基于微博用户关系演化网络的谣言免疫机制研究

在分析随机免疫、熟人免疫及目标免疫三种经典免疫机制在微博用户关系演化网络上的免疫特性的基础上,针对微博用户关系演化网络的具体特点,提出一种新的目标免疫策略。研究表明,当节点吸引度满足均匀分布时,随机免疫和熟人免疫的免疫效果基本一致。当节点吸引度满足指数分布时,熟人免疫的性能较优。研究还发现,对于节点吸引度服从均匀分布及指数分布的情况,目标免疫明显优于其他两种免疫策略,但是低于本文提出的新目标免疫机制。     

复杂网络中选举免疫策略研究

受现代社会选举制度启发,提出了一种新的节点免疫策略,提出的选举免疫策略按节点得票数量多少选择节点并免疫。基于消息传递方法,给出了大规模配置模型网络上SIR传染病模型的选举免疫策略的数学解析,并比较了选举免疫、随机免疫、目标免疫和熟人免疫策略的效果。数学解析结果和仿真结果表明,选举免疫能够有效控制疾病在无标度网络上的传播。     

微博谣言免疫策略的研究

当前网络谣言控制策略的研究大多考虑高连接度对消息传播的影响,即节点自身邻居数,忽略了其邻居信息产生的间接影响。为此,提出一种SDND谣言免疫策略,该策略只需了解网络局部信息,在选取免疫节点时综合考虑节点自身出度及其邻居最大出度。在新浪微博数据集上,借助SEIR谣言传播模型仿真谣言传播,对比分析目标免疫、熟人免疫、重要熟人免疫、SDND免疫对谣言传播的影响。仿真结果表明,SDND免疫效果优于目标免疫、熟人免疫等策略,能够较好地抑制谣言传播。     

加权网络中考虑边权和度的熟人免疫策略

在加权网络中,节点之间的边权值代表节点之间联系的紧密程度,节点的度表示该节点的邻居个数。为了有效抑制加权网络中的病毒传播,提出一种考虑边权和度的熟人免疫策略（AI-CWD）。该策略考虑免疫边权值与度乘积最大的节点,并分别在人工网络和真实网络中对该策略进行了实验分析。同时,进一步研究了边权值和度在乘积中的占比对该策略免疫效果的影响。研究结果表明,在相同的免疫节点密度下,对边权值与度乘积最大的节点进行免疫后网络中感染节点的密度比最大权值免疫、改进的熟人免疫和基于ClusterRank算法免疫的方法要低,亦即AI-CWD免疫效果要优于以上三种免疫策略。并且在相同免疫节点密度下,通过对边权值和度的占比与感染节点密度关系的研究,可以得出：存在一个最优的[α]值,使得最终的感染节点密度最低。     

基于富人俱乐部特性的搜索免疫

为了使用更少的免疫数量且能更快地消灭病毒,已经提出了很多种免疫策略。熟人免疫策略是局域免疫中最有效的方法。基于BA无标度网络的富人俱乐部特性和广度搜索策略,提出了基于富人俱乐部特性的搜索免疫(RPBSI)。该免疫算法有两种策略,这两种策略对邻居节点的搜索方法不同,免疫的代价也有所差异。实验采用SIS病毒传播模型分别在BA无标度网络和科研合作网中验证:RPBSI算法与熟人免疫算法相比可以通过免疫较小的一部分节点达到消灭病毒的目的。     

计算机病毒免疫信息网络发布算法

结合传统的网络拓扑结构和单机节点访问率,改进了无标度网络结构下病毒传播模型,进而提出了新的目标节点的定义。根据新的网络病毒传播模型,提出了一种基于门限判决的计算机病毒免疫算法。利用OPENET仿真实验平台,比较了该算法与以往免疫算法的性能和效率。仿真结果表明该算法免疫更少的节点即可达到全网免疫状态,且时间更快,效率更高。因此,该文算法能有效遏制病毒大规模爆发和传播,具有一定的社会意义和经济价值。     

基于改进免疫遗传算法的K覆盖异构传感器节点调度

为了实现无线传感器网络监测区域目标点的多重覆盖,设计了一种基于改进免疫遗传算法的异构传感器节点调度算法实现目标点的K重覆盖;首先,在传统的概率感知模型中加入剩余能量和感知能力因素,得到改进的概率感知模型,并设计了以最小化节点数并满足覆盖度约束的目标函数;然后,采用改进的免疫遗传算法对节点进行调度,最后,给出了具体的采用改进免疫遗传算法实现WSN异构节点调度的具体算法;仿真实验表明:文中方法能在满足K覆盖约束前提下实现监测区域的节点调度,与其他方法相比,活动节点数平均多7%,具有较长的网络生命周期和较少的网络能耗。     

加权无标度网络病毒传播控制中带粒子群优化的免疫策略

为有效解决加权无标度网络中的病毒传播控制问题,基于图分割思想,同时考虑子网络规模和子网络节点的强度和两个优化目标,引入遗传算法的变异和交叉算子以提高种群多样性并避免算法过早陷入局部最优解,进而提出一种带粒子群优化的免疫策略.仿真实验结果表明所提免疫策略比目前公认高效的目标免疫策略效果更好,可通过免疫指定数量的节点,较好地将网络分割成节点个数尽可能少、节点强度和尽可能小的子网络.     

