三种构建无尺度蠕虫网络的蠕虫传播模型

鉴于无尺度网络的健壮性和小世界特性是蠕虫网络的理想特征,提出以无尺度网络的形式构建蠕虫网络。结合蠕虫的传播特性,设计了三种构建无尺度蠕虫网络的蠕虫传播模型。传播模型基于蠕虫网络中节点的度数、适应度等参量,选择合适的蠕虫节点与网络中新感染蠕虫的主机建立连接。理论分析和模拟实验表明,传播模型所生成的蠕虫网络为无尺度网络。     

复杂网络视角下供应链网络模型研究

针对目前供应链网络的复杂特性,以BA网络模型为基础,引入反择优概率,构建节点进入、退出和合作机制作用下的供应链网络演化模型.首先,运用MATLAB对供应链网络进行仿真,从网络的拓扑结构、度分布、平均度、平均最短路径和集聚系数方面来研究该网络的演化特性,结果表明供应链网络是一个无标度网络.其次,以1993年~2015年一汽供应链的实际数据为依据,设置仿真模型参数,将仿真生成的网络的度分布与一汽实际网络的度分布进行对比,证实了供应链网络模型的合理性.     

基于最小二乘法的网络蠕虫检测方法

分析了网络蠕虫的生命周期和传播模型,根据蠕虫的特性提出一种新的蠕虫检测方法,该方法首先监测网络上各主机的连接度,得到疑似感染蠕虫主机的数量.然后利用最小二乘法判别疑似感染蠕虫主机的数量变换是否符合蠕虫的传播模型.实验证明,该检测方法能够快速有效地检测出未知网络蠕虫的爆发.     

基于用户行为和网络拓扑的Email蠕虫传播

通过分析用户行为规律和电子邮件网络拓扑特征,提出了能够准确描述Email蠕虫传播特性的仿真算法。首先,基于Enron Email数据集构建了能够表征Email网络特点的仿真环境,实验结果验证了仿真算法能够准确地体现Email蠕虫传播特性。然后从理论和实验两方面分析验证了关键节点被感染后会加速蠕虫的传播的结论,并讨论了不同防护措施对蠕虫传播的抑制效果。最后建立了Email蠕虫传播数学解析模型(Topo-SIS),与仿真结果的比较表明,该模型能够较好地预测Email蠕虫的传播规模。     

机会传感网络移动节点连通度的影响因素

针对机会传感网络基于节点移动实现网络通信的特点,考虑到影响移动节点连通度的因素,提出了机会传感网络的移动节点连通度模型,实现了对移动节点连通度的刻画.在区域划分的机会传感网络中,分析了移动节点时间序列特征因子,得到与特征因子相关的影响移动节点连通度的因素.利用一元回归得到影响因素与时延的关系,通过回归组合分析得到移动节点的连通度模型.仿真结果表明,该模型能够反映机会传感网络移动节点的连通度.     

带非线性优先连接规则增长模型的节点度分布

把非线性优先连接规则、每一时间步添加新节点或新边等考虑在内,提出了一种更一般的复杂网络增长模型,给出并采用概率方法严格证明了该模型的节点度分布表达式,利用节点度分布表达式计算了2个不同节点加权函数对应网络模型的节点度分布.研究结果表明,已有的一些著名网络模型为该模型的特例,相应网络模型的节点度分布也可由该模型的节点度分布表达式得到.此外,针对2个不同加权函数对应网络模型的实验结果表明,理论结果与仿真实验结果相符.     

