自适应网络病毒传播及节点保护免疫策略

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:hustyhw
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着世界网络化进程的不断加快和日益加深,人员和物资流动也变得越来越频繁和便捷。这就使得传染病的传播扩散速度大大提高。与此同时,和生物病毒相比,计算机病毒借助Internet更轻易的侵入到世界各个角落。针对网络中流行病的传播,人们提出了多种典型的流行病传播模型来研究和分析疾病传播,包括传播机理,传播特性以及预防控制等,并且在这些方面取得了很多新进展。考虑现实网络的复杂性,本文在已有的病毒传播及免疫的研究基础上,从两个不同的角度研究分析病毒传播过程和网络免疫策略,主要内容包括以下几个部分:首先,简单介绍复杂网络病毒传播和免疫的相关知识背景和研究现状及研究意义,对复杂网络中的传播动力学和现有的病毒控制策略进行研究和分析。其次,针对自适应网络,从网络中节点个体的角度出发,以每个节点为研究对象,提出在传播模型中用时变重连函数来表示网络传播过程中个体不断加强的风险意识。在病毒传播过程中,考虑个体随时间变化的病毒的防范意识和规避行为对病毒传播的影响。再次,从整个网络系统的角度出发。提出基于节点影响力度量方法的节点保护免疫策略,研究分析不同网络中,基于节点影响力度量方法的节点保护免疫策略的效果。同时,比较分析不同节点影响力度量方法在不同网络模型中的排序效果。最后,通过真实网络数据的研究,一方面验证前面研究结果的有效性,另一方面分析实际网络中病毒传播过程以及免疫策略。研究结果表明个体不断加强的风险意识和规避行为可以有效减缓病毒传播;而在不同网络中,基于不同的节点影响力度量方法的节点保护免疫策略也是一种有效的抑制病毒传播的免疫策略。但是不同的网络结构,优先保护不同方法下得到的最有影响力节点的免疫策略效果并不相同。仿真结果显示,真实网络中,基于节点影响力度量方法的节点保护免疫策略的效果和BA无标度网路中得到的结论更接近。在真实网络中,优先免疫接近中心性方法得到的最有影响力节点是一种非常有效的免疫策略。
其他文献
不可逆流方式的光伏并网系统,不仅能够减小光伏系统对电网的影响,简化系统设计,而且不使用蓄电环节,极大的节省了投入成本;现有的防逆流控制器由于不能快速检测逆功率多将逆功率控制在一定范围内,仍造成了部分电能回馈电网,当光伏系统大量并网时,对电网的安全运行构成潜在影响。因此,需要研究快速的逆功率检测方法,在发生逆功率后最短时间内脱离并网,实现光伏并网的“零逆流”。本文首先对逆功率检测的原理和现有的检测方
双离合器式自动变速器(Dual Clutch Transmission,简称DCT)是基于手动变速器发展而来的。它传动效率高,结构简单,制造成本低,可实现无动力中断换档,换档过程没有明显的冲击。换档控制软件的开发是研究DCT的核心内容。传统的软件开发开发周期长,工作繁复,开发效率低。本文在课题组已有的研究基础上,基于V模式开发流程,对DCT换档过程软件进行开发。本文以六速湿式双离合器式自动变速器为
随着时代的发展科技的进步,航空航天活动在全世界范围内蓬勃发展。从最开始的月球着陆活动,到后来的金星和火星的探测活动,针对地球外的行星探索一直没有停止过。由于近地小行星
常规控制策略解决了样例无人机基本的飞行功能问题,但在复杂飞行环境下,当机载传感器发生故障时,势必会影响飞行品质,甚至威胁无人机飞行安全。为了提高无人机在复杂环境下的飞行
随着信息化、智能化、网络化的发展,嵌入式系统技术获得了广阔的发展空间,嵌入式系统已经遍及我们生活的方方面面,从工业控制到交通管理,从信息、家电到环境工程与自然,无不
随着我国经济的发展,用电量逐渐增加,火力发电带来的污染越来越严重。为了协调经济发展和环境保护,发展效率高、污染小的洁净煤发电技术势在必行。相对于普通火力发电机组来说,洁净煤发电技术热工过程更加复杂,控制难度更大,传统的控制方法难以获得期望的控制效果。自抗扰控制(ADRC, Active Disturbance Rejection Control)是近年来发展的一种新型实用控制技术,已经在众多领域得
嵌入式系统作为面向特定功能应用的专用计算机系统,随着信息技术的发展和用户需求的日益增长,嵌入式系统应用已深入到人们生活及工业生产的各个方面。与此同时,数字图像处理技术
约束在物理系统中是无处不在的,它可能以停机、饱和以及性能和安全规范等形式存在。在系统运行期间违反约束条件可能会导致系统性能的下降,严重情况下会危害或者损坏系统。受到
由于污损生物容易在海水管线内壁和海水过滤器网附着沉积,为此可利用超声波技术杀死海生物幼体,以防止其透过滤网进入海水系统成长,从而避免造成海水管道污染堵塞[1-2]。论文针
近年来,随着人们对多智能体协同控制关注度的不断提高,其应用领域也越来越广泛,如物理、自然科学和数学等等。现有的关于多智能体协同控制方面的研究,大部分都是基于连续控制设计