计算机网络病毒传播模型SIRH

计算机网络病毒传播模型是研究计算机网络病毒的手段和工具。SIR模型是仿照生物流行病传播机制而建立的病毒传播模型。本文从计算机网络病毒传播的实际情况出发,通过分析SIR模型的不足,提出了一种在计算机网络中具有病毒防范、病毒免疫措施的网络病毒传播模型。SIRH考虑了网络病毒重复感染这种人为因素对网络病毒传播的影响。仿真实验验证了SIRH的有效合理性。     

网络病毒传播模型与分析

互联网是一个不断生长与消亡的具有小世界与无标度特性的网络。基于此,在聚类系数可变的无标度网络上建立病毒传播模型。研究节点消亡速度、网络平均度、计算机连接度对病毒传播的影响。实验结果表明:节点的消亡速度越快,越能减缓病毒的爆发速度;网络的平均度越大,病毒传播越快;病毒爆发常发生在连接度较高的计算机上。这些结论对于防范病毒在互联网上的传播,具有重要的现实意义。     

自组织网络病毒传播模型研究

针对现有的网络病毒传播模型不适应自组织网络的问题,以无线传感器网络作为自组织网络的背景,提出一种复杂环境下的自组织网络病毒传播模型.该模型引入描述节点通信窗口开放情况参数以模拟休眠机制;引入描述网络链路好坏的参数以模拟环境影响因素;针对传感器节点资源有限等特征,提出一种抑制病毒传播的方案;使用在网络节点中注入补丁包的方...     

自适应网络异步元胞自动机病毒传播模型

自适应网络病毒传播重点研究节点传播动力学和网络动力学之间的相互作用和反馈.考虑到病毒在网络中传播存在时延,文中使用异步元胞自动机和健康节点规避病毒传播的断边重连行为建立一种具有传播时延的自适应网络病毒传播模型.对所建模型的仿真结果表明,重连行为和传播时延的联合作用使节点状态演化不同步进行,病毒的传播速率变缓,爆发规模降低.这种基于异步元胞自动机建立的传播模型很好表达了自适应网络中的网络传播时延,病毒传播和网络结构演化的相互作用和反馈.     

超网络中的舆情传播模型及仿真研究*

现实中,个体受到来自不同社会关系网络中所有邻居的信息传播的影响。引入超网络刻画个体的复杂社交关系,基于传染病学建模的思想,模拟超网络中的舆情传播过程。对比分析舆情在超网络和复杂网络结构下的传播过程。当超网络的结构参数取特定值时,模型可以退化为复杂网络模型。进一步,测试超网络结构参数、传播率、恢复率及初始传播节点对舆情传播的影响。探讨舆情的传播时间和波及范围,进而揭示网络舆情的传播规律。     

计算机网络病毒传播模型

根据生物流行病毒的数学模型,对计算机网络病毒的传播模型进行了研究。根据计算机蠕虫病毒最常见的传播特征,把经典的传染病模型划分为三部分。最后采用仿真试验的方法,验证了模型的基本合理性。     

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.     

风险意识加强的自适应网络病毒传播研究

当疾病在人群中爆发时,人们对病毒传播的风险意识和规避行为随着人群中感染密度等因素的变化而作自适应的调整.针对人群中不断变化的风险意识和规避行为,提出在SIS网络传播模型中,用时变重连概率函数描述该变化过程,研究自适应网络的动态传播过程.结果证明,网络中时变重连函数的稳定值大,则病毒传播规模小.时变重连概率函数增长速度快,则病毒传播速度慢.表明人们的风险意识高且规避措施全面时,病毒最终的传染规模也小,同时,能及早地认识病毒的危害并采取规避措施,有利于对病毒传播的抑制.     

个体差异对病毒传播效率的影响*

为了弥补传统病毒传播模型的缺陷,利用原胞自动机方法模拟了感染概率呈0-1分布、均匀分布、指数分布、幂律分布这四种情况下的病毒传播过程,结果发现当感染概率呈0-1分布时病毒的传播效率最高,而感染概率呈幂律分布时病毒的传播效率最低,这说明个体差异的存在能降低病毒传播的效率。该结论扩充了人们对病毒传播的认识,同时对真实系统的设计具有一定的参考价值。     

自适应复杂网络中的病毒传播模型

提出了一个基于自适应复杂网络的病毒传播模型。模型中,易感节点为了不被感染,能够有意识地避开与感染节点的连接,此过程一方面使得网络结构发生了变化,另一方面网络结构的变化又反过来对病毒传播过程造成了影响。着重考查了模型中个体的躲避行为对病毒传播效果的影响,结果显示,在个体躲避行为的驱动下,系统的最终染病节点数会发生振荡,并且在一定的参数范围内系统出现了双稳状态。     

Epidemic spreading model of complex dynamical network with the heterogeneity of nodes

In this paper, we model epidemic spreading by considering the mobility of nodes in complex dynamical network based on mean field theory using differential equations. Moreover, a resistance factor which can characterise the impact of individual's difference on the propagation dynamics in complex dynamical network is proposed by considering the influence of total number of connections and the continuous time to remain in contact. The effect of heterogeneity on the evolution process of propagation dynamics is explored by simulation. Extensive simulations are conducted to study the key influence parameters and the influence of them on the spreading dynamics, which are helpful to the understanding of epidemic spreading mechanism and the designing of effective control strategies.     

