稀疏网络中SIRS病毒局域控制模型与仿真

根据计算机病毒迅速传播所造成的重大危害,为了研究局域控制策略对稀疏网络中病毒传播的影响,提出了一个带有局域控制的二维规则稀疏网络SIRS模型。运行系统状态随时间的演化最终会达到一个稳定状态。发现病毒传播效率、网络中被控制个体比例、网络中个体密度和免疫个体失去免疫能力的概率这四个要素决定系统中病毒的稳态感染比例。只有当传播效率大于一个临界值时,病毒才能在网络中持续传播。采用计算机仿真和动力系统稳定性分析,仿真结果表明局域控制策略对控制稀疏网络中SIRS病毒传播有很好的效果。     

多局域世界复杂网络中的病毒传播研究

对多局域世界(MLW)演化模型的构造算法进行改进,以元胞自动机(CA)为工具,研究MLW复杂网络中的病毒传播特性。结果表明,CA能较好反映病毒传播过程中的概率事件和个体之间的交互行为,MLW复杂网络的传播临界值与传染率、病毒爆发率有关,初始感染源的选择对病毒的爆发有重要作用,病毒的传播和消亡速度与传染率以及攻击模式有关。     

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。     

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。     

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。     

考虑交通流量的SIR-CA病毒传播模型

基于一维元胞自动机,考虑网络交通流量不均衡的特点,提出新的susceptible-infected-removed(SIR)病毒传播模型,研究病毒在复杂网络中的传播行为.研究表明,对于某些被治愈个体难以获得免疫能力的传染病,随着网络交通流量增大,病毒在网络中传播速度明显加快,并在更短的时间内达到稳定的更高的感染规模.研究还发现,对于某些被感染的个体一旦被治愈就立即获得了永久的免疫能力的传染病,增大网络通信流量可以加速病毒的消亡,提高网络中免疫节点的比例.     

无标度网络中考虑个体重视的传染病传播研究

分析传染病传播动力学行为是复杂网络研究的基本问题之一,现有的传染病传播模型研究没有充分考虑到传染病传播过程中人为因素的影响,即易染个体在传染病传播过程中的行为反应。针对以上问题提出了一种改进的无标度网络中具有个体重视的SIR传染病传播模型。利用平均场理论方法,分析了所提模型的动力学行为。研究了在无标度网络中具有个体重视的易染个体的比例和个体重视度对传染病传播的影响。理论分析和数值模拟结果表明,增大具有个体重视的易染个体的比例和增加易染个体的重视度,可以有效地改善传染病的传播阈值、传播的速度和爆发的规模。     

基于生物学原理的计算机网络病毒传播模型

针对已有的SIR病毒模型并没有很好地反映现实计算机网络中节点状态转换的问题,根据生物学传染病原理,结合已有的SIR模型,提出一个新的SIRS计算机病毒传播模型。利用微分方程理论分析该模型的动力学行为,发现基本再生数R0的取值是影响网络中病毒是否能彻底控制的关键。数值模拟结果表明,该模型能有效地预测和控制计算机网络病毒的传播。     

病毒在无标度网络上的传播及控制仿真研究*

网络病毒的爆发给计算机用户带来巨大的损失,同时互联网被认为是无标度网络,因此研究病毒在无标度网络上的传播及控制很有意义。通过构建一个BA无标度网络模型,对病毒的传播行为及影响因素进行了仿真分析。研究表明,采取恰当的策略可以有效地控制、预防病毒传播。     

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。     

校园局域网中ARP病毒攻击分析与防治

随着计算机网络技术的发展,各种计算机病毒频繁出现,和计算机病毒作斗争已经成为网络管理员的首要任务。本文就引起局域网中的网络堵塞以及用户密码丢失等现象出现的ARP病毒攻击做了分析,提出了完善的防御方法。很好的杜绝了ARP病毒在局域网中的传播。     

计算机病毒及网络安全的对策研究

目前病毒感染的途径较多、来源渠道广.其中网络已成为病毒传播的主要途径.按照传统计算机病毒分类法常以寄生对象为标准来进行分类,但根据当前网络的发展趋势,应增加一类网络型病毒.在网络环境下,病毒传播更快危害更广,单机防杀病毒产品已经难以彻底清除网络病毒,必须有综合防火墙技术、病毒防治软件、软件更新、数据备份等多种技术措施的全方位防杀病毒产品以适用于局域网广域网的环境.     

加权无标度网络病毒传播和局部免疫策略研究

为了进一步描述现实生活中复杂网络的病毒传播问题,改进加权无标度网络模型的传统构造方法,考虑流量带宽和个体抵抗力两个重要因子,利用平均场理论模拟仿真病毒传播过程,对实验数据进行分析,验证该模型的有效性.现实生活中往往只能了解复杂网络的局部拓扑信息,传统病毒免疫策略大多基于全局拓扑信息,在仅了解局部信息的前提下,提出加权无标度网络中基于局部最优的病毒免疫策略,通过动态模拟病毒传播的免疫仿真实验,与随机免疫策略和目标免疫策略对病毒传播影响进行比较,验证局部最优免疫策略的有效性.     

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。     

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。     

基于Lonworks技术的智能路灯控制系统

Lonworks是近几年来迅速发展的现场总线技术,已经广泛应用于楼宇自动控制、工业现场监测等领域。文中将该技术用于路灯控制,提出了一种基于Lonworks控制网络的智能路灯解决方案,实现对路灯的远程实时监控。该系统易于组网;方便节点扩充。底层利用广泛分布的电力线作为信息传输媒介,具有很大的经济性。给出了相应的系统组成架构,重点介绍了其核心即控制节点的软硬件设计。     

Identifying different community members in complex networks based on topology potential

There has been considerable interest in designing algorithms for detecting community structure in real-world complex networks. A majority of these algorithms assume that communities are disjoint, placing each vertex in only one cluster. However, in nature, it is a matter of common experience that communities often overlap and members often play multiple roles in a network topology. To further investigate these properties of overlapping communities and heterogeneity within the network topology, a new method is proposed to divide networks into separate communities by spreading outward from each local important element and extracting its neighbors within the same group in each spreading operation. When compared with the state of the art, our new algorithm can not only classify different types of nodes at a more fine-grained scale successfully but also detect community structure more effectively. We also evaluate our algorithm using the standard data sets. Our results show that it performed well not only in the efficiency of algorithm, but also with a higher accuracy of partition results.