스마트 소셜 네트워크를 위한 자기학습 정보 확산 모델

초록

본 논문은 스마트 노드와 일반 노드, 진실·거짓 메시지를 구분하는 두 종류의 정보를 고려한 새로운 확산 모델을 제시한다. 노드 간 신뢰도는 수신한 메시지의 진위에 따라 증감하는 자기학습 메커니즘을 도입해 네트워크가 시간이 지남에 따라 진실 메시지를 더 많이 전파하고 거짓 메시지는 억제하도록 진화한다. 체인·스타 토폴로지를 이론적으로 분석하고, 사회적 계층화와 교차 이점(crossover advantage)의 발생을 증명했으며, 시뮬레이션을 통해 결과를 검증한다.

상세 분석

이 연구는 기존의 정보 확산 모델이 갖는 ‘동질적 노드·동질적 메시지’ 가정을 탈피한다. 먼저, 네트워크를 스마트 노드(S)와 일반 노드(O)로 구분하고, 메시지는 진실(1)과 거짓(0) 두 종류로 정의한다. 스마트 노드는 수신한 메시지의 진위를 정확히 판단해 진실이면 전파 확률 η, 거짓이면 전파를 차단한다. 반면 일반 노드는 신뢰도 가중치 w_{jk}에 비례해 무작위로 선택된 인접 이웃의 행동을 모방한다. 여기서 w_{jk}는 ‘j→k’ 방향의 신뢰도를 의미하며, 초기값 0.5에서 시작한다.

핵심은 자기학습 메커니즘이다. 각 전파 라운드 후, 메시지가 진실이면 해당 링크의 가중치를 Δ(=0.01)만큼 증가시키고, 거짓이면 동일하게 감소시킨다. 가중치는 0≤w≤1 범위 내에서 유지되며, 최소 전이 확률 δ(=0.01)를 두어 완전 차단을 방지한다. 이 과정은 네트워크 전체에 걸쳐 반복되며, 일정 횟수(M) 혹은 가중치 수렴 시 종료된다.

논문은 세 가지 성능 지표를 도입한다. 진실 메시지 전파 능력(TTA) = N_T/N, 거짓 메시지 전파 능력(FTA) = N_F/N, 그리고 정보 필터링 능력(IF A) = (TTA − FTA)/TTA. IF A가 클수록 네트워크가 진실을 효과적으로 증폭하고 거짓을 억제한다는 의미다.

이론적 분석에서는 체인과 스타 구조를 대표적인 모티프로 선택한다. 체인에서는 스마트 노드가 한쪽 끝에 위치할 때, 거리 d에 따라 w가 점진적으로 감소해 멀리 있는 일반 노드는 스마트 노드의 영향력을 약하게 받는다. 결과적으로 진실 메시지는 스마트 노드에 가까운 노드들에 의해 더 많이 전파되고, 이는 ‘사회적 계층화’ 현상으로 해석된다. 반면 스타 구조에서는 중심에 스마트 노드가 있을 경우, 모든 말단 노드가 동일한 높은 신뢰도를 부여받아 진실 전파가 급격히 확대된다.

또한 두 개의 체인 네트워크를 하나의 교차점(edge)으로 연결했을 때, 교차점에 위치한 노드와 그 인접 노드들의 신뢰도가 상호 강화되면서 ‘교차 이점(crossover advantage)’이 발생한다. 이는 네트워크 간 연결이 개별 네트워크보다 더 큰 사회적 영향력을 창출한다는 것을 보여준다.

시뮬레이션 결과는 이론적 예측과 일치한다. 자기학습이 적용된 경우 IF A가 크게 상승하고, 진실 메시지의 평균 전파 거리와 전파 횟수가 증가한다. 반대로 거짓 메시지는 전파가 조기에 차단되어 전체 전파량이 감소한다. 특히, 스마트 노드 비율이 낮아도 충분한 학습 라운드가 진행되면 네트워크 전체가 ‘스마트화’되는 현상이 관찰된다.

이 모델은 기존 SIR·SIS와 같은 전통적 확산 모델에 신뢰 기반 학습을 결합함으로써, 정보의 질(진실·거짓)과 인간의 인지 능력(스마트·일반) 사이의 상호작용을 정량적으로 분석한다는 점에서 학술적·실용적 의의가 크다. 향후 실제 SNS 플랫폼에 적용하면, 사용자 피드백을 통한 자동 신뢰 조정 메커니즘을 설계해 가짜 뉴스 확산을 억제하고, 신뢰도 기반 추천 시스템을 고도화할 수 있을 것으로 기대된다.