USC 算法突破：可同时识别疾病集群与欺诈网络

南加大维特比工程学院教授 Emilio Ferrara 团队在"社群检测"（community detection）难题上取得突破。该问题旨在于由数百万人、细胞或蛋白质构成的网络中找出彼此紧密连接的"群落"，直觉上简单，但在真实、庞杂且富含信息的大规模数据上却极难求解。长期以来，能处理百万级节点的算法往往只看网络的连接结构，抛弃了个人档案、文本与行为信号；而能利用这些丰富信息的算法，一旦面对数千节点以上便"力不从心"，研究界一度把这视为无法调和的取舍。Ferrara 团队的新方法打破了这一僵局，使"规模"与"信息丰富度"得以兼得。据介绍，这一进展可广泛应用于识别疾病集群、加密货币交易中的欺诈网络、脑扫描分析等领域——从公共卫生预警到金融风控，凡是"在海量关系中找出异常抱团"的问题，都可能受益。