一个免疫策略基于传播机制

文摘

智能手机的普遍性、可穿戴设备和无线传感器网络的拓扑结构由它们随时间的变化。免疫的免疫策略网络节点选择通过分析静态聚合网络拓扑已经受到挑战。两个病原体之间的交互传播研究表明互动可以改变传播阈值和最终流行大小,它提供了一种免疫方法的新思路。消除或抑制病毒可通过其对方的传播。在这里,我们提出一种免疫策略的实现不依赖于网络拓扑结构的分析。免疫代理是随机放置在一些个人的网络和传播从这些个体在网络上传播的方法。免疫制剂预防病毒感染栖息地节点与某些免疫成功率。模型的演化方程的分析和仿真表明,免疫传播产生重大影响的传播阈值和稳态密度有限大小的BA网络上的病毒。模拟还表明,一些真实的网络免疫策略是可行的和有效的。

1。介绍

每一年,有很多新的病毒出现在互联网和移动互联网,这不仅威胁到网络和主机的安全,而且网络用户的信息安全,包括他们的账户、密码、机密性和隐私。抑制病毒的传播,各种免疫策略的提出,如目标免疫,环形免疫、熟人免疫,当地免疫,首先删除边免疫(1- - - - - -5]。一种免疫策略通常被定义为一组个体的选择既不抓也不传播疾病。选择方法主要是基于网络拓扑中的节点的属性。然而,它并不总是有效的,可行的访问和计算每个节点的属性为了挑选免疫节点在一个大型网络。无线连接设备在现代社会无处不在,比如智能手机、可穿戴设备和无线传感器。各种各样的在线社交网络和服务在互联网上涌现。边缘节点之间随着时间变化在这些网络6- - - - - -8]。通常会有更大的区别的实际属性值网络节点和网络节点的拓扑属性或动态属性的基础上计算静态聚合网络。

在21世纪的开端,红色蠕虫代码几乎瘫痪了整个互联网的洪水大量的无用的数据包(9]。之后,出现一个名为绿色的新蠕虫代码和它的目标是找到并删除红色蠕虫代码。蠕虫绿色代码也通过洪水蔓延。它的危害甚至超过它的好处,但是它给了我们一个新的想法抑制病毒传播的方法。免疫制剂和对策10,11)能像病毒一样传播。免疫接种剂的作用是抑制病毒的传播,它可以被视为一个竞争好病毒和坏之间传播的病毒。

越来越多的研究对多个近年来流行的动态交互。生成函数的方法是使用纽曼等人研究了竞争两种病毒的流行病代理,促进或抑制对方的传播(12- - - - - -14]。结合渗流理论和母函数方法可以完全证明网络结构的各种属性和分析的最终大小的病毒传染病暴发和流行阈值。但是他们忽略了时间演化过程中爆发。另一个数学建模方法对传染病传播的理论分析是室模型。它描述了疫情的时间演化,但简化了传播模型参数。动态相互作用的研究多个病原体的传播覆盖网络上需要考虑更多的因素,如联合学位分布重叠节点。文献[15)采用债券渗流理论和(16)使用舱方法模型和分析两个病原体在覆盖网络的动态交互。这些模型和分析他们的进化方程往往是更为复杂和难以处理。此外,两种病原体的相互作用并不总是对称的。的交互模型(17)包含两个传播粒子物种A和B, A导致B, B抑制A。另一方面,传染病的传播往往导致个体对疾病认识的提高和个人行为的变化(18- - - - - -21]。个体意识和行为的变化使健康人减少他们对疾病的易感性,以避免感染和感染者减少传染性强加到自己身上,而且实践更好的卫生检疫,感染持续时间缩短和延长免疫时间。在计算机网络中,计算机病毒的行为反应用户通常显示为用户操作行为的改变,例如,更愿意更新杀毒软件,接受补丁,避免点击奇怪可疑链接,打开陌生的垃圾邮件。

免疫策略的实现依赖于网络全局拓扑结构的分析难以迅速实现在现实世界的网络。在这里,我们提出一个简单的免疫战略互动的基础上传播的病毒和免疫剂。给定的病毒或蠕虫病毒疫苗,即免疫接种剂、传播网络类似于病毒的传播行为。如果个体感染免疫代理并成功获得免疫,它将免费从感染病毒,抑制病毒的传播,就像蠕虫病毒的抑制作用绿色代码蠕虫红色代码。

2。模型

网络上的病毒流行时,免疫剂放在一个随机选择的节点和开始在网络传播,其作品类似蠕虫程序的计算机网络。的传播途径免疫剂是专为SIS (susceptible-infected-susceptible)传播模式22]。基于版本的SIS模型,每个个体属于敏感()或感染()国家在任何给定的时间。当一个易感个体和受感染的个人互动,前者可能感染了后者感染率。

