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．     

复杂网络病毒传播元胞自动机模型及研究

为了研究免疫有效时间对复杂网络中病毒传播的影响,基于元胞自动机建立复杂网络不完全免疫的病毒传播模型,并分别在最近邻耦合网络、Erdos-Renyi随机网络、Watts-Strogatz小世界网络和Barabasi-Albert无标度网络中进行仿真研究。结果表明：节点免疫有效时间的增大,能够有效地遏制复杂网络病毒传播范围并增大病毒传播阈值。     

考虑权值减少的局域世界网络模型上的病毒传播研究

深入分析了局域加权网络的演化机制,建立了一个新的局域世界加权网络模型。对网络结构变化对病毒在网络上的传播行为进行了研究,发现网络中病毒传播行为和网络拓扑结构的参数变化存在密切关系。     

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。     

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.     

攻防博弈驱动下的无线传感器网络病毒传播模型

传统的无线传感器网络（wireless sensor networks,WSN）病毒传播模型直接给定感染概率和恢复概率,没有对其取值的原因进行分析。从博弈论的角度对WSN中病毒传播的微观机理进行分析,建立了WSN的攻防博弈模型,求出了博弈模型的混合纳什均衡解,并根据博弈双方的混合纳什均衡策略确定节点的感染概率和治愈概率,从而建立了WSN的病毒传播模型。此外,还进一步使用元胞自动机的方法对WSN的病毒传播过程进行模拟,理论分析及计算机模拟揭示了病毒传播结果与博弈参数之间的关系,研究结果对制定抑制病毒传播的措施具有一定的指导意义。     

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。     

基于位置吸引力的加权复杂供应链网络局域世界演化模型研究

在一般局域世界演化模型的基础上,文章使得企业节点的初始位置值呈现幂率分布,以体现节点企业的不同角色。受万有引力定律的启发,用位置值的大小和远近值来定义节点企业间位置吸引力的概念,并应用吸引力规则确定每一个新加入节点的局域世界。新节点与局域世界中的老节点之间采用节点度与节点强度的复合优先连接方式,弥补了优先连接仅仅依赖节点度值的缺陷,从而构建基于位置吸引力的加权复杂供应链网络局域世界演化模型。实验模拟了该复杂网络的生长、边的退出和节点的退出等动态演化过程,通过计算与统计整体度分布、平均路径长度和聚集系数等复杂供应链网络的重要参数发现:该复杂供应链网络的度分布呈现出一定的幂率分布形式,能够保证大多数节点的度较低和少数节点的度较高的重尾特征,同时具有较大的集聚系数和较小的平均路径长度的小世界特征。该研究工作为供应链企业在实践中构建供应链网络提供了理论依据,有助于更好地分析现实供应链网络的相关特性并识别重要节点以便对供应链网络进行保护。     

一种新型多局域世界网络模型分析

从现实世界网络中存在的局域性质及联系强弱角度出发, 研究一种新颖加权多局域世界网络模型（WDLW）。该模型算法结合权重分析动力学及局域世界性质, 能实现动态演化。均场理论及数值模拟仿真均验证了该模型强度分布具有幂率性; 实证数据检验了WDLW模型与Internet网络在拓扑结构和模块度上是吻合的。由此可得出结论, WDLW模型的强度分布呈现显著的幂率特性, 并且能很好地模拟现实中的Internet网络。     

基于新局域世界的BBV网络模型演化研究

在BBV加权无标度模型演化过程中,节点加入时选取的是整个网络,而实际复杂网络中只有小部分节点能够获得全局网络的信息,大部分节点只能获取局部网络的信息。针对该问题,提出一个新局域的BBV加权网络模型,将新局域世界模型引入BBV模型中。理论分析及仿真实验结果表明,该模型节点强度具有幂律分布的特性,且幂律指数可以通过参数的修改在区间[1,3]内进行调节。     

无标度网络中基于最短路径免疫策略的病毒传播研究

传统病毒免疫策略大多基于网络的全局拓扑信息。然而现实生活中的大部分复杂网络仅仅只能了解其局部 拓扑信息。鉴于许多实际复杂网络具有无标度特性,研究了在无标度复杂演化网络中基于网络局部拓扑信息最短路 径免疫策略的病毒传播现象。利用平均场理论建立含个体抵杭力重要因素的无标度网络病毒传播模型,并引入基于 最短路径的免疫策略。比较了随机免疫、目标免疫和最短路径免疫3种策略对无标度复杂网络病毒传播的影响,结果 表明了基于最短路径免疫策略的有效性。     