BitTorrent网络中的P2P蠕虫传播仿真分析

对等网络蠕虫(简称P2P蠕虫)是目前P2P网络面临的重大安全威胁之一。由于具有极强的隐蔽性和破坏性,P2P蠕虫能够控制访问感染节点的路由表,获取该节点的邻居信息,构建攻击列表,以实现精确的目标攻击。该文通过仿真的方法,分析了P2P蠕虫在BitTorrent网络中的传播特性,验证了相关参数对P2P蠕虫传播的影响。实验结果表明,P2P蠕虫的传播与BT网络的状态、蠕虫的攻击能力、初始感染蠕虫节点比例以及单位时间内免疫节点比例有着非常紧密的联系。     

基于节点异质度分析的蠕虫遏制方法研究

分析了自传播蠕虫的行为特性,对网络节点异(同)质度、拓扑区隔度进行定义及量化。在此基础上,提出了基于拓扑区隔度优化的蠕虫遏制方法,通过增大拓扑区隔度以达到抑制蠕虫传播速度的目的。提出了基于网络监测的良性蠕虫主动对抗方法,将良性蠕虫的扫描范围限定于高危易感主机群,从而更好地兼顾了蠕虫遏制有效性和网络资源消耗低两个方面的优势。采用matlab7.0对上述方法进行了仿真验证,仿真结果表明,以上方法均具有较好的蠕虫遏制效果。     

时序多层网络熵值结构洞节点重要性建模

分析动态多层复杂网络时空演化过程中的网络节点重要性序结构，提出时序多层网络熵值结构洞节点重要性辨识模型.分析时序网络节点局部信息熵的属性与节点全局K-shell信息集结偏好信息熵.依据复杂网络结构洞系数，提出节点熵值结构洞节点重要性辨识模型.时序化处理节点演化信息，提出节点重要性时序网络计算模型.通过SIR模型检验节点传播效率，开展实证网络仿真.本文的时序多层网络节点演化重要性排序结果与经典时序网络模型相比，Kendall值有了显著的提高.     

一种改进的即时通讯蠕虫传播模型

针对传统IMWDP模型不能正确反应实际网络中IM蠕虫的传播趋势,提出一种改进的IM 蠕虫传播模型,将实际网络中防火墙、杀毒软件和用户打补丁修补漏洞等因素考虑进IMWDP 模型,采用Linux下的NS2进行仿真分析.仿真结果表明:改进的模型更能真实反应IM蠕虫的实际传播趋势,能更有效的抑制IM蠕虫传播.     

基于Simscape的塑料-钢螺旋蜗轮蜗杆稳态热分析

为了获得塑料-钢材料的螺旋齿蜗轮蜗杆啮合过程中的热量分布,根据热网络分布原理,利用Simscape仿真软件建立了热网络模型,分析了其啮合时的功率损失,得出其热阻计算模型和系统的稳态温度分布及热流量分布。仿真结果表明,蜗杆的温度远远高于其他节点温度,齿轮主要以蜗杆热传导的方式散热,通过选择热传导系数更大的蜗杆材料或采用减小蜗杆长度的设计可以改善蜗杆端传导散热。     

利用时间戳的分布式蠕虫检测系统

高速网络中的蠕虫能以无法预料的高速率传播,因此需要设计一个高效的自动蠕虫检测系统.利用时间戳的分布式蠕虫检测系统,使用网络延时探测网络拥塞,采用分布对等式网络共享数据.该系统中各个节点能够互连平等地工作,能同步更新各个节点信息;各个节点能够自己收集信息并进行判断;各个节点能够处理其他节点的判断结果.     

AS级网络拓扑的节点动态性演化行为分析

针对自治域(autonomous system,AS)级网络拓扑中节点的演化问题,结合复杂网络与统计学方法对AS级网络拓扑数据进行分析,研究了AS级网络拓扑中节点和边的数量、网络平均度、网络层次性的演化情况以及在节点演化过程中不稳定节点的具体变化.研究结果表明:AS级网络拓扑的连接越来越紧密,结构越来越复杂;在新生节点演化过程中,90%的新生不稳定节点(持续时间比小于1)在演化过程中持续地抖动,而稳定节点(持续时间比为1)中有10%的节点"成长"为大度、高核节点.另外,只有2%的消失节点在演化中真正地消亡.     