免疫代理在SIS模式而不是SI模式传播。首先,蠕虫绿色代码的例子表明,其成本带来的过度传播(洪水传播模式)和复杂的功能远远超过得到的收入。第二,免疫不是永久的现实在许多情况下。主机,免疫程序可能会被视为恶意程序安全软件或与一些应用软件冲突,甚至因此被关闭或删除。免疫程序本身可能发生故障,无法运行。主机系统可能会崩溃,重新安装。这些使主机转回易感状态的免疫状态。最后,如果传输模式是一个特例SIS的传播模式,恢复率为零。

图1显示了状态转换图的免疫模型。由于两种扩散剂的影响,有两种传播状态值系统的每个节点在同一时间。任何节点的传播状态是用的符号和意味着传播病毒和免疫剂,分别。

免疫制剂有两个功能,即免疫功能和传播功能。免疫功能是免疫制剂阻止成功的传播病毒免疫从他们的邻居节点的概率在每个时间步。免疫接种剂的传播功能是描述如下。在每个时间步,每个被感染节点通过免疫接种剂传播免疫剂其邻居节点的概率和恢复成为一个敏感的状态的概率。事实上,免疫制剂的传播模式是纯SIS传播模式。

如图1,每个节点感染了病毒感染与传播率的邻居节点在每个时间步,但传染性成功率为邻居节点感染免疫剂。如果节点节点的邻居吗和节点已经被病毒感染,节点有以下三种情况下病毒的传播。(1)如果节点不被病毒感染和免疫剂,该节点的概率从其邻居节点是感染病毒吗是。(2)如果节点不是被病毒感染,而是感染免疫剂,该节点的概率从其邻居节点是感染病毒吗是。(3)如果节点是感染了病毒,该节点的概率恢复状态是使自己陷入了一个敏感是否感染免疫制剂。考虑以下: 的象征代表国家或状态。

如果节点是一个邻居节点的节点,节点有以下两种情况的传播免疫剂。考虑以下:

表达式和表示感染上病毒和免疫代理节点密度与学位网络的时间,分别。然后,一个节点的概率是与学位不是感染免疫剂时间吗。表达式一个节点的概率是与学位是感染免疫剂和免疫失败,这意味着一个节点是感染免疫剂成功阻止入侵的病毒。结合上述两个概率=,这意味着一个节点的概率与学位网络不是免疫。因此,病毒传播获得的演化方程

免疫制剂的演化方程是传播 在哪里

3所示。阈值分析BA网络

当系统达到稳定状态时,左侧(4)= 0。我们可以获得的感染密度免疫代理节点与程度网络:

符号是免疫的有效传输速度传播。参数的缩写符号(4),这是一个函数。

在BA网络节点和每个节点的新边缘,其参数可以获得如下(23]。网络的平均度是2,最低程度,最大程度=和节点度的概率分布=。用上面的参数和(7)(6),我们得到

当病毒的传播达到稳定状态时,我们获得的(3)

符号是病毒传播的有效传输速度。参数的缩写符号(3),这是一个函数和。用有限大小的BA网络和上面的参数(9)(5),我们得到

我们定义了一个辅助函数如下:

因为函数是凸的,,,方程的充分必要条件有非零解的区间是。考虑以下:

免疫的影响下传播,病毒传播阈值 的象征是纯粹的SIS传播的传播阈值方法在有限大小的BA网络。它满足

如图2,病毒传播阈值的增加迅速增加免疫成功率δ和有效的传输速率在有限大小的BA网络上。免疫成功率越大δ是,病毒的传播阈值的增加率越大吗是多少。传播的病毒可以完全结束后通过选择适当的免疫有效的传输速度并保证某些免疫成功率δ有限大小的BA网络。

当免疫成功率满足特别是,我们获得由(8)和(13)。在这种情况下,病毒的传播的阈值等于和(9)是写成

用有限大小的BA网络和参数(16)(5我们获得

病毒的传染性密度在稳态传播

用有限大小的BA网络和参数(16)(18我们获得 在哪里。的参数和可以获得的(17)和(8),分别。

有限大小的BA网络新2000节点和边的每个节点,其纯SIS传播阈值方法。图3显示该病毒传播阈值等于免疫有效的传输速度,在那里和病毒的传染性密度下降的增强免疫有效的传输速度。以上两点表明,免疫效果显著的免疫成功率的情况下有限大小的BA网络上。

4所示。实证测试真正的网络

第一个真实的网络在我们的研究中是一个快照Gnutella对等文件共享网络在8月6日,200224,25]。节点代表主机在使用Gnutella网络拓扑和边的代表努特拉主机之间的连接。