SIS model of epidemic spreading on dynamical networks with community

We present a new epidemic Susceptible-Infected-Susceptible (SIS) model to investigate the spreading behavior on networks with dynamical topology and community structure. Individuals in themodel are mobile agentswho are allowed to perform the inter-community (i.e., long-range) motion with the probability p. The mean-field theory is utilized to derive the critical threshold (λ _C ) of epidemic spreading inside separate communities and the influence of the long-range motion on the epidemic spreading. The results indicate that λ _C is only related with the population density within the community, and the long-range motion will make the original disease-free community become the endemic state. Large-scale numerical simulations also demonstrate the theoretical approximations based on our new epidemic model. The current model and analysis will help us to further understand the propagation behavior of real epidemics taking place on social networks.     

SIS model of epidemic spreading on dynamical networks with community

We present a new epidemic Susceptible-Infected-Susceptible (SIS) model to investigate the spreading behavior on networks with dynamical topology and community structure. Individuals in themodel are mobile agentswho are allowed to perform the inter-community (i.e., long-range) motion with the probability p. The mean-field theory is utilized to derive the critical threshold (λ_C) of epidemic spreading inside separate communities and the influence of the long-range motion on the epidemic spreading. The results indicate that λ_C is only related with the population density within the community, and the long-range motion will make the original disease-free community become the endemic state. Large-scale numerical simulations also demonstrate the theoretical approximations based on our new epidemic model. The current model and analysis will help us to further understand the propagation behavior of real epidemics taking place on social networks.     

融入迁移限制与双层集合种群网络的传染病模型

本文在斑块环境下基于易感–感染–易感模型(SIS模型)研究了感染者迁移限制对传染病传播的影响,其中迁移限制用双层网络进行表示,并提出了双层集合种群动态网络.子种群(即斑块)用双层网络上的节点表示,双层网络上的链接分别代表易感节点斑块和感染节点斑块间的迁移路径,易感染和感染节点分别通过双层网络上的链接随机游走.并提出了两种反应扩散方程分别作为易感染与感染节点的微分方程,分别计算其数值解,以评估每个斑块(节点)的感染风险.研究表明:在双层网络中,迁移限制会降低感染节点密度,将感染节点限制在中心节点(度值最高的子种群)中.感染节点密度高度依赖于双层网络结构.     

基于局域信息的社交网络信息传播模型

针对传统传播模型更适用于均匀网络而无法有效应用于现实非均匀无标度社交网络的问题,提出一种基于用户局域信息的社交网络信息传播模型。模型中考虑了无标度网络中用户间拓扑特征差异和用户影响力不同对信息传播的影响,根据节点周边邻居节点的感染情况和权威性计算感染概率,模拟现实社交网络中的信息传播情况。通过在采集的真实微博网络数据上进行仿真实验,结果表明该模型较传统的SIR模型更能体现社交网络中信息传播的快速性与范围的广泛性;同时,通过调整模型中的相关参数,验证了相关管控措施对传播效果的影响。     

考虑社交网络用户行为的网络病毒传播建模

针对已有病毒传播模型都没有考虑不同社交网络间的用户交互行为对网络病毒传播规律的影响,建立了考虑不同社交网络用户交互行为的微分方程动力学模型。利用稳定性理论分析了模型反映的网络病毒传播动力学性态,得到了控制网络病毒传播的基本再生数的精确数学表达式。进一步,采用龙格-库塔数值方法,通过仿真实验,验证了理论分析的正确性。研究结果表明,基本再生数是网络病毒扩散基本态势的直接决定因素,当基本再生数的值小于等于1时,随着时间演化,网络病毒的扩散会被彻底控制。另外还发现,分散用户到不同社交网络更有利于缓解网络病毒的扩散。     

无尺度网络下的僵尸网络传播模型研究

僵尸网络是一种从传统恶意代码进化而来的新型攻击方式,已成为Internet安全的一个重大威胁。建立僵尸网络的传播模型已成为研究僵尸程序传播特性最有效的一种方法。当前建立的僵尸网络传播模型均是基于随机网络理论的,而实际的Internet是一个具有无尺度特性的复杂网络,因此,这些主流传播模型并不能完全准确反映僵尸程序在Internet的传播特性。提出了一种基于无尺度网络结构的僵尸网络传播模型,根据Internet的实际情况,结合网络流量阻塞这一Internet中的常态现象,重点考虑了真实Internet中节点的增长性和择优连接性。仿真结果表明,该模型不仅符合真实Internet网络中僵尸程序的传播规律和感染特性,而且能够反映出网络中出现拥塞时僵尸程序的感染特性。     

无尺度网络下具有免疫特征的僵尸网络传播模型*

结合无尺度的特性,考虑僵尸网络传播过程中部分主机的免疫特性,提出一种无尺度网络下具有免疫特征的僵尸网络传播模型。该模型基于Internet的实际情况,重点考虑了无尺度网络的拓扑结构,并结合了僵尸网络中部分脆弱主机由于提前从易感染的网络中被移除而具有免疫特征的情况。通过MATLAB进行仿真,仿真结果表明,这种传播模型更符合真实网络中僵尸网络的传播规律。     

基于模仿创造的网络流行语传播模型及仿真研究

随着互联网和智能移动终端的发展,研究网络流行语的传播过程和发展趋势对于网络营销和广告文案的创作具有重要的意义。基于SIR传染病模型,综合考虑网民对网络流行语模仿再创造的行为特点,构建新型的网络流行语传播模型,利用神经网络技术结合流行语时序数据对模型进行参数反演,并分别以流行语“佛系”和“确认过眼神”为例进行验证。结果表明,用户的模仿再创造行为是网络流行语传播中后期的主要驱动力;相较SIR模型,本模型着重考虑了网民对流行语的创新行为并运用参数反演方法,其预测准确度更高,模型拟合值与真实数据相比误差更小。进而可以为营销和广告创意人员提供有益的借鉴,并通过预测其发展趋势可对舆论进行及时分析和引导。