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。     

电子邮件病毒传播的元胞自动机建模与分析*

为研究电子邮件病毒在有向无标度网络上的传播行为,基于元胞自动机理论,提出一个电子邮件病毒传播的元胞自动机模型。在该模型下,仿真分析多种因素对电子邮件病毒传播行为的影响,结果表明：在给定的有向无标度网络中,病毒传播速度和传播规模随着电子邮件病毒附件打开概率增加而增大,网络的有向性增加病毒传播规模对于免疫概率的敏感性,病毒传播演化主要与节点入度相关。研究还表明,病毒先感染入度大的节点,后感染入度小的节点,而节点感染病毒先后顺序与节点出度没有明显关系。     

网络负能量传播动力模型及仿真

针对现有研究没有考虑将网络负能量传播的影响因素细化并构建传播动力学模型进行分析的问题，提出网络负能量传播的弱免疫-强免疫-弱感染-强感染-恶意感染（WSRIE）模型。首先，考虑网络用户对网络负能量免疫能力、传播能力的差异性，将易感染状态划分为弱免疫状态和强免疫状态，将感染状态划分为弱感染状态、强感染状态以及规模保持不变的恶意传播状态；其次，根据网络负能量的感染机制，提出状态转移规律；最后，构建了面向复杂网络的网络负能量传播动力学模型。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，在同样参数的情况下，NW网络的弱免疫节点密度比BA网络低9个百分点，说明具备小世界特征的网络更易受负能量的影响；BA网络中恶意节点度为200时的感染节点密度比其节点度为0时高5个百分点，说明网红意见领袖的节点度越大，受网络负能量影响的网络用户更多。     

邮件蠕虫传播与防御的分析研究*

邮件蠕虫利用e-mail在具有power-law结构特点的网络中进行传播,使得传统的蠕虫防御策略失效。结合power-law网络拓扑结构的特点,引入节点免疫和邮件服务器参与两种防御策略,分别对重复感染与非重复感染两种类型的邮件蠕虫传播进行了实验仿真。结果表明,节点的优先免疫类型、免疫起始时间、邮件服务器参与防御时间及蠕虫邮件识别正确率都与邮件蠕虫的传播有着紧密联系。     

异构备份网络的病毒传播模型及稳定性分析

针对云计算、数据中心等基于虚拟网络的环境中病毒二次攻击的问题，研究了平台动态防御背景下的病毒传播及免疫机理，并提出一种异构备份式的网络病毒防御方法。首先，分析冗余备份发生二次攻击的过程，并总结病毒作用规律；同时，结合平台动态防御的思想，引入异构平台状态节点，并提出了易感-潜伏-感染-免疫-异构-易感（SEIRHS）病毒传播模型；其次，运用劳斯-赫尔维茨稳定性判据证明了模型平衡点处的局部稳定性，并求解基本再生数；最后，通过实验仿真分析对比了所提模型与传统易感-感染-免疫（SIR）模型、易感-潜伏-感染-免疫（SEIR）模型，并验证了所提模型的稳定性，探讨了病毒传播影响因子对病毒扩散规模的作用结果。仿真结果表明，所提模型能客观反映病毒在网络中的传播规律，并通过降低节点度、提高感染-异构（I-H）状态转移概率、降低备份时已被病毒潜伏的概率等有效提升网络对病毒的防御效果。     

移动无线传感器网络中抑制病毒传播模型

为了更好地控制病毒在移动无线传感器网络中的传播,根据传染病学理论建立了改进的病毒传播的动力学模型。该模型不仅在网络中加入死亡节点,还增加了病毒节点在传播过程中的通信半径以及移动和停留两种状态。之后针对该模型建立微分方程组,并进行平衡点存在性和稳定性分析,得出病毒传播的控制和消亡条件,进而分析了节点通信半径、移动速度、密度、易感节点免疫率、感染节点病毒查杀率和节点死亡率等对移动无线传感器网络中病毒传播的影响。最后通过仿真实验表明,调整该模型中的参数可以有效地遏制病毒在移动无线传感器网络中的传播。     

