从病毒到社交机器人 研究人员发掘了被攻击网络

从病毒到社交机器人 研究人员发掘了被攻击网络

时间:2020-02-14 16:54 作者:admin 点击:
阅读模式 14:38:37 从病毒到社交机器人 研究人员发掘了被攻击网络的结构

人体的机制非常奇妙,但它们并没有放弃所有的秘密。为了真正战胜人类疾病,至关重要的是要了解最基本的情况。

细胞的基本功能是由蛋白质分子完成的,蛋白质分子以不同的复杂性相互影响。病毒进入人体后,会破坏它们的相互作用并对其进行复制。这是遗传疾病的基础,了解病毒的运行方式非常重要。

诸如病毒之类的对手激发了明谢电气与计算机工程学系副教授Paul Bogdan以及最近的博士学位。USC网络物理系统小组的研究生Yuanyuankun Xue来确定它们与人体内蛋白质的相互作用的精确程度。博格丹说: 我们试图用数学模型重现这个问题。 他们于4月初在《自然通讯》杂志上发表了突破性的统计机器学习研究,题为 针对对抗性干预重建缺少的复杂网络 。

获得博士学位的薛 去年在电气和计算机工程领域获得了2018年度最佳论文奖的博士说: 了解关键蛋白质和基因的无形网络具有挑战性,对于设计针对病毒甚至癌症等疾病的新药或基因疗法至关重要。

蛋白质相互作用网络 将每种蛋白质建模为 节点 。如果两种蛋白质相互作用,则存在 边缘 将它们连接起来。Xue解释说: 病毒攻击类似于删除该网络中的某些节点和链接。 因此,原始网络不再可见。

博格丹说: 某些网络是高度动态的。它们变化的速度可能非常快或非常慢。 我们可能没有传感器来获得准确的测量结果。无法观察到部分网络,因此变得不可见。

为了追踪病毒攻击的效果,Bogdan和Xue需要通过找到不可见部分的可靠估计来重建原始网络,这并非易事。Bogdan说: 挑战在于您看不到链接,看不到节点,也不知道病毒的行为。 为了解决这个问题,Xue补充说: 诀窍是依靠统计机器学习框架来跟踪所有可能性并找到最可能的估计。

与先前的研究形成鲜明对比的是,该实验室的新颖贡献在于,他们将攻击或 对抗性干预 的影响和因果关系积极地纳入了他们的学习算法,而不是将其视为随机抽样过程。Bogdan解释说: 它的真正力量在于它的通用性-它可以与任何类型的攻击和网络模型一起工作。

由于他们提出的框架的通用性,他们的研究在生态,社会科学,神经科学和网络安全等各个领域,对涉及对抗性攻击的任何网络重建问题都有着深远的应用。他们的论文还证明了其确定巨魔和机器人对社交媒体用户的影响的能力。

Bogdan计划通过试验各种攻击模型,更复杂和变化的数据集以及更大的网络规模来扩展其工作,以了解其对重构网络的影响。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。 相关文章 点击排行