一种基于异构传播图的跨平台虚假信息传播树重构与溯源方法

本发明属于网络安全与虚假信息检测，具体涉及一种面向社交媒体传播链的传播树重构与虚假信息来源追溯方法。

背景技术：

1、随着社交媒体的快速发展，虚假信息借助转发、引用、评论等交互形式快速扩散，对社会秩序构成严重威胁。传播树重构，即从观测数据中恢复"谁传播给了谁"的传播链，是实现可解释溯源的关键前提。现有技术在该领域仍存在以下待改进之处：

2、一、传播树重构被降级为辅助任务，且源头定位与路径重构分阶段独立执行。  现有方法普遍将传播树作为谣言检测分类器的输入特征而非独立输出，例如coling 2025论文及cn118568261b仅输出"真/假"标签，cn119130688a仅定位源点而不重构后续传播路径。此外，源头定位与路径重构分阶段独立处理——定位阶段不考虑路径完整性，重构阶段依赖不准确的源点假设，导致两项任务误差累积、无法协同优化，溯源结果缺乏可解释性。

3、二、传播关系建中多维度信息利用有待进一步融合。 域名可信度被作为静态属性使用，无法随虚假引用次数动态下调；时间信息仅简化为单一间隔权重，未在节点、边、注意力层面深度融合；文本、url等多模态信息仅用于节点特征增强，未用于传播边真实性判别，限制了路径判别的准确性。

4、三、不完整观测下重构精度有待提高，多源传播场景需要进一步适配。 真实数据常存在转发缺失、时间模糊等问题，现有方法（bi-gcn、tree-transformer等）依赖完整显式转发关系，数据缺失时重构树极易断裂或错位。此外，虚假信息常呈多源并行扩散，而现有单源假设方法既无法识别多源，也无法将后续节点正确归属至各源头。

5、四、跨平台传播关联机制尚不完善。 信息通过截图、复制粘贴、外链引用等跨平台扩散时，平台间无api级转发记录，传统方法将各平台事件视为孤立数据，无法建立跨平台传播映射，难以追溯改写、搬运路径。

6、综上所述，现有技术缺乏一种在部分观测、多源交织环境下，以传播树重构为目标、融合精细化建模与多维度判别、输出可解释证据链的方案。如何在转发关系缺失条件下推断可信传播结构、实现源头定位与路径重构协同优化、建立跨平台传播关联，是本领域需要进一步研究的问题。

技术实现思路

1、本发明提供了一种基于异构传播图的跨平台虚假信息传播树重构与溯源方法，旨在解决现有技术中，在部分观测、多源交织、跨平台传播关系缺失条件下，难以推断可信传播结构，以及无法输出可解释跨平台溯源证据链的问题。

2、为了解决上述技术问题，本发明所采用的技术方案为：

3、一种基于异构传播图的跨平台虚假信息传播树重构与溯源方法，包括：

4、s100、获取多个社交媒体平台上的传播事件数据，所述数据包括用户发布信息记录、转发记录、评论记录、引用记录、时间戳、用户信息、信息内容、图片、截图或媒体附件信息、url引用记录以及平台标识信息；

5、其中，平台标识信息用于表示信息节点所属平台。对于跨平台传播场景，若不同平台之间不存在显式转发接口，则通过url跳转、外链引用、账号提及、话题标签、文本语义相似度、命名实体重叠、图片感知哈希或账号关联关系推断潜在跨平台传播关系；

6、s200、基于s100获取的数据，构建异构传播图。其中：

7、节点v包括信息节点（对应帖子）、用户节点和域名节点。信息节点的初始特征为文本特征、时间特征与平台属性特征的拼接；用户节点的初始特征为认证状态、粉丝数对数、历史发帖数与可学习用户嵌入的拼接；域名节点的初始特征包含初始可信度，计算公式为：

8、；

9、其中,为icp备案状态；为ssl证书等级；为域名注册时长归一化值；搜索引擎收录状态；为威胁情报评分；本发明不单独创建平台节点，而是为每个平台建立平台属性嵌入和平台对传播先验矩阵。

