一种社区网络的层次病毒免疫方法
【专利摘要】本发明公开了一种社区网络的层次病毒免疫方法，包括以下步骤：获取社区网络的网络结构；对获得的网络结构进行社区划分，划分后分别得到社区层和用户层网络结构；依据社区层和用户层的网络结构确定每一个社区的免疫节点数目；而后，利用本发明定义的能够更恰当表述病毒传播动力过程的SIRSR模型，分别对社区层和用户层的社区独立或者同时地进行病毒免疫，对于社区层采用图遍历的方法进行病毒免疫，用户层采用目标免疫方法进行病毒免疫。本发明解决了当网络结构复杂时，目标免疫无法获知全网结构的缺点，同时也可以分布式地对多个社区进行病毒免疫，实现快速完成免疫，降低病毒产生的危害。
【专利说明】-种社区网络的层次病毒免疫方法
【技术领域】
[0001] 本发明属于网络安全【技术领域】，更具体地，涉及一种社区网络的层次病毒免疫方 法。
【背景技术】
[0002] 病毒传播带来的巨大伤害，使得病毒免疫方法的研究一直处于热点状态。有报告 显示，仅2008年，计算机病毒在全球造成的经济损失就高达85亿。为了尽可能的减小病毒 传播产生的危害，更加高效的病毒免疫方法需要被设计和提出。现有的最常见的病毒免疫 方法有：随机免疫方法、目标免疫方法和熟人免疫方法。随机免疫方法随机地从网络中挑选 节点进行免疫，实现简单但效率比较低，代价比较大，仅适用于分布较为均匀的网络。目标 免疫方法改进随机免疫，针对网络特点，有目的性的挑选某些节点进行免疫，免疫效果明显 好于随机免疫，但需要获取整个网络的全局信息。熟人免疫方法为了克服目标免疫方法需 要获取网络全局信息的缺点，首先随即选择一些节点，然后根据这些节点来选择其他节点 来进行免疫，但免疫效果差于目标免疫方法。
[0003] 尽管现有的病毒免疫方法也能较好的防御病毒传播，但这些方法存在以下问题：
[0004] 第一，大部分的病毒免疫方法缺乏对当前流行的社区网络结构特性的研究，少数 考虑了社区网络结构的方法需要获取整个网络的全局信息；
[0005] 第二，对病毒传播特性的描述不完全符合网络病毒的传播特性；
[0006] 第三，不能够较好的适应当前的大数据时代，对复杂的网络结构免疫效率差，不支 持并行处理。
【发明内容】
[0007] 针对现有技术的缺陷，本发明的目的在于提供一种社区网络的层次病毒免疫方 法，旨在解决现有技术中存在的缺陷，并使得病毒免疫方法能够更好地运用社区网络的特 性，更加快速和有效地完成免疫病毒，从而尽可能地降低病毒传播带来的危害，同时该方法 支持分布式运行，在时间性能上也可以优于现有技术。
[0008] 为实现上述目的，本发明提供了一种社区网络的层次病毒免疫方法，包括以下步 骤：
[0009] (1)获取社区网络的网络结构；
[0010] (2)对获得的网络结构进行社区划分：划分得到的所有社区组成用户层网络结 构，社区之间的连接节点组成的网络结构，即为社区层的网络结构；
[0011] (3)依据每一个社区的感染节点数目和社区的生命力，确定所有社区免疫时的免 疫节点数目；
[0012] (4)依据SIRSR模型描述的病毒的传播引起的状态变化和节点状态，对社区层采 取图遍历的免疫方法进行病毒防御；
[0013] (5)依据SIRSR模型描述的节点状态和病毒传播过程中引起的状态变化，以及社 区的初始免疫节点数目，对用户层的每一个社区同时分布式的利用目标免疫方法进行病毒 防御；
[0014] 其中，步骤（4)和步骤（5)的运行顺序为：步骤（4)需早于步骤（5)运行，或者最 晚与步骤（5)同时运行。
[0015] 本发明的一个实施例中，步骤（2)中的社区划分方法采用现有的静态社区划分方 法，对所述网络结构进行社区划分后得到社区网络的层次结构：一层为所有独立社区组成 的用户层；另一层为用户层所有社区边界节点组成的社区层。
[0016] 本发明的一个实施例中，所述SIRSR模型用于描述病毒传播过程中可能出现的状 态以及状态之间的转化关系，其中：
[0017] 所述SIRSR模型包括三个状态：第一个是易感染状态S ;第二个是感染状态I ;第 三个是免疫状态R ;
[0018] 假设易感染个体在单位时间内被某个感染个体感染的概率为λ，感染个体或者易 感染个体被某个免疫状态个体免疫的概率为μ，则三个状态之间的转化关系可表述为：易 感染状态个体以概率μ被某个免疫状态个体免疫，若未被免疫，再以概率λ被某个感染状 态个体感染；感染状态个体以概率μ被某个免疫状态个体免疫，或者最终不可避免的走向 死亡；免疫状态个体是获得免疫能力的个体或者死亡的个体，不具有传染性，也不会被再次 感染；因此，该模型描述的病毒传播过程可用微分方程表示如下：
