales de detección de comunidades. Con el fin de detectar la estructura de comunidades en redes a gran escala de manera más precisa y eficiente, proponemos un algoritmo de detección de comunidades basado en el método de representación de incrustación de redes. En primer lugar, para resolver el problema de escasez de datos de red, este documento utiliza el modelo DeepWalk para incrustar una red de alta dimensionalidad en un espacio de baja dimensionalidad con información de topología. Luego, los datos de baja dimensionalidad son procesados, con cada nodo tratado como una muestra y cada dimensión del nodo como una característica. Finalmente, las muestras se introducen en un modelo de mezcla gaussiana (GMM), y para aprender automáticamente el número de comunidades, se introduce la inferencia variacional en el GMM. Los resultados experimentales en el conjunto de datos de DBLP muestran que el método del modelo de este documento puede descubrir de manera más efectiva las comunidades en redes a gran

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:A gran escala; Estructura compleja; Detección de comunidades; Representación de incrustación de redes; Modelo DeepWalk; Modelo de mezcla gaussiana
• Keywords:Large-scale; Complex structure; Community detection; Network embedding representation; DeepWalk model; Gaussian mixture model