基于度相关性的病毒传播模型及其分析.pdfVIP

论 文 引用格式: 徐久强, 王进法, 张君, 等. 基于度相关性的病毒传播模型及其分析. 中国科学: 信息科学, 2014, 44: 793–810, doi: 10.1360/N112013-00064 中国科学 : 信息科学 2014年 第 44卷 第 6期 : 793–810 基于度相关性的病毒传播模型及其分析 徐久强?, 王进法, 张君, 赵海 东北大学信息科学与工程学院, 沈阳 110819 * 通信作者. E-mail: xujiuqiang@ 收稿日期: 2013–05–03; 接受日期: 2013–09–06; 网络出版日期: 2014–05–12 国家自然科学基金 (批准号: 和国家科技支撑计划 (批准号: 2012BAH82F04) 资助项目 摘要 近年来网络病毒传播已对网络安全构成严重威胁. 研究表明,互联网宏观拓扑结构与病毒传 播有很大关系. 度相关性是互联网宏观拓扑的一个重要特征, 度相关性的改变意味着互联网拓扑结 构的变化. 通过度相关特征分析, 发现互联网的异配性呈现减弱趋势; 本文使用 DPR 算法构造连续 匹配系数的网络拓扑, 以便在具有不同匹配系数上的网络上进行病毒传播实验, 以此研究病毒的传 播速度、稳态感染率、传播临界值; 然后根据传统病毒传播模型 SIS, 建立了适合因特网上的病毒传 播模型 SIS-DVDI,并进行病毒传播实验,分析了病毒传播的稳态特性和瞬态特性;最后根据先前仿真 实验得出的结论探讨了网络病毒的防护措施. 关键词 互联网拓扑 度相关性 病毒传播 DPR算法 SIS-DVDI 1 引言 随着互联网的发展, 互联网上的病毒传播已经成为全球性问题. 目前互联网作为一种典型的复杂 网络 [1], 人们对它的宏观拓扑结构与病毒传播特点的研究并不充分. 近年来的研究结果表明: 互联网 的宏观拓扑结构对网络病毒传播有着重要影响. 度相关性是互联网宏观拓扑的一个重要特征, 度相关 性的改变往往意味着互联网整体拓扑结构的变化. 在复杂网络的研究中, 网络被抽象成简单的 “节点” 与 “边”的集合, “节点”指复杂网络中参与交互的个体,对 Internet拓扑来说, “节点”指的是一台计算 机 (IP 级拓扑)、一个路由器 (路由级拓扑) 或一个自治域 (autonomous system, 简称 AS[2,3] 级拓扑), 而 “边” 代表节点间的关系. 目前对于复杂网络的研究主要包括网络结构发现、网络拓扑建模、网络特性分析及网络控制与同 步等几个方面. 用来刻画实际网络宏观拓扑结构的网络特征量主要有度分布、平均路径长度、聚类系 数、介数、度相关性等等. 传统的病毒传播研究主要为病毒传播模型的构建 [4] 以及随机免疫 [5]、目 标免疫 [6]、熟人免疫 [7] 等免疫策略下病毒传播的控制, 而最近关于病毒传播的研究主要关注在人类 的干预下, 采取积极的控制策略, 提高病毒传播的时间延迟, 从而使病毒传播达到无病点或者有病点 的局部或全局稳定状态 [8～14], 但是病毒传播与互联网拓扑特性接合的研究并不多 [15], 在度相关性这 个网络特征量与病毒传播关系的研究上国际上几乎一片空白. 本文从节点度相关性来研究网络拓扑对 病毒传播的影响,通过 (degree-preserving rewiring, DPR)算法可以构造具有连续匹配系数的网络拓扑 徐久强等: 基于度相关性的病毒传播模型及其分析 结构. 在不同匹配系数的网络上做了大量的仿真实验发现了病毒传播在不同匹配系数网络上表现出来 的特性, 这些挖掘出的特性将对互联网病毒防护提供支持. 本文组织如下: 第 2 节介绍相关知识; 第 3 节介绍互联网宏观拓扑的度相关特征及其演化; 第 4 节基于度相关性研究病毒传播规律; 第 5 节对互 联网病毒传播建模; 第 6 节总结. 2 相关知识 定义 1 度与分布: 一个节点 i 的度表征了该节点与网络中其它节点的连接数目, 记为 ki. 网络 节点度分布指网络中所有节点的度的分布情况,即网络中各度值的节点数目占网络中总节点数目比例 情况, 通常用函数 P (k) 来表示. 定义 2 度相关性: 度相关性描述了网络中不同度值节点的连接偏好性. 对此一方面可以通过邻 居节点平均度分布 Knn(k) 来进行分析, Knn(k) = kmax∑ k=1 jp(j|k), (1) 其中,条件概率 P (j|k)表示度为 k 的节点连接到度为 j 的节点的概率.通过对各度值节点的邻居节点 平均度分布情况的分析可以了解网络的度相关性质. 另一方面可以通过 Newman[16] 提出的计算网络 的匹配系数来进行量化, 匹配系数的定义如式 (2), r = M?1 ∑ ijik