自适应网络异步元胞自动机病毒传播模型

作者:吕剑;宋玉蓉;蒋国平 刊名:计算机技术与发展 上传者:姚维艳

【摘要】自适应网络病毒传播重点研究节点传播动力学和网络动力学之间的相互作用和反馈。考虑到病毒在网络中传播存在时延,文中使用异步元胞自动机和健康节点规避病毒传播的断边重连行为建立一种具有传播时延的自适应网络病毒传播模型。对所建模型的仿真结果表明,重连行为和传播时延的联合作用使节点状态演化不同步进行,病毒的传播速率变缓,爆发规模降低。这种基于异步元胞自动机建立的传播模型很好表达了自适应网络中的网络传播时延,病毒传播和网络结构演化的相互作用和反馈。

全文阅读

0引言以往研究表明,诸如Internet、WWW、P2P和E-mail等[1,2]信息网络都具有小世界效应、无标度等复杂网络特性,从复杂网络这个新的视角去分析和探索信息网络中病毒传播的问题具有重要的科学与现实意义。著名学者Pastor-Satorras等[3,4]研究得到无标度网络的传播临界值为0,这意味着只要传播率大于0,病毒都能传播并维持在一个平衡状态,这反映了无标度网络的脆弱性。然而Pastor等对无标度网络中传播阈值的研究中隐含着一个重要假设:网络具有固定的、静态的拓扑结构。后续的许多传播动力学研究也都基于静态的拓扑结构来进行,对用户节点的防范行为而导致网络拓扑的动态变化疏于考虑。体现节点动力学(以节点作为一个动力学系统)和网络动力学(以网络拓扑作为一个动力学系统)相互反馈、相互作用的时变网络被称为自适应网络(A-daptiveNetwork,下文中用“AN”表示)。Gross等[5]提出适应网络中的SIS模型,Shaw等[6]提出适应网络中的SIRS模型,这两个模型考虑易感节点会尽量避免与感染节点接触,断开与感染节点的连接而重新与其他易感节点进行连接。以上关于适应网络病毒传播的研究松散了静态网络的研究假设,反映了一些实际网络中的传播特性。然而上述研究多使用平均场理论,平均场方法缺乏空间概念,难以刻画空间系统中节点间的交互行为。元胞自动机[7](cellularautomata,CA)是一个具有简单构造但产生复杂自组织行为的离散动力学,CA能有效克服基于平均场方法的微分方程模型和基于马尔可夫链的随机模型所表现出来的缺陷,是一种研究病毒传播动力学的有效替代方法。众所周知,信息网络中处处都存在传播时延[8],有发送处理时延、链路中的传输时延、接收处理时延等,故病毒在计算机网络中传播会有不均匀性[9],因为必定会受到传输时延的影响,这与适应网络的特性联系起来会进一步影响到病毒在网络中的传播行为,而异步元胞自动机在满足特定条件时,节点被允许进行“本地演化”,而不受外部输入的影响。由此可见,异步元胞自动机的各节点不一定在同一时刻进行演化,这恰恰反映了实际网络中节点状态演化难以同步的情况。文中使用计算机仿真,使用异步元胞自动机建立病毒在自适应网络中的传播模型,研究了网络中传播行为和拓扑结构相互作用、相互反馈的机制,并考虑由于网络中存在时延而使传播行为不能同步进行的情况,对计算机病毒的传播趋势进行了研究,指出拓扑结构动态改变和网络延时是影响计算机病毒传播的重要因素。1自适应网络中异步元胞自动机病毒传播模型J.V.Neumann[10]建立了同步元胞自动机模型,它可以通过一个四元组来表示:CA=(C,S,V,)(1)(1)式中用C表示规则划分的一个网格空间,即元胞空间;每个元胞用一个网格单元表示;用S表示离散的有限状态集合,sv表示每个元胞的状态;元胞的邻居为V,对于任一元胞的邻域集合VC,设集合内元胞数目为N,则V可以表示成一个包括中心元胞在内的所有邻域内元胞的组合;表示状态转换函数。异步CA与同步CA的主要差别在于等待符号和外部输入序列X(X,X{}=X),异步CA的标准演化规则[11,12]由下式给出:Svt=svt-1v(st-1,xt*(v)),当vut且pv(st-1)=readsvt-1v(st-1,),当vut且pv(st-1)=wait{stv-1,否则(2)其中v是读函数,当它的值为read时,表示此时节点v读取的是外部输入;而当其值为wait时表示读取的是等待符号。v是节点v的反馈函数,代表此时读取的本地输入的具体形式,而Ut是演化

参考文献

引证文献

问答

我要提问