无标度网络上SEIQ类疾病传播行为分析

在假定网络节点保持不变的情况下,建立了无标度网上具有潜伏节点且潜伏节点和感染节点均具有传染性,同时采取隔离措施的传染病模型,即SEIQ模型。并利用平均场理论对疾病传播行为进行了解析研究,求出了与网络拓扑结构、隔离率、潜伏期变为染病者的比率等因素有关的疾病传播临界条件,分析可得：当该临界条件小于1时,疾病发展为地方性疾病,当其大于1时,疾病消亡。然后,对该模型进行计算机数值仿真。仿真结果与理论分析相吻合,证明了传播阈值的存在性。     

基于异质移动网络的破坏性病毒传播模型

针对现有研究没有考虑移动网络节点异质性与没有构建破坏性病毒传播模型的问题,提出一个基于异质移动网络的破坏性病毒传播模型。通过考虑移动网络节点的异质性,进一步将易感染状态划分为新系统状态和旧系统状态,并结合破坏性病毒的潜伏与爆发特性将感染状态划分为潜伏状态和爆发状态。计算了模型的平衡点与传播阈值,并指出当传播阈值大于1时,模型在正平衡点处不稳定;当传播阈值小于1时,模型在正平衡点处局部渐近稳定。在NW小世界网络和BA无标度网络上进行仿真对比实验,仿真结果表明,两个网络的病毒传播速度不同,NW网络存在病毒完全消除的情况,而BA网络中的病毒不会被完全清除。     

基于元胞自动机的小世界网络病毒传播研究

人际网络具有小世界特征,拥有高聚类系数、短平均路径等特点。为研究病毒在小世界网络中的传播动力学及全局预警下节点的自主抑制行为,本文基于元胞自动机理论,提出一种小世界网络上的元胞自动机病毒传播模型。结合云模型,模型中节点在病毒传播过程中拥有断开与重连的自适应性,拥有节点危害性认识能力,可参照全局预警,运用层次分析法,对高危节点主动避让。仿真结果表明,该模型可较好模拟病毒的实际传播,通过全局预警可促使节点对高危节点进行规避,以延缓病毒传播。     

复杂网络上具有多感染阶段的传染病传播模型

针对传染病传播模型缺乏多感染阶段的不足,结合SIR和SEIR两种传播模型的特性,提出了一种改进的具有多感染阶段的SIR传染病传播模型(即SInR模型)。该模型充分考虑了不同感染阶段的非均匀感染力对不同网络结构上传染病传播及传播阈值的影响;同时引入相对感染力及传播时间尺度的概念,从网络结构、网络规模及相对感染力方面进行了仿真研究。仿真中无标度网络采用BA模型的生成算法,而小世界网络采用WS模型的生成算法。由仿真可知,感染节点在整个感染过程中大致服从泊松分布,因此在SInR模型下无标度网络的传播速度更快,范围更广;相对感染力对于传染病的大规模爆发存在着一个阈值,当感染力大于阈值时传染病才能大范围地爆发传播,而小于阈值时传染病只会局域小范围传播直至消失,无标度网络的感染力阈值为0.2,小世界网络的感染力阈值为0.24;随着网络规模的增大,传播时间尺度也在增大,相应的传播速度就会降低。仿真结果表明:该模型下无标度网络传染病传播速度更快且影响范围更大;无标度网络的相对传染力的传播阈值小于小世界网络,设置合理阈值有利于降低传染病的传播影响力。     

考虑节点亲密度的社交网络谣言传播研究

考虑到真实社交网络中节点间亲密程度对谣言传播的影响,提出一种新的SI2R传播模型,建立谣言传播动力学方程组,研究谣言在无标度网络上的传播特性。该模型中不同节点间谣言传播率的非一致性同时取决于节点度与节点间亲密度,理论分析得到了无标度网络上谣言传播阈值表达式。随后,在BA（Barabási-Albert）无标度网络中就节点亲密度对谣言传播过程的影响进行了仿真实验,并利用Twitter和Live Journal两种真实网络数据集对仿真结果进行验证。研究表明,无标度网络中节点间平均亲密度随网络聚类系数的增大而减小,随着网络中节点间平均亲密度增大,谣言传播最终范围变大。研究还发现,节点间亲密度的存在使无标度网络中存在传播阈值,传播阈值随着节点间平均亲密度增大而减小。     

