从病毒到社交机器人 研究人员发现了受攻击网络的结构

人体的机制是奇妙的,但他们并没有放弃所有的秘密。为了真正克服人类疾病,了解最基本水平的情况至关重要。

细胞的基本功能由蛋白质分子进行,蛋白质分子以不同的复杂性相互作用。当病毒进入体内时,它会破坏它们的相互作用并操纵它们进行自身的复制。这是遗传病的基础,了解病毒如何运作是非常有趣的。

像病毒这样的对手激发了明谢谢电子与计算机工程系副教授Paul Bogdan和最近的博士学位。来自USC网络物理系统小组的毕业生Yuankun Xue,确定他们与人体内蛋白质的相互作用。“我们试图用数学模型重现这个问题,”波格丹说。他们开创性的统计机器学习研究“重建失败的复杂网络以对抗对抗性干预”,发表在今年4月早些时候的自然通讯杂志上。

 

薛博士获得博士学位。去年获得2018年最佳论文奖的电气和计算机工程学院表示:“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极为重要。”

“蛋白质相互作用网络”将每种蛋白质模拟为“节点”。如果两种蛋白质相互作用,则会有一条连接它们的“边缘”。薛解释说:“病毒攻击类似于删除该网络中的某些节点和链接。”因此,原始网络不再可观察。

“有些网络是高度动态的。它们变化的速度可能极快或极慢,”波格丹说。“我们可能没有传感器来获得准确的测量结果。部分网络无法被观察到,因此变得不可见。”

为了追踪病毒攻击的影响,Bogdan和Xue需要通过找到对隐形部分的可靠估计来重建原始网络,这不是一件容易的事。波格丹说:“挑战在于你没有看到链接,你没有看到节点,也不知道病毒的行为。”为了解决这个问题,薛补充说:“诀窍是依靠统计机器学习框架来追踪所有可能性并找到最可能的估计。”

与之前的研究形成鲜明对比的是,实验室的新颖贡献在于,他们积极地将攻击的影响和因果关系或“对抗性干预”纳入他们的学习算法,而不是将其视为随机抽样过程。波格丹解释说,“它的真正力量在于它的普遍性 - 它可以适用于任何类型的攻击和网络模型。”

由于其提出的框架的普遍性,他们的研究对涉及对抗性攻击的任何网络重建问题具有深远的应用,涉及生态学,社会科学,神经科学和网络安全等多个领域。他们的论文还证明了它有能力确定巨魔和机器人对社交媒体用户的影响。

Bogdan计划通过试验一系列攻击模型,更复杂和变化的数据集以及更大的网络规模来扩展他们的工作,以了解它们对重建网络的影响。