رویکردی برای تحلیل آسیب پذیری شبکه های اجتماعی مبتنی بر عملکرد با استفاده از ضریب خوشه بندی

توانمندی در واکنش به رویدادهای غیرمنتظره همواره برای شبکه های دنیای واقعی مطلوب است. به منظور بهبود توانمندی هر نوع سیستم شبکه، تجزیه و تحلیل آسیب پذیری برای اختلالات خارجی از قبیل نقص تصادفی یا حملات دفاعی که به عناصر شبکه وارد می شوند حایز اهمیت است. در این مقاله، یک مسئله نوظهور در ارزیابی توانمندی شبکه های پیچیده را بررسی می کنیم: آسیب پذیری خوشه بندی شبکه های مبتنی بر عملکرد در برابر فقدان عناصر شبکه. هدف اصلی شناسایی ریوسی است که فقدان آن ها به واسطه تضعیف خوشه بندی، به طور قابل توجهی به شبکه آسیب می رساند که از طریق میانگین ضریب خوشه بندی مورد ارزیابی قرار می گیرد. این مسئله به این دلیل حایز اهمیت است که هر تغییر قابل ملاحظه ای  ناشی از نقص عناصر که منجر به تغییر خوشه بندی می شود می تواند عملکرد شبکه، مانند توانایی انتشار اطلاعات در یک شبکه اجتماعی را کاهش دهد. ما این تحلیل آسیب پذیری را به عنوان یک مسئله بهینه سازی تنظیم می کنیم و کامل بودن و عدم یکنواختی آن را نشان می دهیم. درنهایت، آزمایش های جامعی را در شبکه های اجتماعی ساختگی و واقعی که توسط مدل های شناخته شده تولیدشده اند، انجام می دهیم. نتایج تجربی در مقایسه با استراتژی های مختلف در شبکه های ترکیبی و واقعی نشان می دهد که میانگین ضریب خوشه بندی در تحلیل نقص گره های شبکه بسیار کارآمد است . همچنین نتایج به دست آمده تایید می کند که تکنیک حذف گره های پراهمیت به ویژه از نظر مقدار مرکزیت نزدیکی، در تجزیه و تحلیل آسیب پذیری خوشه بندی بسیار موثر است.