安然电子邮件通信网络覆盖所有电子邮件通信的数据集内大约一半百万邮件(26,27]。这个数据最初公开张贴到网上的联邦能源监管委员会在其调查。网络的节点是电子邮件地址,如果一个地址发送至少一个电子邮件地址,图中包含一个无向边来。non-Enron电子邮件地址作为汇和源在网络与安然通信电子邮件地址是观察。

路由器组成的互联网的图像可以被组织成子图称为自治系统(是)。每个交流流量与一些邻国(同行)。我们可以建立一个通信网络的who-talks-to-whom边界网关协议(边界网关协议)日志。收集的数据来自俄勒冈州大学的路线Project-Online数据视图和报告(28]。数据集包含733个日常实例张成一个785天的间隔从11月8日,1997年1月2日,2000年。

在做这些实证测试之前,我们有三个网络提前处理。这些网络的最大连通子图取代他们的网络,分别。p2p-Gnutella06网络,网络改变了以这种方式无向网络,所有单向网络存储的边缘又根据他们的反方向,分别。

在第一个实证测试中,我们随机选择百分之一的网络节点作为原始的病毒感染节点和节点的原始感染节点免疫剂。图4显示节点密度被病毒感染与免疫因子小于交互感染的病毒在纯SIS传播方法和减少显著有效的传输速率的增加免疫制剂对不同病毒的有效传播率在所有的三个网络。

在第二个实验测试中,我们随机选择一个节点作为病毒输入源。当节点密度超过百分之一,感染病毒免疫剂开始传播从一个随机选择的节点,这一刻被标记为零的时刻,即。如图5,节点密度被病毒感染与免疫交互代理高涨但迅速回落,因为免疫代理传输的影响。

5。结论

阈值分析模型的BA网络上完成。免疫传播有一个显著影响病毒的传播阈值和病毒感染密度稳定状态。病毒传播阈值可以改变通过调整免疫有效的传输速度。当病毒有效的传输速率小于其传播阈值,从网络病毒最终根除。

在许多实际情况下,网络拓扑是很难获得全球或网络规模是如此之大以至不处理。摒弃网络拓扑性质的分析,我们提出了基于传播的免疫策略模式。免疫策略是快速、可行和有效的。我们只需要测量的有效传播病毒和免疫的免疫成功率代理模型的实际实现,可以通过当地的网络。根据测量参数,免疫有效传输速度可以设置为抑制病毒的传播。

在现实的环境中,许多网络不是静态的。其边缘和节点不不断活跃,对传播过程具有强大的影响。它可能是非常有趣的和重要的分析竞争对手动态与时序复杂的系统结构。这也将是我们未来的研究兴趣。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是支持部分由中国国家自然科学基金(批准号。61133016、61163066和60902074)和部分由中国国家高技术联合研究计划(863计划,批准号2011 aa010706)。

