对等网络中被动型蠕虫传播动力学建模与分析

doi:10.3778/j.issn.1002-8331.1812-0039

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (11): 60-66.DOI: 10.3778/j.issn.1002-8331.1812-0039

对等网络中被动型蠕虫传播动力学建模与分析

张舒娟1，张娟2

1.中北大学大数据学院，太原 030051
2.山西大学复杂系统研究所，太原 030006

出版日期:2019-06-01 发布日期:2019-05-30

Dynamical Modeling and Analysis of Passive Worms Propagation in P2P Networks

ZHANG Shujuan1, ZHANG Juan2

1.College of Data Science and Technology, North University of China, Taiyuan 030051, China
2.Complex Systems Research Center, Shanxi University, Taiyuan 030006, China

Online:2019-06-01 Published:2019-05-30

摘要/Abstract

摘要： 鉴于被动型蠕虫对网络的安全构成了威胁，考虑网络异质性和一次搜索允许的跳数，提出一个带有补充率和移除率的新动力学模型，推导出决定被动型蠕虫能否传播的阈值——基本再生数，分析了无蠕虫平衡点和正平衡点的稳定性问题。最后通过数值模拟验证了理论的正确性，并对参数敏感性进行了分析。研究结果发现，当基本再生数大于1时，跳数的增加不但加快被动型蠕虫的传播，而且使感染节点的数量也增加；当基本再生数小于1时，跳数的增加使感染节点的数量迅速减少，最终被动型蠕虫灭绝。

关键词: 网络安全, 动力学建模, 异质网络, 被动型蠕虫

Abstract: Passive worms pose a threat to the security of the network. In this paper, considering network heterogeneity and the number of hops a search can reach, a novel dynamical model with recruitment rate and removal rate is proposed. The threshold, the basic reproduction number, is derived, which decides whether passive worms can spread. And the stabili-ties of the worm-free equilibrium and positive equilibrium are analyzed. Finally, the correctness of the theory is verified by numerical simulation, and the sensitivity of parameters is analyzed. The results show that if the basic reproduction number is greater than 1, the propagation speed of passive worms is accelerated with the increase of hop count, which increases the number of infected nodes. If the basic reproduction number is less than 1, the number of infected nodes decreases rapidly with the increase of hop count and passive worms are extinct eventually.

Key words: network security, dynamical modeling, heterogeneous network, passive worm

张舒娟1，张娟2. 对等网络中被动型蠕虫传播动力学建模与分析[J]. 计算机工程与应用, 2019, 55(11): 60-66.

ZHANG Shujuan1, ZHANG Juan2. Dynamical Modeling and Analysis of Passive Worms Propagation in P2P Networks[J]. Computer Engineering and Applications, 2019, 55(11): 60-66.

[1]	余磊，许光銮，王洋，林道玉，李峰. 基于动态投影嵌入的多维异质网络可视化研究[J]. 计算机工程与应用, 2021, 57(8): 145-152.
[2]	王振东，张林，李大海. 基于机器学习的物联网入侵检测系统综述[J]. 计算机工程与应用, 2021, 57(4): 18-27.
[3]	曹磊，李占斌，杨永胜，赵龙飞. 基于双层注意力神经网络的入侵检测方法[J]. 计算机工程与应用, 2021, 57(19): 142-149.
[4]	狄冲，李桐. 网络未知攻击检测的深度学习方法[J]. 计算机工程与应用, 2020, 56(22): 109-116.
[5]	刘家骥，包崇明，周丽华，王崇云，孔兵. 图正则化非负矩阵分解的异质网社区发现[J]. 计算机工程与应用, 2020, 56(21): 131-138.
[6]	彭春燕，杜秀娟. 水声传感器网络基于深度信息的安全路由协议[J]. 计算机工程与应用, 2020, 56(2): 76-81.
[7]	芶继军，李均华，陈晨，陈一鸣，吕奕达. 基于随机森林的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(2): 82-88.
[8]	周龙，王晨，史崯. 基于RNN的Webshell检测研究[J]. 计算机工程与应用, 2020, 56(14): 88-92.
[9]	吴德鹏，柳毅. 基于可变网络结构自组织映射的入侵检测模型[J]. 计算机工程与应用, 2020, 56(12): 81-86.
[10]	石乐义，刘佳，刘祎豪，朱红强，段鹏飞. 网络安全态势感知研究综述[J]. 计算机工程与应用, 2019, 55(24): 1-9.
[11]	马占飞1，杨晋2，金溢2，边琦3. 基于IQPSO-IDE算法的网络入侵检测方法[J]. 计算机工程与应用, 2019, 55(10): 115-120.
[12]	冯波1，郭帆2，谭素雯3. 基于IPv6的概率包标记路径溯源方案[J]. 计算机工程与应用, 2016, 52(6): 102-106.
[13]	武鲁强，王赜. 基于位置密钥的无线自组织网络的安全机制[J]. 计算机工程与应用, 2016, 52(16): 132-136.
[14]	陈虹1，王飞1，肖振久1，2，孙丽娜1. 一种融合多源数据的网络安全态势评估模型[J]. 计算机工程与应用, 2015, 51(17): 96-101.
[15]	黄鲁娟1，3，金光1，3，何加铭2，3，江先亮1. 防御DDoS攻击的包标记联合部署方案[J]. 计算机工程与应用, 2014, 50(5): 74-78.

对等网络中被动型蠕虫传播动力学建模与分析

Dynamical Modeling and Analysis of Passive Worms Propagation in P2P Networks

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