复杂网络免疫的策略.pptVIP

多重图形剖分免疫 以往的免疫策略的免疫原则为：根据度数或者介数，对重要的节点进行免疫。 Yiping Chen 通过对目标免疫分析发现：目标免疫策略把网络分成好几种小的网络。小的网络在病毒传播过程中起的作用很小，所以把网络分成好几个小的网络实际上浪费了代价。Yiping 通过嵌入分割算法（nested dissection algorithm）[8]把网络分成几个近似大小的网络，然后对分割集团进行免疫，提出了EGP策（equal graph partitioning immunization strategy）。 EGP免疫策略可以比目标免疫少用5%-50%的免疫剂量，达到相同的感染密度。 原则是 免疫一组节点(separator group)，节点把网络分成几个相似大小的集团。 图9 来自文献7 类似于EGP算法的策略，可以同样采用嵌入式分割算法，用边对网络进行划分，提出了多重图形剖分算法。 图10 Nested dissection 的执行过程（取自文献8） 在linux环境下通过metis软件中的kmetis和pmetis程序来对网络划分，结果是把每个顶点对应的集团编号存放在文本中，然后对于不同集团之间的边进行免疫。实验如图11： 图11 对于有向网络免疫的思考 M. E. J. Newman的 Email networks and the spread of computer viruses[9]文章，对email有向网络进行分析免疫，首先是把Email网络进行分析 图12 Email的分析 来自文献9 然后根据出度对于Email网络进行目标免疫 图13 对Email网络进行免疫 来自文献9 针对有向网络的免疫，我思考的是使用类似于pagerank 算法来求解。 Pagerank的思想是对网页进行打分，原理：网页A指向网页B，则B=A的分值/A的出度+……。 针对SIS病毒传播模型，比如节点B,C,D三个节点指向节点A，那么节点A感染病毒的概率为至少有一个邻居节点为感染节点 A=1-(1-B)(1-C)(1-D) 所以针对有向无权网络使用SIS病毒传播模型： 如果n与i有边连接, E(n,i)=1，否则为0。value(i)为节点i感染疾病的可能性 问题：大型稀疏矩阵的求解 参考文献 [1] Reuven Cohen, Shlomo Havlin, Daniel ben.Avraham, Phys Rev Lett 91 (2003) 277901 [2] Pastor-Satorras R, Vespignani A, Phys. Rev. E. 65 (2002) 036104 [3] Madar, N.; Kalisky, T.; Cohen, R.; Ben-Avraham, D，etc.Eur.Phys.J.B, 38(2004):269-276 [4] Stanley Milgram, The Small World Problem, Psychology Today, 1967, Vol. 2, 60-67 [5] Shi Zhou, Raul J. Mondragon, New Journal of Physics 9(2007) 173 [6] Andy Yoo, Edmond Chow, etc,Proceedings of the 2005 ACM/IEEE conference on Supercomputing, 2005. [7] Chen Y, Paul G, etc, Phys Rev Lett. 101(2008) 058701. [8] Bruce Hendrickson, Robert Leland， A multilevel algorithm for partitioning graphs，Supercomputing，Tech. report SAND93-1301, Sandia National Laboratories, Albuquerque, NM, 1993 [9] M. E. J. Newman, S. Forrest, and J. Balthrop , Phys. Rev. E 66 , 035101(2002). 结语 从八月份到现在只是有想法，编程验证。免疫算法对我来说只是一个黑匣子，下一步应该进行”白盒测试” 请老师，师兄，师姐批评指正 谢谢大家 复杂网络的免疫策略 大纲 基本的复杂网络免疫策略 改变假设条件：局域搜索免疫 改变免疫对象：删除边的免疫 改变免疫原则：多重图形剖分免疫 对于有向网络免疫的思考 基本的免疫策略 目标：通过对部分人接种而有效地控制疾病的传播 基于局域信息 免疫 uniform