10、边e包括八类有向边：发布边、转发边、评论边、引用边、域名引用边、关注边、时间近邻边、跨平台传播边。其中，时间近邻边在任意两个发布时间差绝对值小于预设时间阈值且无其他关系的节点之间建立，权重为，其中为预设衰减率且和采用一致的时间单位。

11、跨平台传播边用于表示不同平台信息节点之间的潜在传播关系，以刻画截图传播、复制粘贴传播等无显式api转发记录的跨平台传播现象。

12、传播树重构所用的信息节点候选传播边方向统一为由较早发布时间的信息节点指向较晚发布时间的信息节点；异构传播图中的用户—信息、信息—域名等语义边可按照其关系语义设置方向。跨平台传播边仅作为候选传播关系，不表示确定传播关系，其最终是否被选入传播树由 s500的传播概率计算和最大有向分支求解决定。

13、r是边类型的有限集合，定义异构图中所有可能的语义关系。对于图中任意一条边，都存在一个映射，将其唯一映射到中的一种类型。

14、对于每种边类型，设置独立的参数化聚合函数，并引入可学习的边类型重要性权重

15、；

16、其中边类型标签，；为边类型的独热编码；为可学习的2层全连接网络，将8维输入映射为8维重要性分数；将分数归一化为概率分布。

17、使模型能够区分平台内直接转发、隐式时间近邻传播和跨平台传播等不同传播关系的贡献。

18、s300、基于s200构建的传播图，对节点和边以及平台属性进行编码，生成融合时间、关系、域名和平台信息的边特征。

19、对于节点的时间戳（归一化至[0,1]），采用正弦/余弦位置编码生成绝对时间嵌入。对于维度索引，编码公式为：

20、

21、

22、其中为预设编码维度，该编码能够保留时间戳的全局位置信息。

23、对于候选边，定义时间差（单位：秒）。为了压缩长尾分布并增强模型对时间间隔的感知，首先进行对数变换，再通过多层感知机映射为相对时间嵌入：

24、

25、

26、其中为2层全连接网络。

27、将时间戳划分至三个粒度的离散桶中以捕捉不同尺度的时间模式。分钟级桶将1小时划分为6个10分钟桶，；小时级桶将1天划分为24个小时桶，；天级桶将时间窗口划分为7个天桶，。将上述三个嵌入向量拼接，得到多粒度时间向量：

28、

29、对于平台属性，构建平台嵌入：

30、

31、其中，平台嵌入包括平台类型编码、平台审核强度先验、平台传播速度先验和平台内容形态先验。平台审核强度先验用于表征平台对虚假信息或敏感信息的干预程度，平台传播速度先验用于表征平台内信息扩散速度，平台内容形态先验用于表征该平台以文字、图片、视频或混合内容为主的内容特征。

32、对于跨平台传播场景，本发明在边特征中引入跨平台变形成本，用于量化信息从一个平台传播到另一个平台时发生的内容变形程度。变形成本定义为：

33、

34、其中，为语义相似度，为文本长度差异归一化，为表达风格差异（如正式或非正式用语比例），为平台对传播先验置信度，为预设权重系数。

35、最终，将关系类型编码、相对时间嵌入、多粒度时间向量以及源节点域名来源特征向量、目标节点域名来源特征向量、源节点平台嵌入和目标节点平台嵌入进行融合，生成边特征：

36、

37、其中为关系类型编码，为相对时间嵌入，为多粒度时间向量，为域名来源特征向量，分别为节点和节点所属平台的嵌入，为跨平台变形成本；若节点未引用域名，则对应域名来源特征向量填充为零向量。

38、通过上述方式，时间与平台信息共同参与节点表示与边判别，变形成本用于区分改写搬运与独立原创内容。

39、s400、基于s200的传播图结构和s300的边特征，通过图神经网络更新节点表示:

