病毒传播过程的建模研究
发布时间：2021-07-18 14:39
在科学技术快速发展的今天,网络在给人类提供巨大方便的同时,也为计算机病毒的传播提供了土壤。虽然杀毒软件,补丁程序,防火墙等技术是对抗计算机病毒的有效手段,但是当新型病毒爆发时,这些技术却显得束手无策,为对抗计算机病毒,减少网络安全事件的发生,我们有必要对病毒的传播机理进行深入的了解,期望能为能够为计算机病毒的防治工作提供一些理论参考。本学位论文主要进行了以下两方面研究。（1）在经典SIRS（易感-感染-免疫-易感）的基础上,本文提出了一种网络拓扑结构发生变化的改进SIRS模型,通过对模型的理论推导得出计算机网络拓扑结构的变化对计算机病毒的传播有着至关重要的影响。并运用李雅普诺夫稳定性理论分析得到阈值条件,当系统满足阈值条件时,计算机病毒最终消失;不满足阈值条件时计算机病毒将始终存在于计算机网络中。同时也表明了本文改进的SIRS模型更贴近现实情况中计算机病毒的传播过程。给计算机病毒的防控提供了具有参考价值的理论依据。（2）针对机理模型在刻画病毒传播过程中的不足,本文结合猩红热20122017年发病率数据,分别建立了基于SIS模型近似解析解的改进模型,NAR神经网络的...
【文章来源】：辽宁石油化工大学辽宁省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
NAR模型工作流程图
23的计算机网络病毒传播模型，并取得了良好的效果，文献[42],[43],运用MATLAB并结合相应数据进行了数值模拟实验，均取得了相应的效果，相较于文献[41]-[43]中均采用单一实验方式，本文采用Netlogo，与MATLABA相结合的方式来验证本文理论分析所得结果。3.4.1改进SIRS模型无病平衡点仿真本小节实验采用复杂网络仿真建模工具netlogo来构建仿真系统，设置不同turtles的颜色来表示计算机的不同状态[44]。统计在每个时间节点上处于不同状态的计算机数量画出统计图。仿真中，设定网络规模为300，平均度分别为3和6，假设0.1，0.7初始感染节点均为180个,此时K(0)1，根据引理1，计算机病毒将从网络中消失。(a)k为3时sirs模型无病平衡点实际仿真（b)k为6时sirs模型无病平衡点实际仿真图3.4SIRS无病平衡点仿真Fig.3.4SimulationofSIRSatdisease-freeequilibriumpoint
24对比图3.4中(a)和(b)不难发现，在同样满足引理1的情况下，较为稀疏的网络由于计算机节点之间的联系不是那么密切，当病毒在网络中传播时，可以有效的抑制病毒在网络上的传播，而联系较为密切的网络，由于计算机之间的联系较为密切，当网络中爆发病毒时，计算机病毒可以在网络中迅速蔓延，并驻留较长时间。3.4.2SIRS地方病平衡点仿真仿真中，设定网络规模为300，平均度分别为3和6，0.1，0.7初始感染节点均为3个,此时K(0)1，根据引理2，计算机病毒将不会从网络中消失。(a)K为10时sirs模型地方病平衡点实际仿真（b）K为15时sirs模型地方病平衡点实际仿真图3.5SIRS地方病平衡点仿真与数值模拟Fig.3.5SimulationaofSIRSatendemicequilibriumpoint
【参考文献】：
期刊论文
[1]潜伏机制下网络病毒传播SEIQRS模型及稳定性分析[J]. 王刚,陆世伟,胡鑫,马润年. 哈尔滨工业大学学报. 2019(05)
[2]一类随机离散的SIR流行病模型解的稳定性分析[J]. 鲁银霞,廖新元,陈会利,李佳季. 南华大学学报(自然科学版). 2019(01)
[3]基于复杂网络Deffuant模型的舆情演化规律研究[J]. 马永军,杜禹阳. 情报杂志. 2018(06)
[4]基于NAR模型的上海市房产税规模预测[J]. 刘洋,蔡明明,杨婉莹. 中国房地产. 2016(30)
[5]带有非线性免疫率的SIRS计算机病毒传播模型[J]. 昂蓉蓉,叶雷. 安庆师范学院学报(自然科学版). 2016(03)
[6]基于NAR模型的电视频道收视率预测[J]. 肖启伟,杨秀芝. 电视技术. 2015(04)
[7]流行性感冒数学建模研究进展[J]. 陈田木,刘如春,谢知,胡伟红,李亚曼,李叶兰,王智宇. 中国热带医学. 2014(07)
[8]基于SIR模型的微博信息扩散规律仿真分析[J]. 刘丹,殷亚文,宋明. 北京邮电大学学报(社会科学版). 2014(03)
[9]基于BP神经网络的河南省甲乙类法定报告传染病预测研究[J]. 徐学琴,孙宁,徐玉芳. 中华疾病控制杂志. 2014(06)
[10]基于Netlogo的计算机网络病毒传播模型SIRH及仿真[J]. 张安勇,邵世芬,苏丽君. 青岛大学学报(自然科学版). 2014(02)
博士论文
[1]网络病毒传播规律及控制策略研究[D]. 杨橹星.重庆大学 2015
[2]传染病动力学模型研究[D]. 曹宇.东北大学 2014
[3]三种新型计算机病毒传播模型：理论研究与应用策略[D]. 杨茂斌.重庆大学 2012
硕士论文
[1]几类传染病微分方程模型的传播动力学分析[D]. 陈思行.桂林电子科技大学 2018
[2]三类传染病模型的若干问题研究[D]. 任雪.东北林业大学 2018
[3]基于SIR社交网络的谣言传播模型研究[D]. 余莎莎.南京邮电大学 2017
[4]一类计算机病毒SIR模型的传播动力学[D]. 郭晓菲.安徽师范大学 2017