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。     

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．     

大规模网络的病毒群体免疫模型

由于计算机和Internet的普及,越来越多的人使用邮件,邮件病毒造成了巨大的损失和严重的破坏。传统的度免疫模型有一定的盲目性,没有考虑感染节点的位置,对整个网络中度高的节点进行免疫。把群体概念引入病毒预防控制领域中,提出群体免疫模型,在不同的病毒感染阶段,采用感染群体免疫或健康群体免疫,在降低节点感染密度的同时,把感染节点控制在一定群体内。度免疫无法将病毒控制在某些群体内,从而使得病毒分散在各个群体;而群体免疫能够将病毒集中到感染群体内部。两种免疫模型需要免疫的节点个数和群体感染比率的差别较大,所以群体免疫是原理上不同于度免疫的新型有效的免疫模型。     

加权无标度网络的免疫策略研究

基于所有节点采用相同感染概率和根据节点边权采用不同感染概率这2种感染机制对BBV加权网络进行免疫仿真。仿真结果表明,节点介数优先免疫的效果优于目前普遍采用的强度优先免疫,边介数优先免疫策略也优于其他边免疫策略。根据节点边权采用不同感染概率对边权大的边进行免疫,可有效控制病毒在感染初期的增长速度。     

无标度网络上分片线性传染力与免疫作用下的流行病动力学

本文研究了含有免疫作用的易感染者-感染者-移出者传染病模型（即SIR模型）在复杂网络上的动力学行为,讨论了免疫作用对疾病传播的影响．当接种比例大于零时,传染率需要跨越更大的传染临界值疾病才能流行,且随着时间的增大传染临界值也增大．所以通过接种疫苗确实可以起到预防和控制疾病在复杂网络上传播的作用．具体讨论了具有分片线性传染力的SIR模型在无标度网络上的流行病传播阈值,并运用分片线性传染力得到了传播阈值为正的条件．接着分析了各种免疫策略的SIR模型,得出各类免疫后的传播阈值,并进行了数值模拟和比较．在相同的免疫概率下,目标免疫比随机免疫、近邻免疫、主动免疫更为有效．     

有向网络中病毒传播和核心免疫的研究

现实网络的有向性使得有向网络能够更准确地模拟显示网络,而当前研究的热点是怎样用最小的代价对网络进行免疫。基于节点连接的不均匀性,提出的目标免疫被认为是最好的免疫策略。针对更符合实际的有向无标度网络,提出了基于双向链接的核心免疫策略。与目标免疫相比,该策略可以使网络获得较好的免疫效果,并且能更好地保持网络的连通性。采用SI病毒传播模型研究病毒爆发初期的情况,在双向网络分别测试了该免疫的性能和网络效率,证明了该免疫的高效性。     

复杂网络中的弱化免疫策略分析

针对免疫策略在病毒免疫时会删除网络结构级联边从而出现削弱网络连通效率的问题,提出一种含权网络特定的病毒弱化免疫策略方法。该方法通过构建SI病毒传播模型,给出该模型的病毒感染密度演化公式。理论分析表明:病毒传播率与网络结构的异化性有密切关系,节点度的大小会影响病毒传播的效果,同时弱化免疫策略能衰减连边权值降低传播率,达到遏制病毒传播保留网络连通效率的目的。计算机仿真结果验证了理论模型的可行性和弱化免疫的合理性。最后,将弱化免疫策略应用到局域世界以及目标免疫策略中,更进一步说明了弱化免疫策略能有效控制病毒传播速度。     

动态社会接触网络上的H1N1控制仿真研究*

给出了一个动态社会接触网络生成算法,基于该算法可得到同时具有无标度和小世界特性的网络模型;在讨论H1N1病程发展模型及传播参数的基础上,运用该模型对疫情在隔离、随机免疫、目标免疫和熟识者免疫四种控制措施下的发展趋势开展了仿真研究。仿真结果表明,目标免疫在上述四种控制措施中效能最高。模型算法与仿真结果对于传染病的社会传播控制有一定的理论和实践意义。     

A Community Structure‐Based Approach for Network Immunization

We propose a community structure‐based approach that does not require community labels of nodes, for network immunization. Social networks have been widely used as daily communication infrastructures these days. However, fast spreading of information over networks may have downsides such as computer viruses or epidemics of diseases. Because contamination is propagated among subgraphs (communities) along links in a network, use of community structure of the network would be effective for network immunization. However, despite various research efforts, it is still difficult to identify ground‐truth community labels of nodes in a network. Because communities are often interwoven through intermediate nodes, we propose to identify such nodes based on the community structure of a network without requiring community labels. By regarding the community structure in terms of nodes, we construct a vector representation of nodes based on a quality measure of communities. The distribution of the constructed vectors is used for immunizing intermediate nodes among communities, through the hybrid use of the norm and the relation in the vector representation. Experiments are conducted over both synthetic and real‐world networks, and our approach is compared with other network centrality‐based approaches. The results are encouraging and indicate that it is worth pursuing this path.     

邮件网络中基于介数的免疫策略研究

针对如何抑制病毒在邮件网络中的传播问题,在交互式邮件传播模型中分析介数免疫策略与传统基于度信息的免疫策略对病毒传播的控制能力。在真实的安然邮件网络和人工网络中对比各种免疫策略的效率与代价,结果发现节点介数免疫策略只须保护少量节点就可以降低病毒传播规模,有效地保护网络安全。