40、其中；

41、在节点表示更新后，执行域名正向调制和平台正向调制；域名来源可信度后验更新和平台传播先验后验更新在 s600 的训练或离线更新阶段执行。

42、执行域名正向调制：初始化域名可信度，所述初始可信度包括icp备案状态、ssl证书等级、域名注册时长、搜索引擎收录状态和威胁情报评分。在异构传播图中插入域名节点，建立信息节点到域名节点的引用边。域名正向调制中，域名节点特征通过注意力机制影响引用该域名的信息节点的表示：

43、，

44、其中，为经过域名正向调制后的信息节点表示，为信息节点表示，为可学习的域名投影矩阵，为域名注意力权重，为信息节点所属域名的嵌入表示。

45、平台正向调制中，平台属性嵌入通过注意力机制影响属于该平台的信息节点表示：

46、。

47、其中，为信息节点所属平台的嵌入表示，为可学习的平台投影矩阵，为平台注意力权重，为经过平台正向调制后的信息节点表示。

48、源点预测子网络为一个2层mlp，输入节点为，输出作为传播源点的概率，训练时与协同优化。

49、s500、基于s400的节点表示，对于每个信息节点v，构造候选父节点集合。候选边必须同时满足时序约束、传播延迟约束和关联约束：

50、时序约束：；

51、传播延迟约束：，

52、在预设最小传播延迟与预设最大传播延迟之间。和分别为节点u和节点v所属平台。当时，采用平台内传播延迟阈值；当时，采用平台对传播先验库中的动态跨平台传播延迟阈值:

53、

54、其中，和为平台对传播先验参数库中存储的跨平台传播延迟统计量，与变形成本公式中的（置信度先验）为同一参数库中的不同字段。

55、关联约束包括平台内关联约束和跨平台关联约束。

56、平台内关联约束：节点与之间存在转发、引用、评论、关注关系，或文本内容余弦相似度大于预设相似度阈值，或引用同一域名且时间差小于预设时间阈值；

57、跨平台关联约束包括：存在url跳转、外链引用、账号提及或话题标签对应关系；发布账号被识别为跨平台关联账号；不同平台信息节点之间的语义相似度大于跨平台语义相似度阈值；共享命名实体、图片感知哈希、关键短语n-gram或url规范化指纹中的至少一种。

58、对于每条候选边，将父节点表示、子节点表示、候选边特征、文本语义相似度和url结构相似度 输入边预测网络，得到候选边的基础传播概率：

59、

60、其中mlp为多层感知机，输出值经 sigmoid 激活后表示候选边 为真实传播边的基础概率。在一个实施例中，父节点表示和子节点表示均为128维，候选边特征为153维，文本语义相似度和 url 结构相似度各为1维，则边预测网络输入维度为411维。

61、在得到基础传播概率后，引入时间衰减权重和跨平台传播修正项。

62、引入时间衰减注意力权重，以降低长时间间隔传播的可信度：

63、

64、其中为图注意力网络输出的原始注意力得分，为预设衰减率，为传播时间差（小时）。

65、对于跨平台传播边，进一步结合平台对传播先验权重和跨平台变形成本修正项。跨平台变形成本定义为：

66、

67、其中，为语义相似度，为文本长度差异，为表达风格差异，为平台对传播先验,、为预设权重。

68、对于跨平台传播边，基于基础传播概率、时间衰减权重、平台对传播先验和跨平台变形成本得到修正传播概率为：

69、

70、对于平台内传播边，基于基础传播概率和时间衰减权重得修正传播概率为：

71、

72、以候选父节点集合和带权重的传播概率为基础，构造有向带权图，将传播树重构建模为求解最大有向分支结构问题：

73、

74、为兼容单源与多源传播场景，在候选有向带权图中引入虚拟节点r，并从r指向每个信息节点v建立虚拟源边，虚拟源边权重由源点预测子网络输出。随后在包含虚拟源节点的有向带权图上采用 edmonds 算法求解最大有向分支结构。求解完成后，删除虚拟源节点及其虚拟源边；与虚拟源节点相连的信息节点作为候选源点，剩余边集构成一个或多个传播子树。虚拟源边权重中引入源点惩罚项或源点数量正则项，以避免候选源点数量异常膨胀。当候选源点数量为一个时，输出单源传播树；当候选源点数量大于一个时，输出多源传播森林。