[5]云计算下基于认知的学习质量评价优化算法的研究[D]. 孙丽娜.沈阳师范大学 2017
[6]几类传染病模型的动力学研究[D]. 韩怡茹.西安电子科技大学 2017
[7]基于BP神经网络模型和NAR动态神经网络模型的期货跨品种套利策略对比研究[D]. 梁仁方.浙江财经大学 2016
[8]基于NAR神经网络的车速预测及应用[D]. 袁鲁山.大连理工大学 2016
[9]具有风险预知的复杂网络传染病模型研究[D]. 张喜娟.中北大学 2010
本文编号：3289775
【文章来源】：辽宁石油化工大学辽宁省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
NAR模型工作流程图
23的计算机网络病毒传播模型，并取得了良好的效果，文献[42],[43],运用MATLAB并结合相应数据进行了数值模拟实验，均取得了相应的效果，相较于文献[41]-[43]中均采用单一实验方式，本文采用Netlogo，与MATLABA相结合的方式来验证本文理论分析所得结果。3.4.1改进SIRS模型无病平衡点仿真本小节实验采用复杂网络仿真建模工具netlogo来构建仿真系统，设置不同turtles的颜色来表示计算机的不同状态[44]。统计在每个时间节点上处于不同状态的计算机数量画出统计图。仿真中，设定网络规模为300，平均度分别为3和6，假设0.1，0.7初始感染节点均为180个,此时K(0)1，根据引理1，计算机病毒将从网络中消失。(a)k为3时sirs模型无病平衡点实际仿真（b)k为6时sirs模型无病平衡点实际仿真图3.4SIRS无病平衡点仿真Fig.3.4SimulationofSIRSatdisease-freeequilibriumpoint
24对比图3.4中(a)和(b)不难发现，在同样满足引理1的情况下，较为稀疏的网络由于计算机节点之间的联系不是那么密切，当病毒在网络中传播时，可以有效的抑制病毒在网络上的传播，而联系较为密切的网络，由于计算机之间的联系较为密切，当网络中爆发病毒时，计算机病毒可以在网络中迅速蔓延，并驻留较长时间。3.4.2SIRS地方病平衡点仿真仿真中，设定网络规模为300，平均度分别为3和6，0.1，0.7初始感染节点均为3个,此时K(0)1，根据引理2，计算机病毒将不会从网络中消失。(a)K为10时sirs模型地方病平衡点实际仿真（b）K为15时sirs模型地方病平衡点实际仿真图3.5SIRS地方病平衡点仿真与数值模拟Fig.3.5SimulationaofSIRSatendemicequilibriumpoint
【参考文献】：
期刊论文
[1]潜伏机制下网络病毒传播SEIQRS模型及稳定性分析[J]. 王刚,陆世伟,胡鑫,马润年. 哈尔滨工业大学学报. 2019(05)
[2]一类随机离散的SIR流行病模型解的稳定性分析[J]. 鲁银霞,廖新元,陈会利,李佳季. 南华大学学报(自然科学版). 2019(01)
[3]基于复杂网络Deffuant模型的舆情演化规律研究[J]. 马永军,杜禹阳. 情报杂志. 2018(06)
[4]基于NAR模型的上海市房产税规模预测[J]. 刘洋,蔡明明,杨婉莹. 中国房地产. 2016(30)
[5]带有非线性免疫率的SIRS计算机病毒传播模型[J]. 昂蓉蓉,叶雷. 安庆师范学院学报(自然科学版). 2016(03)
[6]基于NAR模型的电视频道收视率预测[J]. 肖启伟,杨秀芝. 电视技术. 2015(04)
[7]流行性感冒数学建模研究进展[J]. 陈田木,刘如春,谢知,胡伟红,李亚曼,李叶兰,王智宇. 中国热带医学. 2014(07)
[8]基于SIR模型的微博信息扩散规律仿真分析[J]. 刘丹,殷亚文,宋明. 北京邮电大学学报(社会科学版). 2014(03)
[9]基于BP神经网络的河南省甲乙类法定报告传染病预测研究[J]. 徐学琴,孙宁,徐玉芳. 中华疾病控制杂志. 2014(06)
[10]基于Netlogo的计算机网络病毒传播模型SIRH及仿真[J]. 张安勇,邵世芬,苏丽君. 青岛大学学报(自然科学版). 2014(02)
博士论文
[1]网络病毒传播规律及控制策略研究[D]. 杨橹星.重庆大学 2015
[2]传染病动力学模型研究[D]. 曹宇.东北大学 2014
[3]三种新型计算机病毒传播模型：理论研究与应用策略[D]. 杨茂斌.重庆大学 2012
硕士论文
[1]几类传染病微分方程模型的传播动力学分析[D]. 陈思行.桂林电子科技大学 2018
[2]三类传染病模型的若干问题研究[D]. 任雪.东北林业大学 2018
[3]基于SIR社交网络的谣言传播模型研究[D]. 余莎莎.南京邮电大学 2017
[4]一类计算机病毒SIR模型的传播动力学[D]. 郭晓菲.安徽师范大学 2017
[5]云计算下基于认知的学习质量评价优化算法的研究[D]. 孙丽娜.沈阳师范大学 2017
[6]几类传染病模型的动力学研究[D]. 韩怡茹.西安电子科技大学 2017
[7]基于BP神经网络模型和NAR动态神经网络模型的期货跨品种套利策略对比研究[D]. 梁仁方.浙江财经大学 2016
[8]基于NAR神经网络的车速预测及应用[D]. 袁鲁山.大连理工大学 2016
[9]具有风险预知的复杂网络传染病模型研究[D]. 张喜娟.中北大学 2010
本文编号：3289775
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3289775.html
