基于活跃度的网络免疫策略

免疫策略是抑制复杂网络传播过程的有效方法。虽然基于网络拓扑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,如传播过程中节点具有不同的活跃度,活跃的节点能够促进传播。笔者结合网络结构和节点活跃度,提出了一种新的免疫策略,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。     

复杂网络中基于反应式的危险抑制方法

复杂网络中的危险传播行为依赖于网络拓扑结构和节点的动态特性.网络拓扑结构与危险传播的动力学机制是分离的,因此需要结合节点的动态信息来分析网络中的危险传播机理.本文针对该问题提出一种复杂网络中基于反应式的危险抑制方法,该方法主要针对节点当前的感染模式,采取相应的免疫策略进行防护.通过仿真实验表明,本文提出的免疫策略可以更加有效地抑制复杂网络中的危险传播.     

三种加权网络的病毒控制策略研究

本文在BBV模型、WANG模型、ZHU模型三种加权网络模型中分别进行了随机免疫、熟人免疫与基于节点强度的目标免疫这三种免疫策略的研究,研究发现不同的模型采用不同的免疫策略效果是不一样的。     

基于DynamicRank的重要节点集挖掘算法

为了更为有效地挖掘复杂网络中综合影响力高的节点集、提高重要节点集挖掘算法的准确性,针对节点集中各节点在信息传播中不同程度的相互促进和相互抑制作用,基于DynamicRank算法设计了一种新的级联概率计算模型。通过增强贪心策略,优先从种子集邻居以外的节点中选取备选节点,减小种子集内重叠邻居对信息传播引发的抑制作用;利用级联概率计算模型,增强种子集对信息传播的级联促进作用。在4个实际网络上采用SIR模型进行了测试,实验结果表明,相较于已有重要节点挖掘方法H-index、Degree、DynamicRank、VoteRank和EnRenew,提出的算法挖掘出的节点集具有更高影响力。特别地,在Grid数据集上,本文方法挖掘出的种子集的传播范围比对比算法平均提升了49.3%。提出的算法针对信息传播概率和贪心策略的改进有利于重要节点集的挖掘和识别。     

基于复杂网络病毒传播模型的免疫策略研究

复杂网络理论促进了病毒传播的进一步认识,文章基于复杂网络中免疫策略理论提出了改进的免疫方法——三阶双免疫策略.它是对网络中任意抽得的节点中最大度节点及其三阶邻居节点一起实施免疫策略,是对双免疫策略的进一步改进.研究发现,与传统的随机免疫、经典的熟人免疫策略、二阶双免疫策略相比,文章提出的三阶免疫获得了较好的免疫效果.     

节点数固定的ER网络演化模型拓扑性质的研究

复杂网络模型的研究主要集中在ER网络模型、小世界网络模型和无标度网络模型,其中ER网络模型是最经典的复杂网络模型之一。文章研究了节点数固定情况下的ER网络模型,根据网络内部边的动态演化特点,将节点数固定的网络模型进行了细分,给出了模型的生成算法,并模拟了算法生成的随机网络的平均路径长度和聚类系数。仿真结果表明,节点数固定的ER网络具有小世界特性,出现这种小世界特性的主要原因是由于网络内部边的异质性,而与网络的节点数变化没有必然联系。     

MIPv6网络中蠕虫传播模型的构建与仿真

为了防止MIPv6中蠕虫的传播,基于MIPv6网络环境,提出一种新型的蠕虫MIPv6-Worm和MIPv6节点接触频率的计算方法,对MIPv6网络中蠕虫的传播策略进行了分析和研究,建立了MIPv6网络蠕虫传播模型--MWM.仿真结果显示:MIPv6-Worm在MIPv6网络中传播的初期,在117 s时达到传播的顶峰,在传播后期所有节点最终都转为免疫状态;MIPv6-Worm传播概率与节点通信半径、易感节点分布密度、节点运动速度均成正比.该模型较好地模拟MIPv6网络中蠕虫的传播规律,为采取有效措施防止MIPv6中蠕虫的大范围传播提供了理论依据.     