一类新SEIRS模型在BA网络上的传播行为研究

提出了一类新的SEIRS模型:潜伏状态节点以一定概率进入染病状态的同时,以一定概率进入免疫状态。首先利用平均场理论对疾病的传播行为进行了理论分析,得到了疾病传播的临界阈值,证明了疾病的爆发与消亡完全由临界阈值确定。然后通过计算机仿真,验证了理论结果的正确性。实验结果表明增大节点从潜伏状态向免疫状态的转化概率可有效控制疾病的传播。     

考虑远程随机感染的复杂网络上疾病传播行为*

将远程随机感染引入到经典的SIRS模型来研究复杂网络上疾病传播行为,考虑到感染节点在以一定概率把疾病感染到其邻接节点的同时,随机选取网络中一个不存在边连接的非邻接节点,并以一定的远程感染概率进行感染。针对小世界网络和无标度网络,分别采用重连概率相关和度相关的远程感染概率,利用平均场的方法求得改进的SIRS模型在这两种网络上的传播阈值以及稳态感染密度。数值仿真结果表明：对于小世界网络,有效传播率在一定范围内,重连概率对稳态感染密度和传播速度有明显的影响,超过这个范围,重连概率对稳态感染密度的影响可以忽略;而     

社交网络中考虑节点度的演化博弈

在谣言传播过程中,针对度不同的节点具有的辨识能力不同,结合节点度定义一种新的博弈收益,借助博弈论建立一种动态复杂网络演化模型。该模型考虑到谣言传播往往与节点利益相关这一特点,通过引入辨识能力描述不同节点的非一致传播率,研究谣言在该模型上的传播动力学行为,并提出两种谣言抑制策略。随后,利用两种典型网络模型进行仿真实验,并在Facebook真实网络数据中对仿真结果进行验证。研究表明,谣言模糊程度对BA（Barabási-Albert）无标度网络和Facebook网络中谣言传播速率及达到稳定状态所需时间影响较小,随着谣言模糊程度增大,谣言在网络中传播范围变大,相对于WS（Watts-Strogtz）小世界网络,谣言更容易在BA无标度网络和Facebook网络中传播;研究还发现,免疫收益增加值相同时,与BA无标度网络和Facebook网络相比,WS小世界网络中免疫节点的增长幅度更大;此外,通过节点危害程度进行抑制比通过博弈收益进行抑制具有更好的谣言抑制效果。     

基于计数排序的最小种子集贪心算法

网络最小种子集问题与网络影响最大化问题相关,研究的是对于具有节点阈值的网络,构造网络的最小节点子集,使得如果这个子集中的节点是活的,则在给定的影响传播模型下整个网络都受到影响。为此提出了新的贪心算法,以节点的度与阈值的差为关键值对网络节点进行计数排序,然后取值最小的节点进行处理。新算法在时间复杂度上改进了基于最小堆的种子点选取算法。在简单多数阈值模型上针对经典的无标度网络得到了所构造的种子集规模上界。实验在随机生成网络和一些实际网络数据集上进行,结果表明所提方法的有效性,特别在无标度网络上生成的种子集具有比相关算法更小的规模。     

基于拓扑路径的网络演化传播机制研究

现有的社会网络信息传播模型主要分析传播的途径,将传播过程与节点的度相结合,而传播媒介常常被忽略。在现实世界的网络中,传播源作为一个物理传播媒介通常由特定的路径从一个节点传播到另一个节点(基于路径的传播)。本研究不再局限于节点的总体行为分析,而是分别考虑每个节点的状态转换,用连续状态的马尔科夫链分析来模拟传播源和路径对传播行为的影响。该方法通过引入平均场近似,将基于路径的传播机制的计算复杂度从指数级别降低到多项式级别;定义了同时包含路由选择和交通信息的传播特性矩阵,并得出了基于路径传播的关键传播阈值。当有效传播率低于关键传播阈值时,传播就会逐渐消亡,因此可以运用该关键传播阈值来促进或抑制基于路径的传播。最后,除了随机无标度网络,引入了现实世界网络交通作为研究案例来对比基于连接和基于路径的传播行为,结论表明所提模型在社交网络中的传播具有高度持续性和极强的稳定性。     

一类SIQR传染病模型在无尺度网络上的传播行为分析

研究了无尺度网络中的具有隔离项的SIQR传染病模型,利用平均场理论对疾病的传播进行了研究分析,经过计算得到了疾病传播的临界条件R0,证明了最终疾病的消失或者爆发是由临界值来决定的。然后,通过计算机仿真表明降低感染状态的感染率和提高染病节点的隔离率可以有效地控制该类传染病的传播。     

适应网络病毒传播的SIS离散模型

为有效地模拟病毒在适应网络中的传播,分析了当前适应网络病毒传播研究的现状,结合适应网络中存在的节点动力学和网络动力学相互作用、相互反馈的机制,提出了一种基于计算机仿真技术的适应网络病毒传播的SIS(susceptibleinfected-susceptible)离散模型.通过对所建模型进行仿真和分析,实验结果表明,病毒在适应网络中传播具有双稳态性;由于节点规避病毒传播而改变网络连接的行为,使得网络的度分布发生变化,该行为对病毒在网络中的传播具有抑制作用.     