基于畅通度度量的无尺度网络中关键节点的选取方法 

现实世界中大量存在着的无尺度网络的抗蓄意攻击能力的不足,决定了从无尺度网络中选择关键节点的重要性。网络中节点的重要性程度可用将该节点从网络中删除前后,网络的连通性能的变化进行度量。文章提出了无尺度网络畅通度的概念,从3个不同的角度对无尺度网络的畅通度进行评价,构造出无尺度网络畅通度的综合度量公式,构建了无尺度网络的关键节点的选取模型,并利用分布估计算法对模型进行求解。仿真结果表明,利用分布估计算法得到的结果要好于直接选取度数最大的节点作为关键节点的方法。     

基于关联度的无标度网络演化模型分析

针对无标度网络模型,考虑新增节点可能与系统存在关联的特性,提出了基于关联度的一种改进模型,从理论上对新模型的度分布进行了分析;通过计算,将度分布、聚类系数和平均路径长度等网络参数与适应度模型进行了比较,计算结果表明,关联度模型比适应度模型更优。     

一种基于主机重要度的网络主机节点风险评估方法

现有依据攻击图评估网络主机节点方法中的原子攻击概率和资产保护价值计算时,未考虑主机节点间关联关系对主机节点风险值的影响。对此,提出了以网络中主机重要程度为基础的风险评估方案。首先,依据网络信息构建主机攻击图,利用漏洞可利用性、代码可用性和防御强度计算原子攻击概率并依据攻击图计算路径攻击概率;然后,从攻击图结构和资产保护价值2个角度表征主机重要度,利用原子攻击概率的倒数对主机攻击图加权并计算主机节点的改进加权介数指标,利用熵权法对主机节点资产保护价值指标赋权并计算资产保护价值;最后,根据主机节点最大路径攻击概率和主机重要度计算网络主机节点的风险值。实验结果表明,所提方法能够更全面地评估网络环境中的主机节点风险,得到的风险值更加合理。     

应用改进的V-detector算法检测蠕虫

通过分析主机感染蠕虫后网络流量特性的变化，基于免疫系统的阴性选择机制，提出了一种蠕虫检测方法。首先改进了可变半径实值阴性选择算法V-detector，改进策略是在检测器生成过程中根据非自体空间的分布产生具有尽可能大覆盖范围的检测器。改进算法与原算法相比，所生成的检测器集合中检测器的数量大幅度下降，检测效率提高。应用改进的V-detector算法生成检测器集合监控主机的网络流量特性，以检测蠕虫攻击。实验结果表明，该方法能有效检测传统蠕虫及多维传播的多态蠕虫。     

组播网络中链路丢包率的测量

为了提高组播网络中链路丢包测量的正确性,提出了以2-state Gilbert模型为链路丢包模型的算法.该算法利用组播网络各链路的丢包率在空间上具有相关性的特点,基于网络端到端的测量,采用最大似然算法(ML)计算网络中各节点状态,然后根据各节点的状态计算出网络中各链路的丢包率.仿真实验表明,该算法具有准确度高、收敛速度快的特点.     

无线Mesh网络功率控制与信道分配联合优化

针对无线Mesh网络网关节点和网络链路承载的负载不均问题,择优选择网关节点,并设计链路权重,构建以网络加权吞吐量为优化目标的资源分配模型.在构建的资源分配模型下,提出一种基于Q学习和差分进化的联合功率控制与信道分配算法（QDJPCA）.该算法通过获取功率控制的反馈结果,采用基于多重变异和自适应交叉因子的差分进化算法进行信道分配;针对每次迭代产生的信道分配结果,采用基于状态聚类和状态修正的Q学习算法实现功率控制.NS-3仿真结果表明,QDJPCA能够有效求解所提资源分配模型,在优先保证网关负载均衡和高负载链路吞吐量性能的基础上提升网络整体性能.