基于Netlogo的计算机网络病毒传播模型SIRH及仿真.docx

第 ２７卷 第 ２期 ２０１４ 年 ５ 月 青 岛 大 学 学 报 （自 然 科 学 版 ） ＪＯＵＲＮＡＬＯＦＱＩＮＧＤＡＯ ＵＮＩＶＥＲＳＩＴＹ （ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ｖｏｌ．２７Ｎｏ．２ Ｍａｙ２０１４ 文章编号 ：１００６－１０３７（２０１４）０２－０３９－０６ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００６－１０３７．２０１４．０５．１０ 基于 Ｎｅｔｌｏｇｏ的计算机网络病毒传播模型ＳＩＲＨ 及仿真 张安勇１ａ，邵世芬２，苏丽君１ｂ （１．青岛大学ａ．继续教育学院，ｂ．医学院，青岛 ２６６０６１；２．青岛海尔开利冷冻设备有限公司 ，青岛 ２６６０７１） 摘要：基于实际网络的复杂性、重复感 染和动态人为因素对病毒传播的影响 ，研 究了 ＢＡ 无 标度网络拓扑结构中 ＳＩＲＨ 模型，用 仿真软件 Ｎｅｔｌｏｇｏ动 态地描绘了计算机网络病毒的传 播过程。仿真结果表明，考 虑重复感染和动态人为因素，有 效地减弱了网络病毒的 传 播 强 度，大大缩减了病毒的生命周期 ，从而减低了病毒对整个网络的危害性 。 关键词：计算机网络病毒传播模型 ；复杂网络；动态人为因素；Ｎｅｔｌｏｇｏ 中图分类号：ＴＮ９１１．７；Ｎ９４５．１２ 文献标志码：Ａ 随着科学技术和网络的发展 ，计算机病毒的危害 性日益严重。 而反病毒技术通常依赖于病毒特征的识 别，而某些新型病毒能够通过免疫程序规避杀毒软件 的检测［１］，因 此研究计算机病毒的动力学传播特性，对 提高网络的安全性和可靠性具有十分重要的意义。 目前计算机病毒的研究模型分为两类 ：微观模型和宏观模型 。Ｋｅｐｈａ等［２］在１９９１年基于生物病 毒和计 算机病毒的一些共性，以微观模型的方法将生物学中的传染病模型及其分 析方法应用计算机病毒的检测与 清除中，该模型从病毒代码着手建立识别病毒的模型［３］，但是无法预测已感染病毒的计算机在网络中的 动态 行为。借鉴于生物流行病的仓室模型 ，宏观模型方法 开始受到研究人员的关注［４，５］，该 模型通过研究各仓室 病毒的数量随时间的变化规律 ，预测病毒演化趋势 ，从而找到控制病毒传播的有效方法 。 近年来，计算机病毒的模型建立与分析受到国内外学者关注 。Ｒｅｎ等［６］考虑网络拓扑点的 演化过程 ，建 立了具有饱和传染率的 ＳＩＲ 模型；Ｍａｒｋ 等［７］考 虑流行病的易暴露、易 感染性，提 出了一种 ＳＥＩ模 型来模拟 病毒的传播；Ｈａｎ等［８］考虑网络中的时滞现象 ，建立了 ＳＩＲＳ模型来反映病毒传播的潜伏期 ；Ｎｅｗｍａｎ 等［９－１１］ 探索了小世界网络模型的传播特性 ，对 ＷＳ 小世界网络模型的 ＳＩＲＳ 模型进行了探究。Ｂｏｇｕｎａ和 Ｍｏｒｅｎｏ 等［１２－１５］研究了 ＢＡ 无标度网络中的 ＳＩＲ 模型，并取得了初步的成果 。 考虑到现实生活中网络的复杂性 、动态人为因素对病毒传播的影响 ，本文研究 ＢＡ 无标度网络拓扑结构 中 ＳＩＲＨ 模型，用仿真软件 Ｎｅｔｌｏｇｏ动态地描绘了计算机网络病毒的传播过程 。仿真结果显示，考 虑重复感 染和动态人为因素，使网络模型更具有现实性 ，更合理 有效地遏制了网络病毒的传播强度 ，大大缩减了病毒 的生命周期。这也为防治网络病毒起到了一定的指导作用。 １ 复杂网络中计算机网络病毒的传播模型 １．１ ＢＡ 无标度网络 复杂网络理论已经涉及到很多的学科 ，探讨的内容 也非常广泛。 以复杂网络理论为指导来研究计算机 网络病毒的传播机制，具有以下优势： （１）复杂网络是以研究网络拓扑结构来探讨网络 病毒的传播模型 ，以 发现更深层次的规律为目标 ，为 研 究计算机网络病毒的传播机制并遏制其传播提供强有力的指导。 （２）复杂网络理论可以真实有效地刻画现实中复杂多变的实际网络 ，无论实际网络有多复杂 、抽象，都可 收稿日期 ：２０１４－０３－１１ 作者简介 ：张 安勇 ，男 ，硕 士 ，馆 员 ，主要从事信息技术等方面研究 。 ４０ 青 岛 大 学 学 报 （自 然 科 学 版 ） 第２７卷 通过数学解析的方法来建立模型。 采用 ＢＡ 的无标度网络模型［１６］，在基于对现实网络进行简化的同时将实际 复杂网络中的无标度特性归 结为增长和优先连接两个特性［１７］，其构造算法［１８］： （１）网络规模增长特性 —网络的规模与时间有关系。从结点总数为 ｍ０ 的网络开始构建，每 次向网络中 加入一个节点，与已经存在的 ｍ 个节点连接，并满足 ｍ≤ｍ０。 （２）优先连接特性—新节点优先连接度较大的节点 。新的节点与某个存在的节点ｉ连接的概率Πｉ 与节 点ｉ 的度ｋｉ、节点ｊ 的度ｋｊ 的关系满足 ｋ