基于点权的混合K-shell关键节点识别方法

复杂网络中,评估节点的重要性对于研究网络结构和传播过程有着重要意义.通过节点的位置,K-shell分解算法能够很好地识别关键节点,但是这种算法导致很多节点具有相同的K-shell (Ks)值.同时,现有的算法大都只考虑局部指标或者全局指标,导致评判节点重要性的因素单一.为了更好地识别关键节点,提出了EKSDN(Extended K-shell and Degree of Neighbors)算法,该算法综合考虑了节点的全局指标加权核值以及节点的局部指标度数.与SIR(Susceptible-Infectious-Recovered)模型在真实复杂网络中模拟结果相比,EKSDN算法能够更好地识别关键节点.     

对等网络主动型恶意代码与免疫疫苗的对抗传播模型

通过深入分析P2P网络中的主动型恶意代码的特征,提出一种适合于P2P网络环境的主动型恶意代码与免疫疫苗的对抗传播模型. 模型根据Peer节点受主动型恶意代码及免疫疫苗的双重影响情况将节点细分为易感染、已感染、已免疫和失效这4种典型状态,并指出了节点在不同状态之间的转换规律. 对所提出对抗传播模型及其相关参数展开细致的仿真实验,实验结果说明所提出的模型与实际情况相符,证明了模型的正确合理性.      

带有节点异质性和免疫策略流行度的研究方法

网络免疫技术是抑制病毒传播的主要方法之一。本文针对当前网络病毒免疫策略未考虑的网络节点异质性,以及现实网络中免疫策略流行度问题。提出一种带有免疫策略流行度的策略研究方法,并将网络节点异质性考虑在内。通过建立无标度网络的病毒传播模型,研究网络节点异质性和免疫策略流行度,在控制网络病毒传播所起到作用。     

基于节点重要度动态评估的复杂网络级联失效分析

级联失效前的评估和检测是预防和控制级联失效现象的关键,对充分把握整个网络系统的稳定运行至关重要。为深入探究级联失效传播过程的内在机理,提出一种考虑网络动态特性的节点重要度评估模型;在此基础上,采用一种更符合真实复杂系统的非线性容量负载模型,利用该模型进行不同攻击策略下的级联失效仿真,以网络的最大连通子图比例为测度量化网络抵御级联失效的抗毁性,仿真结果表明,节点41所在的广安市与节点55所在的重庆市,无论是在静态节点重要度评估,还是动态节点重要度评估下,均是成渝铁路网络中最关键的节点;此外,不考虑级联失效情况下,在网络的静态拓扑结构中,节点的度中心性更能代表节点的关键程度;而在动态的网络拓扑结构中,节点的介数中心性更能代表节点的重要性,与度值攻击相比,采用重要度攻击策略能以更快的速度击溃网络;考虑级联失效情况下,与其他攻击策略比较,采用重要度攻击策略时,在级联失效的作用下,仅攻击2个节点,网络便会迅速崩溃,验证了节点重要度动态评估模型的有效性;同时探讨了网络在不同模型参数下抵御级联失效的抗毁性,实验结果表明,在一定范围内提高负载系数、容量系数可以有效提高网络抵制级联失效的抗毁性;受网络拓扑结构和攻击策略的影响,需设置较大的节点容量,来预防网络的级联失效。     

无标度网络的免疫策略研究

文章结合目标免疫和熟人免疫各自的优势,提出了一种改进的免疫算法:随机选择网络中的部分节点,对被选节点的最大度邻居进行免疫.在算法上结合了熟人免疫的优点,即无需获知全局网络结构信息,并具有目标免疫策略的高效性.通过对算法进行基于无标度网络拓扑进行仿真模拟,验证了本算法具有更高的免疫效率和更广的应用价值.     

