改进的SIR计算机病毒传播模型

doi:10.3724/SP.J.1087.2011.01891

计算机应用 ›› 2011, Vol. 31 ›› Issue (07): 1891-1893.DOI: 10.3724/SP.J.1087.2011.01891

改进的SIR计算机病毒传播模型

冯丽萍¹,²,王鸿斌¹,冯素琴¹

1. 忻州师范学院计算机科学与技术系，山西忻州 034000
2. 重庆大学计算机学院，重庆 400030

收稿日期:2010-12-13 修回日期:2011-01-26 发布日期:2011-07-01 出版日期:2011-07-01
通讯作者: 冯丽萍
作者简介:冯丽萍(1976-),女,山西宁武人,讲师,博士研究生,主要研究方向：计算机病毒模型;王鸿斌(1972-),男,山西河曲人,副教授,博士,主要研究方向：人工智能、信号检测与处理;冯素琴(1972-),女,山西忻州人,副教授,硕士,主要研究方向：人工智能。
基金资助:
国家自然科学基金资助项目;山西省自然科学基金资助项目

Improved SIR model of computer virus propagation in the network

Li-ping FENG¹,²,Hong-bin WANG²,Su-qin FENG²

1. College of Computer Science, Chongqing University, Chongqing 400030, China
2. Department of Computer Science and Technology, Xinzhou Teachers University, Xinzhou Shanxi 034000, China

Received:2010-12-13 Revised:2011-01-26 Online:2011-07-01 Published:2011-07-01
Contact: Li-ping FENG

摘要/Abstract

摘要： 通过分析已有网络病毒模型的不足，结合现实情况，根据生物学中的传染病模型提出了一种改进的具有预先免疫措施的SIR计算机病毒传播模型，该模型充分考虑了网络中节点数量变化对病毒传播的影响。此外，利用微分方程理论分析了模型的动力学行为。数值模拟结果表明，提高预先免疫率和控制节点流动可以有效控制病毒在网络中的传播。

关键词: 计算机病毒, SIR模型, 反病毒措施, 动力学, 数值模拟

Abstract: By analyzing the deficiency of the existing network virus models, referring to the reality and considering the infectious disease models in biology, an improved Susceptible-Infected-Removed (SIR) computer virus propagation model with pre-immune measures was put forward. The authors considered the varying number of nodes and analyzed its impact on the spread of the virus in the network. In addition, several related dynamic properties were analyzed. The numerical simulation results demonstrate that improving pre-immune rate and controlling the nodes flow in the network can effectively constrain virus prevalence. And this model has inspiration to predict and prevent from computer virus propagation.

Key words: computer virus, Susceptible-Infected-Removed (SIR) model, anti-virus measure, dynamics, numerical simulation

中图分类号:

CN: 51-1307/TP

冯丽萍王鸿斌冯素琴. 改进的SIR计算机病毒传播模型[J]. 计算机应用, 2011, 31(07): 1891-1893.

Li-ping FENG Hong-bin WANG Su-qin FENG. Improved SIR model of computer virus propagation in the network[J]. Journal of Computer Applications, 2011, 31(07): 1891-1893.

[1]	颜梦玫, 杨冬平. 深度神经网络平均场理论综述[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 331-343.
[2]	廖发康, 周亚丽, 张奇志. 变长度柔性双足机器人行走控制及稳定性分析[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 312-320.
[3]	王江坤, 何坤金, 曹红飞, 王金强, 张燕. 基于光滑粒子流体动力学方法的交互式水流加热仿真[J]. 计算机应用, 2020, 40(5): 1409-1414.
[4]	冯丽萍, 韩琦, 周志刚, 白增亮. 社交网络影响的不良信息扩散建模及最优控制策略[J]. 计算机应用, 2020, 40(3): 735-739.
[5]	朱倩倩, 刘渊, 李甫. 深度神经网络的仿生矩阵约简与量化方法[J]. 计算机应用, 2020, 40(10): 2817-2821.
[6]	赵士操, 肖永浩, 段博文, 李于锋. HSWAP:适用于高性能计算环境的数值模拟工作流管理平台[J]. 计算机应用, 2019, 39(6): 1569-1576.
[7]	黄滨, 保利勇, 丁洪伟. 基于均匀化分布的Chebyshev映射系统构建及特性分析[J]. 计算机应用, 2019, 39(10): 2997-3001.
[8]	付伟, 王静, 潘晓中, 刘亚州. 动态同质网络上的SIR谣言传播模型[J]. 计算机应用, 2018, 38(7): 1951-1955.
[9]	王舰, 王志宏, 张乐君. 复杂网络演化的舆论动力学模型及仿真分析[J]. 计算机应用, 2018, 38(4): 1201-1206.
[10]	冯丽萍, 韩燮, 韩琦, 郑芳. 考虑社交网络用户行为的网络病毒传播建模[J]. 计算机应用, 2018, 38(10): 2899-2902.
[11]	刘巧玲, 李劲, 肖人彬. 基于参数反演的网络舆情传播趋势预测——以新浪微博为例[J]. 计算机应用, 2017, 37(5): 1419-1423.
[12]	李绍磊, 郑建靖, 尚萌萌. 基于非结构网格的飞行器多体分离数值模拟[J]. 计算机应用, 2016, 36(6): 1741-1744.
[13]	黄光球, 何通, 陆秋琴. 基于随机函数Petri网的系统动力学关联分析模型[J]. 计算机应用, 2016, 36(12): 3262-3268.
[14]	唐卫东, 李萍萍, 李金忠. 基于生长动力学的芦苇属植株虚拟生长模型[J]. 计算机应用, 2015, 35(4): 1110-1115.
[15]	冯丽萍, 宋礼鹏, 王鸿斌, 赵青杉. P2P僵尸网络的传播建模与分析[J]. 计算机应用, 2015, 35(1): 68-71.

改进的SIR计算机病毒传播模型

Improved SIR model of computer virus propagation in the network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics