基于熟人免疫的复杂网络免疫策略

针对目标免疫和熟人免疫的不足,提出一种综合的免疫算法,即随机选择一些节点,根据节点的不同特征采取合适的免疫措施。本算法保留了熟人免疫的优点,即完全基于本地信息、不需要获知网络的全局结构和识别高连接度节点,在需要免疫的节点数量与目标免疫相同的情况下,具有理想的免疫效果。通过对几种算法在无尺度网络、随机网络以及真实世界网络上进行仿真比较,验证了本算法具有更好的免疫效果和更广泛的应用条件。     

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。     

复杂网络上带有直接免疫的SIRS类传染模型研究

在SIRS(susceptible-infected-removed-susceptible)模型基础上,提出一个带有直接免疫的SIRS类传染模型.利用平均场理论,分析得到该传播模型的传染临界阈值主要与网络拓扑结构、直接免疫速率和免疫丧失速率有关.理论分析和数值仿真表明,直接免疫作用可以增大复杂网络上疾病传播的临界阈值、降低传染性疾病的传播范围,从而有效控制疾病在复杂网络上传播.     

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。     

复杂网络上带直接免疫及传染媒介的SIRS模型

复杂网络模拟实际系统时,常采用带有直接免疫的传染模型或带传染媒介的传染模型。这些模型只侧重实际系统的某一方面的因素。针对这一不足,提出一个新的SIRS类传染病模型,即带有传染媒介和直接免疫的SIRS模型。利用平均场理论建立相应的常微分方程系统,并讨论该类系统的传播动力学行为。研究结果表明,均匀网络情况下,该模型存在一个有限的传播阈值,并且传染媒介也会加速疾病的传播;非均匀网络情形时,传播阈值主要与网络的拓扑结构有关。     

基于修复策略的舰艇编队复杂网络系统可靠性研究

为了研究舰艇编队网络系统的可靠性,在建立舰艇编队网络系统组成模型的基础上,提出了一个舰艇编队复 杂网络的修复模型。为了运用概率母函数对临界攻击比例和巨元组相对大小进行解析研究,在该模型的基础上引入 了两个变量:攻击比例f二和未受攻击节点的最大度K}。解析和数值计算表明,修复策略显著提高了无标度网络的可 靠性,度指数较小的无标度网络其可靠性提高更大。仿真计算分析表明,所建模型可以应用于研究自我修复能力的复 杂网络的可靠性。     

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．     

基于免疫遗传算法的复杂网络社区发现

针对大部分基于智能优化算法的社区发现方法存在的种群退化、寻优能力不强、计算过程复杂、需要先验知识等问题,提出了一种基于免疫遗传算法(GA)的复杂网络社区发现方法。算法将改进的字符编码和相应的遗传算子相结合,在不需要先验知识的情况下可自动获得最优社区数和社区划分方案;将免疫原理引入遗传算法的选择操作中,保持了群体多样性,改善了遗传算法所固有的退化现象;在初始化种群及交叉和变异算子中利用网络拓扑结构的局部信息,有效缩小了搜索空间,增强了寻优能力。计算机生成网络和真实网络上的仿真实验结果表明算法可自动获取最优社区数和社区划分方案并具有较高的精度,说明算法具有可行性和有效性。     

复杂网络中初始节点对传染病传播的影响分析

长期以来,传染病对人类造成持续不断的威胁。研究工作者在传染病传播上投入了大量的精力进行研究,比如:传播模型、传播阂值以及影响传播的因素等方面。主要研究复杂网络中初始染病节点如何影响传染病的传播,对5种初始染病节点选择方法进行了深入分析并在两个大规模无向网络上进行了仿真实验。结果表明,传播速度以及传染病影响规模不仅与初始染病节点的选择有关,而且与网络结构有关。本研究成果对传染病控制可提供有价值的借鉴与参考作用。     