引用

1. j·穆勒,b . Schonfisch和m . Kirkilionis“环接种疫苗,”数学生物学》杂志上第41卷。。2、143 - 171年,2000页。视图:出版商的网站|谷歌学术搜索|MathSciNet
2. r . Pastor-Satorras和a . Vespignani“免疫的复杂网络,”物理评论E,卷65,不。第三条ID 036104, 2002。视图:出版商的网站|谷歌学术搜索
3. r·科恩、美国Havlin和d . Ben-Avraham”高效免疫策略的计算机网络和人口,”物理评论快报,卷91,不。24日,ID 247901条,2003年。视图:谷歌学术搜索
4. p .河中沙洲”高效的地方接种策略和网络攻击”Europhysics字母,卷68,不。6,908 - 914年,2004页。视图:出版商的网站|谷歌学术搜索
5. g . y . Chen保罗,s . Havlin f . Liljeros h·e·斯坦利,“找到一个更好的免疫策略,”物理评论快报,卷101,不。5、文章ID 058701, 2008。视图:出版商的网站|谷歌学术搜索
6. p .河中沙洲和j . Saramaki”时间的网络,”物理的报告,卷519,不。3、97 - 125年,2012页。视图:谷歌学术搜索
7. c·高和j .刘”建模和限制手机病毒传播,”IEEE移动计算,12卷,不。3、529 - 541年,2013页。视图:出版商的网站|谷歌学术搜索
8. c .高,j·刘,n .钟”在电子邮件网络:网络免疫和病毒传播实验评价和分析,“知识和信息系统,27卷,不。2、253 - 279年,2011页。视图:出版商的网站|谷歌学术搜索
9. 克赖夫d·摩尔、c·香农和k,将网络“红色代码”:一个案例研究在互联网蠕虫病毒的传播和受害者,”第二届ACM SIGCOMM研讨会互联网测量(世界地图' 02)马赛,页273 - 284年,法国,2002年11月。视图:谷歌学术搜索
10. j·戈登伯格,y Shavitt、大肠烤和s .所罗门”分配对病毒免疫的网络使用“蜜罐”架构,“自然物理,1卷,不。3、184 - 188年,2005页。视图:出版商的网站|谷歌学术搜索
11. l·c·陈和k . m . Carley”对策的影响传播计算机病毒的流行,“IEEE系统,人,控制论B控制论,34卷,不。2、823 - 833年,2004页。视图:出版商的网站|谷歌学术搜索
12. b·卡勒·m·e·j·纽曼:“竞争的复杂网络上的流行。”物理评论E,卷84,不。第三条ID 036106, 2011。视图:出版商的网站|谷歌学术搜索
13. m·e·j·纽曼和c·r·Ferrario“流行病和合并感染接触网络互动,”《公共科学图书馆•综合》,8卷,不。8篇文章ID e71321 2013。视图:出版商的网站|谷歌学术搜索
14. m·e·j·纽曼,“阈值效应两个病原体传播网络上,“物理评论快报,卷95,不。2005年10篇文章ID 108701。视图:出版商的网站|谷歌学术搜索
15. 恐慌和v . a .詹森“流行病在覆盖网络互动,”物理评论E,卷81,不。第三条ID 036118, 2010。视图:出版商的网站|谷歌学术搜索
16. 诉玛索,中国。诺尔,l . Hebert-Dufresne a Allard, l . j .杜布”建模覆盖网络上流行之间的动态交互,”物理评论E:统计、非线性和软物质物理学,卷84,不。2、文章ID 026105, 2011。视图:出版商的网站|谷歌学术搜索
17. y y。安,h·宋:此外,j . d .能剧“流行病动力学的两种相互作用的粒子在无标度网络,”物理评论E,卷74,不。6、文章ID 066113, 2006。视图:出版商的网站|谷歌学术搜索
18. 美国恐慌、e·吉拉德和v . a . a .詹森“地方病、意识和当地的行为反应,”理论生物学杂志》上,卷264,不。2、501 - 509年,2010页。视图:出版商的网站|谷歌学术搜索|MathSciNet
19. 萨拉瑟博士,美国恐慌,m . v . a .詹森,”造型的影响人类行为在传染病的传播:复习一下,”《英国皇家学会界面,7卷,不。50岁,1247 - 1256年,2010页。视图:出版商的网站|谷歌学术搜索
20. z阮、m . Tang和z . Liu“流行病传播信息驱动接种疫苗,”物理评论E,卷86,不。第三条ID 036117, 2012。视图:出版商的网站|谷歌学术搜索
21. 肖g . y . Wang, j·刘,“动态竞争的想法在复杂的社会系统中,“新物理学杂志,14卷,不。1,文章ID 013015, 2012。视图:出版商的网站|谷歌学术搜索
22. m . j . Keeling和p . Rohani建模在人类和动物传染病美国新泽西州普林斯顿大学,普林斯顿大学出版社,2008年。视图:MathSciNet
23. r . Pastor-Satorras和a . Vespignani流行病动力学在有限大小的无标度网络,”物理评论E:统计、非线性和软物质物理学,卷65,不。第三条ID 035108, 2002。视图:出版商的网站|谷歌学术搜索
24. j . Leskovec j . jonkleinberg和c·凯利斯图进化:致密化和缩小直径,“ACM交易数据的知识发现,1卷,不。1,第二条,2007。视图:出版商的网站|谷歌学术搜索
25. m . Ripeanu。福斯特,a . Iamnitchi”映射使用gnutella网络:大规模的点对点系统和影响的性质,“IEEE互联网计算杂志》第六卷,50-57,2002页。视图:谷歌学术搜索
26. b·克里姆特和杨y”,引入安然语料库”学报第一电子邮件和会议上反垃圾邮件(cea的04)美国,加州山景城,2004年7月。视图:谷歌学术搜索
27. j . Leskovec k . j . Lang a·达斯古普塔和m·w·马奥尼,”大型网络社区结构:自然集群大小和缺乏大型定义良好的集群的情况下,“互联网上数学》第六卷,没有。1,29 - 123年,2009页。视图:出版商的网站|谷歌学术搜索|MathSciNet
28. j . Leskovec j . jonkleinberg和c·凯利,“随着时间的推移图:致密化法,缩小直径和可能的解释,”第11届ACM SIGKDD国际会议进行知识发现和数据挖掘(KDD ' 05),页177 - 187,纽约,纽约,美国,2005年8月。视图:出版商的网站|谷歌学术搜索

版权

版权©2014年鑫朱et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。