基于节点重要性的复合免疫策略研究

为有效抑制病毒在网络中扩散,提出一种基于节点度、介数和聚类系数的复合免疫策略,该算法综合计算三类特征量得出节点重要性并免疫重要性高的节点,在人工生成网络和真实农产品供应链网络上分别进行仿真实验,结果表明:实施该复合免疫后网络中感染节点密度值低于同等免疫比例下的度免疫、节点介数免疫和聚类系数免疫策略,具有更高的免疫效率。此外,该复合免疫算法中节点度占比大小会影响免疫效果,存在一个最优的度权值使免疫效果最优。     

网络结构鲁棒性指标及应用研究

为了更好地测度网络抵御破坏的能力,基于网络连通和恢复能力提出了连接鲁棒性和恢复鲁棒性两种指标.运用这两种指标,以网络规模为500,取20次独立实验的均值,对ER随机网络、规则网络、BA无标度网络以及WS小世界网络4种典型网络结构进行仿真.实验结果表明:ER随机网络对于恶意攻击的鲁棒性要优于其他3种网络;BA无标度网络仅节点恢复鲁棒性较好,边恢复鲁棒性和连接鲁棒性最差;规则网络拥有很好的连接鲁棒性但恢复鲁棒性最差;WS小世界网络受其参数影响,鲁棒性介于ER随机网络和规则网络之间.同时还发现,网络结构鲁棒性的下降随着去除节点个数的增加和网络结构参数的改变而呈现出一定的"涌现"现象.     

基于搜索效率的复杂网络多模型并行演化分析

很多真实的复杂网络呈现无标度性．但是,这些网络为什么在增长过程中遵从优先连接规则？现有研究尚未给出有力的解释．一个合理的猜想是：这些网络如果不遵从优先连接规则,则将处于不利的地位．为证实这一猜想,采用搜索效率作为评价指标,量化评价不同演化模型的优劣．首先提出一种新的复杂网络并行演化模式,使得同一网络中不同的局部遵从不同的演化模型,从而在统一的基础上比较不同演化模型搜索效率的优劣．以BA无标度网络、WS小世界网络和随机网络为基础,构建了异质复杂网络．其次,采用随机游走搜索策略和DS最大度搜索策略,比较遵从不同演化模型的异质子网的搜索效率,力图解释复杂网络中演化模式同质化的原因．实验发现一种“信息壁垒”现象,即处于劣势的网络模型,其所属节点很难被其他模型的节点访问到．实验结果表明：对于以搜索为重要功能的复杂网络,无标度网络具有最强的适应性,从而在一定程度上解释了无标度现象在众多现实复杂网络中存在的原因．     

基于线性矩阵不等式的牵制控制策略分析

研究复杂动力学网络的同步牵制控制问题.通过引入牵制控制,对具有大规模节点网络中的小部分节点实施线性反馈控制策略,使得整个网络的所有节点均达到同步.针对一类一致连结的耦合复杂网络模型,采用线性矩阵不等式的方法给出了实施牵制控制达到同步的充分条件.该条件表明,选择牵制异质网络中度较大的节点可能更容易使得网络实现同步.特别地,对于特定的内部耦合矩阵和足够大的耦合强度,只要对网络中任一节点实施牵制控制就可以保证整个网络同步的实现.数值仿真验证了上述结论的有效性.     

基于异质网络嵌入的学术论文推荐方法

针对基于异质信息网络推荐中的有效信息提取与利用，提出了一种基于异质网络嵌入的学术论文推荐方法。使用由元路径引导的随机游走策略生成节点序列;对于每个元路径，通过最大化序列中相邻节点的共现概率来学习节点的唯一嵌入表示;设计了不同的融合函数，将节点在多个不同元路径的低维表示融合为异质信息网络的嵌入，并且引入注意力机制应用于推荐系统。该方法解决了大多数基于异质信息网络的推荐方法因依赖于基于路径的相似性而无法完全挖掘用户和项目潜在结构特征的问题，在DBLP数据集中验证了模型的有效性，并在RMSE指标中取得超过传统模型的效果。