75、s600、域名来源可信度后验更新和平台传播先验后验更新在模型训练阶段或离线更新阶段执行（普通在线推理阶段不更新）。基于 s500 得到的传播树或传播森林（后统称为“传播结构”）及辅助分类结果，执行域名来源可信度后验更新和平台传播先验后验更新。域名反向调制中，传播树重构完成后，计算引用域名d的所有信息节点的平均虚假概率，更新域名可信度后验值：

76、，

77、其中为学习率，为上一轮域名可信度，平均虚假概率来自“辅助分类头、事实核查标签或人工审核结果”，用于保证可信度落在[0,1]，后验值存入域名来源可信度参数库供下次域名正向调制使用，供后续事件溯源时使用；

78、平台反向调制中，传播树重构完成后，计算平台p上所有信息节点的平均虚假概率 ，并更新平台传播先验后验值：

79、，

80、其中，为平台p的上一轮传播先验值，为平台传播先验更新学习率，为平台p上所有信息节点的平均虚假概率。更新后的平台传播先验值存入平台传播先验参数库，供后续平台正向调制使用；

81、输出传播结构可视化结果及跨平台溯源证据链，包括：候选源头节点及置信度；边权重最高的若干条关键传播路径；跨平台桥节点列表，按下游子树规模、平均传播概率或跨平台传播次数排序；平台贡献分析结果，包括源发平台、放大平台和终端平台；关键域名贡献列表，根据域名可信度后验值变化量、被虚假信息引用比例及关联边权重确定；关键时间点及事件描述，通过传播速率一阶差分检测得到；跨平台传播阶段划分结果，包括平台内孕育阶段、首次跨平台传播阶段、多平台扩散阶段和衰减阶段；反事实解释，包括模拟移除目标节点、目标域名、目标平台或目标跨平台传播边后，重新计算最大有向分支结构并输出源点概率、传播规模或跨平台传播概率的变化量。

82、进一步的方案：上述s200-s500中的可学习参数通过以下方式训练：利用已标注完整传播树的历史事件数据，或利用显式交互关系、人工审核结果和弱监督规则生成的传播边标签及源点标签，最小化联合损失函数，其中、、为预设权重系数。训练完成后，对新的跨平台传播事件执行s100至s600，即可输出跨平台联合传播树和可解释溯源证据链。

83、本发明的有益效果为：

84、1、本发明以传播结构重构作为直接输出目标，而非仅将传播结构作为虚假信息分类特征使用。通过输出候选源点、关键传播路径及跨平台桥节点，能够为虚假信息溯源提供可追踪、可展示的传播链结构，从而提高溯源结果的可解释性。

85、2、本发明针对跨平台场景中缺少显式转发记录的问题，基于发布时间先后关系、文本语义相似度、url 规范化指纹、命名实体重叠、图片感知哈希和账号关联关系构造候选跨平台传播边，使不同平台上的相似内容不再被视为相互孤立的传播事件，从而提高跨平台传播路径推断的可行性。

86、3、本发明通过时序约束、传播延迟约束、平台内关联约束和跨平台关联约束构造候选父节点集合，并结合多粒度时间编码、时间衰减权重和跨平台变形成本计算候选传播边概率，能够降低仅依据单一时间相近或文本相似造成的错误连边风险，提高传播边判别的可靠性。

87、4、本发明在候选有向带权图中引入虚拟源节点，并采用最大有向分支求解方式生成单源传播树或多源传播森林，使模型能够在候选边集合范围内进行全局路径选择，避免单纯局部贪心选择父节点导致的传播链断裂或路径错配问题。

88、5、本发明通过域名来源特征、平台传播先验和反事实扰动分析生成溯源证据链，所述证据链包括关键域名、关键平台传播贡献、关键时间点和移除目标节点或目标边后的传播结果变化量，能够辅助用户理解候选源点和关键传播路径的形成原因，提高溯源结果的可验证性。