Details of Research Outputs

一种基于微观状态预测的网络风险控制方法,其特征在于,包括如下步骤：1)找到风险传播源头；2)建立目标网络风险传播的微观模型,得到该微观模型下各个用户节点在当前时刻处于感染状态的概率估计值；3)采用传感器观测模型获取目标网络中用户节点的安全状态以及风险传播路径,结合策略重建风险所处目标网络的拓扑结构进一步得到用户节点在当前时刻处于感染状态的概率值；4)将步骤3)的概率值和预先设置的阈值进行比较,筛选得到控制用户节点集合进行控制。本发明的方法能实现高效地控制风险传播,能够在免疫较少用户节点的情况下达到更好的风险控制效果。

1.一种基于微观状态预测的网络风险控制方法,其特征在于,包括如下步骤：1)找到风险传播源头；2)建立目标网络风险传播的微观模型,得到该微观模型下各个用户节点在当前时刻处于感染状态的概率估计值；3)采用传感器观测模型获取目标网络中用户节点的安全状态以及风险传播路径,结合策略重建风险所处目标网络的拓扑结构进一步得到用户节点在当前时刻处于感染状态的概率值；4)将步骤3)的概率值和预先设置的阈值进行比较,筛选得到控制用户节点集合进行控制；步骤2)中所述概率估计值,可采用经典的SI感染模型中的状态表示,Pro.(St.i(t)＝S|u)＝[1-β(i,t)]Pro.(St.i(t-1)＝S|u)Pro.(Xi(t)＝C|u)＝β(i,t)Pro.(St.i(t-1)＝S|u)Pro.(St.i(t)＝I|u)＝β(i,t)Pro.(St.i(t-1)＝S|u)+Pro.(St.i(t-1)＝I|u) 5)其中：用Pro.(Sti(t)＝S|u),Pro.(St.i(t)＝C|u)以及Pro.(Sti(t)＝I|u)分别表示当传播源是u,传播t时间后网络用户i是S、C及I状态的概率,S代表健康,I代表感染状态,C表示被感染且具有感染性；Π是连乘符号,表示连续求积；β(i,t)表示t时刻节点被感染的概率,ηji∈[0,1]是网络中任意两个用户节点的历史传播概率,ηji＝0表示节点j、i之间不存在连接,ηji＝1表示节点j将收到的任何信息都传给节点i；Ni表示节点i的相邻节点的集合。