为什么你认识的人，总能通过不超过6个人认识任何人
先验直觉： 在这个有着80亿人的星球上，两个随机选出的陌生人之间应该隔着天南海北的距离。但1967年Stanley Milgram的实验告诉我们：只需平均6个中介，一封信就能从内布拉斯加送到波士顿。更震撼的是——90年代Watts和Strogatz用数学模型证明：这不是巧合，而是任何"既有序又混乱"的网络的数学必然。
2026年7月1日 · 预计阅读 12 分钟
关键词： 六度分隔，小世界网络，Watts-Strogatz模型，网络科学，反欺诈网络
01 Milgram的实验：一封信走多远
1967年，哈佛大学社会心理学家Stanley Milgram设计了一个实验：
他在内布拉斯加州奥马哈市随机选了160个人，每人收到一个包裹，目标送到波士顿的一位股票经纪人手中。规则很简单：你只能把包裹寄给你认识的、可能离目标更近的人。
结果让人震惊。
大多数信件在5-6步内到达目标。中位数仅6步。
Milgram据此提出了"小世界"假说：任何两个人之间，平均只隔着6个人。 这就是"六度分隔"（Six Degrees of Separation）的起源。
实验的局限
Milgram的实验后来被批评有几个问题：
- 296封信中只有64封（21.6%）最终到达——大多数在中途就断了
- 参与者的选择有偏——更活跃、社交更广的人更可能参与
- 目标是一个特定的股票经纪人——不是"随机陌生人"
但后续几十年里，不同国家、不同方法的重复实验不断得到类似结果。1998年，Duncan Watts对Milgram的实验做了数字化重做——用电子邮件传了6万多人，发现平均路径长度为5-7步。2008年，微软用3亿MSN用户的消息记录计算，得到平均路径长度6.6。
六度分隔不是一个"实验误差"——是网络的数学结构本身决定的。
02 三种网络：规则、随机与小世界
为什么六度分隔是"必然"的？Watts和Strogatz在1998年的Nature论文中用了一个极简的模型来解释。
想象三种网络结构：
规则网络（左）： 每个节点只和最近的k个邻居相连。你只认识你身边有限的人。聚类系数（你朋友的朋友还是你朋友的概率）很高，但路径很长——从一个节点到另一个节点需要跨越很多步。
随机网络（右）： 每个节点随机连接到其他节点。路径极短——但聚类系数也极低，意味着你朋友的朋友几乎不会互相认识。
小世界网络（中）： 正好在两者之间。保留了规则网络的高聚类——你的朋友大概率也互相认识——同时又因为少数"捷径"连接了遥远的圈子，路径被大幅缩短。
关键洞察
Watts和Strogatz的模型只有一个参数：重连概率p。从p=0（完全规则）到p=1（完全随机）：
注意这个图的关键：当p很小时（0.01左右），平均路径长度已经骤降到接近随机网络的水平，但聚类系数几乎没降。
这就是六度分隔的数学机制——只需要少数几条"捷径"，就能在不破坏高聚类的前提下，大幅缩短全局距离。
你认识你的邻居们（高聚类），但你有一个朋友在国外工作（捷径），国外那个朋友又有另一个圈子——三步之内，你已经跨越了三个完全不同的社交圈。
03 反欺诈中的小世界：比你想象的更近
六度分隔不是社交网络的专利——它适用于任何复杂网络，包括欺诈关联网络。
想象一个典型的反欺诈场景：三个看起来独立的欺诈团伙。
团伙A（红色）： 设备共享型——10个人共用同一套设备指纹。内部连接紧密，60%的成员之间有直接关联。
团伙B（蓝色）： 电话号码共享型——10个人交叉使用几组号码做联系人验证。
团伙C（绿色）： IP地址关联型——松散关联，但共享少数出口IP。
单独看，这三个团伙是"独立案件"。但在关联图中，它们通过少数"桥接"节点被连接起来了——可能是一个共用的收货地址、一个共同的中介联系人。
40个节点的模拟欺诈网络中，平均路径长度仅3.21步——任何两个欺诈者之间只需约3步就能关联起来。而聚类系数0.273说明团伙内部确实紧密。
这对反欺诈意味着什么？
| 应用 | 意义 |
|---|---|
| 团伙发现 | 一个看似孤立的申请人，可能距离已知欺诈团体只需1-2步。孤立≠安全。 |