【权利要求】
1. 一种社区网络的层次病毒免疫方法，其特征在于，包括以下步骤： (1) 获取社区网络的网络结构； (2) 对获得的网络结构进行社区划分：划分得到的所有社区组成用户层网络结构，社 区之间的连接节点组成的网络结构，即为社区层的网络结构； (3) 依据每一个社区的感染节点数目和社区的生命力，确定所有社区的初始免疫节点 数目； (4) 依据SIRSR模型描述的病毒的传播引起的状态变化和节点状态，对社区层采取图 遍历的免疫方法进行病毒防御； (5) 依据SIRSR模型描述的节点状态和病毒传播过程中引起的状态变化，以及社区的 初始免疫节点数目，对用户层的每一个社区同时分布式的利用目标免疫方法进行病毒防 御； 其中，步骤（4)和步骤（5)的运行顺序为：步骤（4)需早于步骤（5)运行，或者最晚与 步骤（5)同时运行。
2. 根据权利要求1所述的方法，其特征在于，所述步骤（2)中对所述网络结构进行社区 划分后得到社区网络的层次结构为：一层为所有独立社区组成的用户层；另一层为用户层 所有社区边界节点组成的社区层。
3. 根据权利要求1或2所述的方法，其特征在于，所述SIRSR模型用于描述病毒传播过 程中可能出现的状态以及状态之间的转化关系，其中： 所述SIRSR模型包括三个状态：第一个是易感染状态S ;第二个是感染状态I ;第三个 是免疫状态R ; 假设易感染个体在单位时间内被某个感染个体感染的概率为λ，感染个体或者易感染 个体被某个免疫状态个体免疫的概率为μ，则三个状态之间的转化关系可表述为：易感染 状态个体以概率μ被某个免疫状态个体免疫，若未被免疫，再以概率λ被某个感染状态 个体感染；感染状态个体以概率μ被某个免疫状态个体免疫，或者最终不可避免的走向死 亡；免疫状态个体是获得免疫能力的个体或者死亡的个体，不具有传染性，也不会被再次感 染；因此，该模型描述的病毒传播过程可用微分方程表示如下： -=Xsi - μι dt d -=-Asi - us < dt ； d · ---JUl + fiS dt 、i(0) = i〇, s<0) = 5·。，r(0) = r〇 设α = λ / μ，~ 1,则有i和s的关系式如下： In i + ai - In s - as- + In - + a ； so 因此，病毒不大规模爆发的条件为：s < ι/a。当S < 1/a时，i(t)单调减至0 ;当s > 1/ a时，i⑴先增加后减少至0 ; 其中，S和s(t)均表示t时刻易感染状态节点的数目；i和i (t)均表示t时刻感染状 态节点的数目；S(0)和S(l均表示初始0时刻易感染状态节点的数目；i(0)和L均表示初 始〇时刻感染状态节点的数目。
4. 根据权利要求3所述的方法，其特征在于，所述步骤（4)具体包括； (4. 1)获取所有感染社区； (4. 2)获取所有感染的社区的所有边界节点组成集合A ; (4. 3)将集合A中那些仅与感染社区连接的节点除去，剩余边界节点组成集合B ; (4. 4)获取所有非感染社区中与感染社区连接的边界节点，组成集合C ; (4. 5)若集合B中节点数目少于或等于集合C的节点数目，根据所述SIRSR模型中三个 状态之间的转化关系，免疫B中所有节点；否则，根据所述SIRSR模型中三个状态之间的转 化关系，免疫C中节点。
5. 根据权利要求3所述的方法，其特征在于，所述步骤（5)具体包括： (5. 1)获取社区中所有未感染节点Si，S2，…，Sv ; (5. 2)将Si，S2，…，Sv按度从大到小排列，根据所述SIRSR模型中三个状态之间的转化 关系，采访所述前个度大的节点A，％，'、#丨，进行免疫，其中所述-\为第i个社区的 初始免疫节点数目； (5. 3)对每一个免疫节点氏，以概率μ免疫其相邻的非免疫节点； (5. 4)对每一个感染节点Ip以概率λ感染其连接的易感染节点； (5. 5)循环执行步骤（5. 3)和（5. 4)，直到该社区感染节点的数目为0。
【文档编号】H04L12/58GK104091123SQ201410304211
【公开日】2014年10月8日 申请日期:2014年6月27日 优先权日:2014年6月27日
【发明者】付才, 李敏, 韩兰胜, 刘铭, 崔永泉, 汤学明, 骆婷 申请人:华中科技大学