本文以社交媒体中的极端化传播为背景，研究如何通过微小且隐蔽的扰动来破坏一个简单社会网络模型的稳定性。研究基于Taylor经典社会影响模型，利用鲁棒控制理论中的动态结构函数（DSF）工具，识别能够定性改变系统行为且尽可能不引人注意的扰动。作者考察了两类场景：对现有连接施加扰动，以及向网络添加新连接。在每种情况下，他们都找到了最小范数的失稳扰动，并模拟了其效应。令人瞩目的是，针对网络结构的微小但精准的改动可能导致所有智能体（agents）极端化，表明集体行为的大规模转变可以由社会影响中相对细微的调整触发。由于识别这种无害但失稳扰动的方法适用于任何合适的动态系统，本文强调了需要在真实系统（如真实社交网络）上进行类似分析，以发现可能已经存在此类动态的位置。该研究对理解社交媒体中极端化传播机制、设计鲁棒社交网络具有理论意义。