时延容忍网络的蔓延路由协议的研究

蔓延路由广泛应用于时延容忍网络(DTNs)。然而,传统的蔓延路由存在资源消耗过多问题,如节点能耗和消息缓存空间。即使消息已传递到目的节点,消息可能仍停留于节点的缓存区,直至消息过期,这会增加能耗。为此,对节点缓存空间的释放时间进行研究,并提出基于释放时间预测的蔓延路由,其目的在于通过减少消息占用缓存的时间,降低资源开销。基于蔓延路由特性,建立基于常微分方程的消息传播模型,并预测消息到达目的节点的时间,再在确保消息被最多节点传染的前提下,推导从缓存区内删除消息的准确时间(释放时间)。实验数据表明,与传统的蔓延路由相比,采用预测释放时间的蔓延路由在维持同等路由性能的同时,降低了能耗和开销。     

删除边的免疫策略

为了使用更少的免疫数量且更快地消灭病毒,提出了基于删除边的免疫策略。该策略根据边与重要节点之间的关系,对重要节点直接相连的边或任意两个重要节点与其共同邻居节点之间的边进行免疫。实验使用SIS病毒传播模型,分别在ER随机网络、BA无标度网络和几种实际网络中测试了该策略的免疫临界值以及对应网络的连通度,结果表明：删除边的免疫策略与目标免疫策略相比可以通过免疫较少的节点来消灭病毒,并且可以更好地保持网络的连通性。     

P2P网络中的局域搜索免疫

针对P2P网络的特性,本文提出了一种局域搜索免疫。实验使用SIS病毒传播模型征BA无标度网络和实际网络中测试了局域搜索免疫策略,结果表明与其它免疫策略相比,该策略可以通过免疫相等或较少的节点来消灭病毒。     

局域世界复杂网络中的病毒传播及其免疫控制

许多实际复杂网络具有局域世界特性，为此研究病毒在局域世界复杂演化网络中的传播现象．考察了在局域世界演化网络中，初始感染节点选择对传播行为的影响，传播临界值与局域世界之间的关系，并比较了随机免疫和目标免疫两种策略对局域世界复杂网络的有效性．     

基于点对群网络反馈机制的恶意代码传播模型

在点对群信息共享网络中,群体成员之间交流频繁并且同一群体内的成员可以同时从信息源接收到相同信息,依据点对群网络的这2个特点,考虑从恶意代码感染中恢复后的节点作用,在点对群网络中建立一种具有动态反馈防治信息功能的易感-感染-反馈-免疫(SIFR)模型。在经典易感-感染-免疫(SIR)传播模型的基础上引入反馈节点,通过动态共享防治信息遏制恶意代码在点对群网络中的传播。根据计算得到SIFR模型的平衡点和传播阈值,构建相应的Lyapunov函数,证明了平衡点的局部和全局稳定性。数值模拟实验结果显示：当反馈率取0.000 1时,SIFR模型相较于经典SIR模型在传播阈值小于1的情况下,感染节点在峰值处的数量降低了36.16%,能更早更快地趋近于0;当传播阈值大于1时,同一时间的感染节点数量有所减少,趋于稳定的感染节点数量降低了80%。上述实验结果表明SIFR模型应用在点对群网络中能够更好地遏制恶意代码的传播,且反馈率越高,遏制效果越好。     

基于K-shell位置和两阶邻居的复杂网络节点重要性评估方法

K-shell分解法能快速识别复杂网络中的关键节点,但是无法辨别同壳层内节点重要性的差异,并且低估了处于网络边缘位置的高度值节点的重要性。针对这两个问题,提出一种基于K-shell位置和两阶邻居的节点重要性评估方法。该方法根据K-shell分解过程中节点移除的顺序细化节点的全局位置信息,然后综合考虑节点的局部拓扑结构信息和全局位置信息,利用两步长内邻居节点的K-shell位置信息度量节点的重要性。在八个真实网络上用传染病模型进行仿真实验,结果表明,所提方法与其他五种相关方法相比能更准确有效地评估并区分节点的重要性。