复杂网络上具有多感染阶段的传染病传播模型

针对传染病传播模型缺乏多感染阶段的不足,结合SIR和SEIR两种传播模型的特性,提出了一种改进的具有多感染阶段的SIR传染病传播模型(即SInR模型)。该模型充分考虑了不同感染阶段的非均匀感染力对不同网络结构上传染病传播及传播阈值的影响;同时引入相对感染力及传播时间尺度的概念,从网络结构、网络规模及相对感染力方面进行了仿真研究。仿真中无标度网络采用BA模型的生成算法,而小世界网络采用WS模型的生成算法。由仿真可知,感染节点在整个感染过程中大致服从泊松分布,因此在SInR模型下无标度网络的传播速度更快,范围更广;相对感染力对于传染病的大规模爆发存在着一个阈值,当感染力大于阈值时传染病才能大范围地爆发传播,而小于阈值时传染病只会局域小范围传播直至消失,无标度网络的感染力阈值为0.2,小世界网络的感染力阈值为0.24;随着网络规模的增大,传播时间尺度也在增大,相应的传播速度就会降低。仿真结果表明:该模型下无标度网络传染病传播速度更快且影响范围更大;无标度网络的相对传染力的传播阈值小于小世界网络,设置合理阈值有利于降低传染病的传播影响力。     

一种用于电子邮件网络中的综合利用网络拓扑与传播参数的免疫方法设计*

电子邮件网络中的传播型攻击是非常严重的网络安全问题。研究界提出了很多种网络免疫方法来解决这个问题,基于节点介数(node betweenness,NB)的方法是目前最好的方法。综合利用电子邮件网络的网络拓扑与传播型攻击的传播参数设计了一种网络免疫方法。在生成的电子邮件网络拓扑模型以及Enron电子邮件网络真实拓扑数据的仿真表明,该方法比NB方法更有效。在某些仿真场景下,本免疫方法能够比NB方法达到50%的改进。     

EGP网络免疫方法与HDF网络免疫方法的比较*

通过在不同的网络环境及攻击性质下的大量仿真实验来仔细地比较EGP方法与HDF方法在对抗传播型攻击方面的表现。仿真结果表明,EGP方法并不总是优于HDF方法。在选择网络免疫方法的时候,一定要仔细考察当时的网络环境及攻击性质,以此来决定选用更优的方法。     

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。     

加权局域网络上的病毒传播行为研究

病毒传播问题的研究一直是国际上科学家所关注的焦点,但是在加权局域网络中的病毒传播研究却是空白。由于实际存在的网络很大一部分是加权局域网络,因此研究了一种特定加权局域网络中的传播行为。采用病毒传播的SI模型,令病毒的传播速度和网络的连接权重正相关。对加权局域网络中病毒传播行为的研究表明：加权局域网络的无标度性质和加权局域世界性质对病毒的传播有深刻的影响。由于加权局域网络能够很好地反应实际世界,因此该研究具有很广的应用背景。     

电子邮件网络中用图分割设计的网络免疫方法

蠕虫、病毒等在电子邮件网络中的传播型攻击是非常严重的网络安全问题, 设计有效的网络免疫方法对于解决这个问题是非常重要的。基于节点介数（Node Betweenness,NB）的方法是目前最好的方法。利用图分割（graph partitioning）方法设计了一种网络免疫方法, 在生成的电子邮件网络拓扑模型以及Enron电子邮件网络真实拓扑数据上的仿真表明,所设计的方法比NB方法更有效。在某些仿真场景下,所设计的免疫方法能够比NB方法达到50%的改进。     

Random walk immunization strategy on scale-free networks

A novel immunization strategy called the random walk immunization strategy on scale-free networks is proposed. Different from other known immunization strategies, this strategy works as follows： a node is randomly chosen from the network. Starting from this node, randomly walk to one of its neighbor node; if the present node is not immunized, then immunize it and continue the random walk; otherwise go back to the previous node and randomly walk again. This process is repeated until a certain fraction of nodes is immunized. By theoretical analysis and numerical simulations, we found that this strategy is very effective in comparison with the other known immunization strategies.     

Multi-Candidate Voting Model Based on Blockchain

Electronic voting has partially solved the problems of poor anonymity and low efficiency associated with traditional voting. However, the difficulties it introduces into the supervision of the vote counting, as well as its need for a concurrent guaranteed trusted third party, should not be overlooked. With the advent of blockchain technology in recent years, its features such as decentralization, anonymity, and non-tampering have made it a good candidate in solving the problems that electronic voting faces. In this study, we propose a multi-candidate voting model based on the blockchain technology. With the introduction of an asymmetric encryption and an anonymity-preserving voting algorithm, votes can be counted without relying on a third party, and the voting results can be displayed in real time in a manner that satisfies various levels of voting security and privacy requirements. Experimental results show that the proposed model solves the aforementioned problems of electronic voting without significant negative impact from an increasing number of voters or candidates.