基于个体行为异构性的网络免疫与鲁棒性研究

发布时间：2020-06-14 14:55

【摘要】：网络在人们的生活中无处不在,它们为人们带来便捷服务的同时也隐藏着威胁,那就是其拥有的病毒式传播过程和易受攻击性。病毒式传播过程使得特定对象(如电子邮件病毒,谣言)能够在网络中快速地、大规模地传播;易受攻击性使得遭受攻击会使特定网络节点失效,导致网络瘫痪。给人们造成严重的财产损失。因此,大量学者对复杂网络中传播特性进行研究,建立了大量的复杂网络病毒传播模型用于模拟病毒在复杂网络中的传播过程,试图寻找影响病毒传播的关键因素。基于这些关键因素,设计出抑制复杂网络中病毒传播过程的免疫策略。另一部分学者研究网络的鲁棒性,选择出重要节点加以保护,防止网络瘫痪。然而,近年来的研究主要是针对网络拓扑结构,通过对复杂网络的拓扑结构进行分析,设计出了很多有效的网络免疫策略。虽然基于网络拓扑结构的免疫策略取得了良好的免疫效果,但这些策略都基于同构性假设,即:网络中的节点具有相同的属性。然而,越来越多的研究揭示了网络节点的异构特征,即:个体行为的异构性表现在网络中的个体行为不再统一,这些个体行为对复杂网络有着很大的影响。如传播过程中节点具有不同的活跃度,而活跃的节点能够促进病毒传播过程。因此,将异构的个体行为引入到复杂网络的研究中是十分重要的。本文基于复杂网络病毒传播的理论基础,将个体行为异构性引入到免疫策略和网络鲁棒性研究中,具体工作主要有以下几个方面:(1)基于能够表现个体行为的交互式病毒传播模型,使用人类行为动力学给出的真实人类行为数据,分析个体行为对传播的影响。通过对不同种类的用户行为进行模拟,查看病毒感染节点数量在病毒传播中的变化情况,并针对网络中的个体进行深入研究,从个体层面仔细分析个体行为与病毒传播的关系。研究发现活跃个体会促进病毒的传播,且活跃个体会增大非活跃个体的病毒感染概率。(2)通过对经典免疫策略进行分析,发现虽然经典免疫策略能够有较好的免疫效果,但是由于其基于平均场理论,导致其忽略了个体行为对传播的影响。因此,结合个体行为特性的免疫策略是一个提升传统免疫策略效果的有效思路。本文在基于网络拓扑结构的中心性指标中,加入了表示个体行为的节点活跃度,提出一种结合网络结构和节点活跃度的免疫策略。采用真实人类行为数据,在真实网络和人工网络中的仿真结果表明,所提免疫策略能够有效抑制传播扩散,比经典的免疫策略有着免疫效率上的提升。(3)人类接触网络刻画了人类的接触行为,传染病病毒在人类接触网络上传播比在物理网络上更加符合实际情况。通过对人类接触网络进行鲁棒性分析,挖掘出影响病毒传播的核心节点。通过免疫这些节点,可以延缓传染病的传播速率和感染规模。本文使用某市地铁刷卡数据,根据乘客出行目的地和出发地信息构造出行网络,并对该网络进行鲁棒性分析,找出关键节点,为传染病在地铁网络的防治工作提供决策依据。
【学位授予单位】：西南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：O157.5
【图文】：

小世界模型,聚类系数,路径长度,概率

S 小世界模型的聚类系数和平均路径长度随重连概率 p 的变S 小世界网络的构造中，其随机连边的算法可能会破，另一个小世界模型由 Newman 和 Watts 提出[46]。将 WS 小世界模型中随机重连的算法由随机加边算标生成的网络的节点数目为 N，则需要先生成一个每一个节点都与 K/2(K 是偶数)个最近邻节点相连。选择的一对节点间进行加边操作。且任意两个节点身连接。NW 小世界演化过程图如图 2-6 所示。

随机免疫策略示例图

【参考文献】