| 关联深度 | 传统规则引擎通常只查"直接关联"（1跳）。但小世界特性意味着3-4跳的关联仍然有发现价值。 |
| 信息共享 | A机构发现的欺诈账号，在B机构的关联网络中可能也在1-2步内可达。 |
| 风险传播 | 欺诈模式通过弱连接（桥接节点）在团伙间传播。拆掉桥接节点可能比拆掉整个团伙更有效。 |
04 小世界网络的数学量化
Watts-Strogatz模型给出了两个关键指标来量化"小世界程度"：
平均最短路径长度 L
其中d(i,j)是节点i到j的最短路径步数。L越小，网络越"小"。
聚类系数 C
其中k_i是节点i的度数，e_i是k_i个邻居之间实际存在的边数。C越高，网络越"抱团"。
小世界判据
一个网络被判定为"小世界"当且仅当：
- L ≈ L_random（路径长度和随机网络差不多）
- C >> C_random（聚类系数远高于随机网络）
看一个500节点的小世界网络的路径分布：
在这个500节点的模拟网络中：
- 平均路径长度仅约3.5步——500个节点中任意两人之间只需几步
- 95%的节点对在6步内可达——六度！
- 中位数仅3-4步
这意味着：随着网络规模增加，路径长度增长极慢（对数增长）。 即使扩大到80亿人，平均路径也不过再增加几步。
05 数学文化：从Milgram到Watts——六度分隔的50年
1967年，Milgram的"小世界实验"发表。它的结果在当时被称为"社交网络的惊人发现"。但Milgram的解释是社会心理学层面的——他没有数学模型。
1980年代，社会学家Mark Granovetter发表了他著名的论文"The Strength of Weak Ties"（弱连接的力量）。他提出：你圈子里的强连接（朋友、家人）不会给你带来新信息；真正带来机会和新连接的，是那些弱连接（点头之交、曾经的同学）。 这与Watts后来的模型不谋而合——小世界网络中的"捷径"就是Granovetter说的弱连接。
1998年，物理学家Duncan Watts和数学家Steven Strogatz在Nature上发表了他们的小世界网络模型。这是网络科学史上的转折点——用数学模型解释了一个社会现象。 他们的论文被引用了超过5万次。
2000年代，Barabási发现了无标度网络（scale-free networks）——真实网络的度分布服从幂律，而非规则或随机网络的正态分布。六度分隔不只是一个"小世界"现象——它还是"少数节点拥有大量连接"的幂律结构的结果。Facebook的"一度分隔"（好友数）服从幂律——有人有5000好友，有人只有50。但那50个好友中可能有一个连接了5000好友圈子的人——一步跨入大城市。
现在， 六度分隔已是常识。但它的数学内核——少量随机边就足以在不破坏局部结构的情况下大幅缩短全局距离——仍然是网络科学的基石，应用在从流行病传播到反欺诈关联分析的无数领域。
06 关键要点
- Milgram实验的中位数是6步——六度分隔不是传说，是重复验证的网络结构特性。
- 小世界的数学机制——仅需少量"捷径"边，就能在不破坏高聚类的前提下大幅缩短路径。
- Watts-Strogatz相变——在p≈0.01时，路径已接近随机网络，但聚类还保持在规则网络水平。这个窗口就是"小世界"。
- 反欺诈启示——欺诈关联网络同样是小世界。3-4跳的关联仍然有发现价值，规则引擎只查1跳可能漏掉大量关联。
- 弱连接的威力——Granovetter指出，带来新信息的是"弱连接"（偶尔联系的人），不是强连接（家人挚友）。
- 网络规模对数增长——500个节点的平均路径约3.5步。扩大到80亿，也不过约6-7步。这是对数增长的结果。
- 桥接节点比核心节点更关键——在反欺诈网络中，拆掉桥接两个团伙的"中间人"可能比拆掉一个团伙本身更有效。
- 聚类系数 vs 路径长度——两个指标一起看才是完整画像。高聚类≠长路径（小世界），低聚类≠短路径（随机）。
- Facebook的真实平均距离约4.5步——电子社交网络比现实世界更小，但仍然遵循对数增长。
- 六度分隔不是因果链路——你能通过6步联系到任何人，不意味着你能通过这6步"影响"他。每个节点有自己的意图和决策。
完整内容请关注公众号「QIAN数据 · AI工具实验室」