基于元胞自动机的网络蠕虫病毒传播仿真

针对模拟网络蠕虫病毒的传播,提出基于元胞自动机模型的网络蠕虫病毒传播的方法。将病毒的传播过程分为2个阶段,并分别对不同的阶段建模。经过仿真,可以获得不同状态的计算机系统的数量、蠕虫病毒的数量和病毒传播趋势等信息。结果表明,用元胞自动机模型仿真蠕虫病毒传播能够更清晰地反映出网络蠕虫病毒传播的趋势,与实际的蠕虫病毒传播符合较好。     

无标度网络环境下E-mail病毒的传播模型

提出无标度网络环境下E-mail病毒的传播模型。通过对模型的求解,得到E-mail用户感染密度随传播率、恢复率和网络平均度变化的计算表达式。实验表明,在反病毒技术未出现前,用户感染密度最终将达到一个稳定状态,并通过实验证明了传播率与网络平均度是影响E-mail病毒蔓延的关键性因素。     

区域耦合状态转移概率化元胞自动机模型

针对多区域系统内部各个子区域属性的差异化,提出多区域耦合状态转移概率化元胞自动机模型。在该模型中,运用区域耦合原理和耦合区域信息交换规则来构造元胞自动机（CA）模型的演化规则,实现局部子区域之间的信息交换,运用不同类型的元胞自动机模型对子区域分别建立不同的CA模拟模型,并用概率化方法处理模拟模型中元胞状态的转化,实现各个子区域状态的演化。实验表明,子区域在保持自身演化形态相对独立的同时,通过边界区域耦合进行演化连接,各个子区域内的元胞能与其边界耦合区域内的元胞保持一种相对稳定的有序形态,且一个子区域的影响能在一定程度上传递到其他子区域内。该模型能很好地处理大规模复杂区域环境下的空间演化模拟。     

网络病毒传播模型中的两个问题

现有的网络病毒分析模型大都依据流行病模型建立,这些模型并不能反映现代网络环境下病毒的传播规律,故有一些问题不能得到很好的解决。文章在新模型的基础上重点讨论其中的两个最为突出的问题:网络病毒的门限值问题和单节点在病毒传播中的不同作用。通过对新模型解的分析得出结论:如果病毒的传播紧密地依赖网络的连接率,而它们的治愈率又相对较小,那么这类病毒的门限值是不存在的。基于该结论文章对长期以来困扰网络病毒传播模型的两个公开的问题给出了合理的解释。文章将电脑的连接率作为节点的一个最基本的特征,从而指出具有不同连接率的节点,它们在病毒传播中的作用也不相同,文章还首次给出了它们的估算公式,从而也为刚刚起步的网络免疫系统中节点的选择提供了有力的理论支持。文章最后进行了模拟实验,实验的结果基本验证了分析结论。     

复杂网络下的网络流量预测和预警研究

针对复杂网络环境下传统的网络流量预测方法存在预测误差大和精度低的缺点,提出一种基于EMFOA_LSSVM的网络流量预测模型。通过EMD提取网络流量数据的趋势特征和细节特征,构建出预测模型的输入和输出矩阵,运用MFOA_LSSVM实现复杂网络环境下的网络流量预测。实验结果表明,与MFOA_LSSVM,FOA_LSSVM,PSO_LSSVM和LSSVM相比,EMFOA_LSSVM具有更高的预测精度和收敛速度,为网络流量预测和预警提供决策依据。     

改进的硅各向异性腐蚀GPU并行模拟

硅各向异性腐蚀过程复杂,采用元胞自动机模拟硅各向异性腐蚀非常耗时。为了加速腐蚀模拟过程,研究了基于图形处理器(GPU)进行硅的各向异性腐蚀模拟。针对串行算法直接并行化方法存在加速效率低等问题,提出了一个改进的并行模拟方法。该方法增加了并行部分的负载,减少了内存管理的开销,从而提高了加速性能。实验证明该方法能够获得较理想的加速比。     

细胞神经网络图像恢复新方法的研究

结合二维细胞自动机(CA)和细胞神经网络通用二进制神经元(CNN-UBN)设计了两种新的用于噪声图像恢复的细胞神经网络(CNN)。这两种网络的联合处理图像结果明显优于长度为3和5的普通中值滤波恢复方法,且具有速度快、结构简单、易于硬件集成等优点,是一种新颖实用的图像恢复算法。