基于杀毒软件的计算机网络杀毒机理研究

本文基于杀毒软件建立了一个非线性的数学模型,用来研究清理计算机网络病毒的过程.该数学模型把种群中的节点平分为易受感染的、受感染的和受保护的三类群体.借助微分方程稳定性理论,通过数值模拟分析建立的模型,得到了在特定条件下,清理计算机网络病毒取决于网络中受感染节点的如流率、受感染节点和易感染节点的交互速度及他们与杀毒软件的相互作用等;只要杀毒软件能够有效的工作,就能成功的阻止、隔离病毒,保护计算机网络的安全.     

基于图覆盖的改进复杂网络免疫策略

提出一种基于图覆盖的改进复杂网络免疫策略.该方法引入模拟退火的思想,利用局部信息,以节点度大为原则选取免疫节点,同时以一定的概率接受度小的节点.使用交互式邮件传播模型,在真实的网络数据集上从免疫效率和免疫代价的角度进行了对比实验.实验结果发现,改进的方法在一些社团结构明显的网络中具有更好的效果,从而验证该方法的有效性.     

一类具有个体差异性和非近邻传播特性的SIRS计算机病毒传播模型

已有的SIRS模型认为感染个体被治愈后具有免疫能力,没有考虑个体之间的差异性以及实际节点之间的拓扑关系划分的不确定性。针对上述的不足,结合实际网络传播情况,分别引入直接免疫概率α、被治愈但不具有免疫力的概率μ2以及非相邻节点感染概率β1。提出一类具有个体差异性和非近邻传播特性的SIRS模型,该模型充分考虑了网络中节点在病毒免疫过程中存在的差异性以及非近邻传播特性对病毒传播的影响。数值模拟得到的结果和理论分析表明,通过增加网络中的直接免疫强度以及抑制非近邻传播的发生能够有效控制病毒的传播。     

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。     

Evolutionary virus immune strategy for temporal networks based on community vitality

Preventing viruses spreading in networks is a hot topic. Existing immune strategies are mainly designed for static networks, which become ineffective for temporal networks. In this paper, we propose an evolutionary virus immune strategy for temporal networks, which takes into account the community evolution. First, we define a new metric, community vitality (CV), to quantize the evolution characteristics of communities. Second, based on the community vitality, we propose an immune strategy which selects an optimized number of initial nodes according to node influence (NI). Third, a theoretical analysis is proposed to measure the immune effect of the evolutionary immune strategy. Compared with the random immunization, the targeted immunization and the acquaintance immune strategy, we show that the proposed strategy has a much larger coverage, i.e., more nodes will have immune ability given the same number of initial immune nodes.     

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。     

一种基于社区划分的数据分发方法

随着无线网络技术的发展,无线网络中对数据传输应用的需求也越来越多。文中结合对无线自组织网络特点的分析,提出了无线自组织网络中一种基于社区划分的数据转发方法。首先将无线自组织网络中的节点按照兴趣度划分为多个社区,再根据数据传输的区间划分选择不同的消息分发机制,社区内节点的数据转发通过限制跳数的传染病算法实现,节点间的数据转发跨跃社区时采取由中继节点携带转发的消息分发策略。仿真实验结果证明本算法实现了无线自组织网络中时间和空间效率的平衡。     

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.     

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。     

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。     

不均匀网络中的局域搜索免疫

当前研究的热点是怎么样用最小的代价对人群网络或计算机网络进行免疫。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。已知邻居节点的度数,在不均匀网络中提出了局域搜索免疫。与目标免疫策略相比,该策略可以通过免疫相等或较少的节点来消灭病毒。实验使用SIS病毒传播模型在ER随机网络、BA无标度网络和两种实际网络中测试了局域探索免疫策略,它的免疫性能随着聚类系数的增加而增加。     

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。