基于节点差异性的无线传感网恶意软件传播模型研究
社会网络中信息传播模式与动力学仿真方法
社会网络中信息传播模式与动力学仿真方法社会网络的迅猛发展使得信息传播成为社会变革和个体行为的重要驱动力。
了解信息在社会网络中传播的模式和动力学规律，对于社会科学和网络科学的发展具有重要意义。
本文将探讨社会网络中信息传播的模式以及仿真方法，以期提供有关社会网络研究的实用指导。
一、社会网络中的信息传播模式1.扩散模型扩散模型是研究社会网络中信息传播最基础的模型之一。
它描述了信息从一个节点传播到整个网络的方式。
最简单的扩散模型是基于病毒传播的SIR模型，将社会网络中的节点分为易感染者（Susceptible）、感染者（Infected）和康复者（Recovered）三类。
该模型通过建立差分方程或微分方程系统来描述人与人之间的传染关系和康复过程。
通过分析这些方程的解，可以得出关于信息传播的重要性质，如传播速度、传播范围等。
2.影响力模型影响力模型是研究社会网络中信息传播的另一种方式。
它涉及到节点之间的相互作用和影响关系。
经典的影响力模型之一是独立级联模型（Independent Cascade Model），它认为每个节点有一定的概率接受其邻居节点的信息，并以一定的概率将信息传播给它的邻居节点。
该模型基于概率论和图论，通过模拟信息在网络中的传播过程，研究社会网络中信息的扩散规律和影响力。
3.传播路径模型传播路径模型是研究社会网络中信息传播路径的一种模型。
它主要关注信息在网络中的传播路径和传播路径对信息传播效果的影响。
例如，层次模型认为信息在社会网络中是通过不同的层次传播的，不同层次的节点对信息的影响力也不同。
采用传播路径模型可以更加准确地分析信息在社会网络中的传播效果，并提供针对性的策略。
二、社会网络中信息传播的动力学仿真方法1.基于代理人的仿真方法基于代理人的仿真方法是一种常用的研究社会网络中信息传播动力学的方法。
该方法将网络中的个体视为独立的代理人，并通过定义各种行为规则和交互规则，模拟个体之间的相互作用和信息传播过程。
基于机器学习的网络恶意行为识别与防御研究
基于机器学习的网络恶意行为识别与防御研究网络恶意行为是指在网络环境下，以非法手段通过网络对网络资源、网络系统造成威胁、破坏或损失的行为。
随着网络的迅猛发展，网络恶意行为成为一个全球性的问题，对个人用户、企事业单位以及国家安全构成严重威胁。
为了解决这一问题，学术界和工业界开始研究和开发基于机器学习的网络恶意行为识别与防御技术。
基于机器学习的网络恶意行为识别旨在通过数据挖掘和模式识别技术，对网络流量数据进行分析，识别出其中的恶意行为，并对其进行预测和预警。
这种技术的核心思想是通过训练机器学习模型，让其从大量的网络数据中学习恶意行为的特征和模式，从而能够准确、实时地检测出网络中的恶意行为。
在机器学习方法中，常用的算法包括支持向量机(SVM)、决策树、神经网络、随机森林等。
这些算法能够通过对已知的网络恶意行为进行分类和建模，从而能够在未知的恶意行为中识别出潜在的威胁。
此外，还有一些特征选择和降维方法，能够从庞大的网络数据中提取出最具代表性的特征，提高网络恶意行为识别的效果和效率。
网络恶意行为的防御是指采取一系列技术措施来保护网络环境免受恶意行为的侵害。
基于机器学习的网络恶意行为防御研究主要关注以下几个方面。
首先，建立网络恶意行为的数据库和标准。
将已知的网络恶意行为进行分类整理，并从中提取出特征和模式，构建网络恶意行为数据库。
同时，还需要制定网络恶意行为的标准，以便后续的机器学习模型训练和防御策略的制定。
其次，开发机器学习模型进行网络恶意行为识别。
通过对网络流量数据进行分析和挖掘，建立机器学习模型，实现对网络恶意行为的准确识别。
在模型选择和训练过程中，需要考虑到模型的准确性、鲁棒性和实时性，以及对大数据处理的能力。
第三，实时监测和预警网络恶意行为。
网络环境的变化十分迅速，网络恶意行为也在不断演化和改变形式。
因此，对网络恶意行为的监测和预警需要具备实时性和高效性。
机器学习模型需要能够及时对新出现的网络恶意行为进行识别和预警，并且能够根据新的数据进行学习和更新。
基于信息传播模型SIR传染病模型的社交网络舆情传播动力学模型研究
基于信息传播模型SIR传染病模型的社交网络舆情传播动力学模型研究一、概述随着信息技术的飞速发展，社交网络已成为人们获取信息、表达观点的重要平台。
在社交网络中，舆情信息的传播速度之快、范围之广，使得其对社会舆论的影响力日益增强。
对社交网络舆情传播机制的研究显得尤为重要。
本文基于信息传播模型SIR传染病模型，对社交网络舆情传播动力学进行深入研究，旨在揭示舆情传播的基本规律，为舆情引导和控制提供理论依据。
SIR传染病模型是描述传染病传播过程的一种经典数学模型，它将人群分为易感者（Susceptible）、感染者（Infected）和康复者（Recovered）三类，并通过建立微分方程来描述各类人群数量的变化。
该模型在传染病防控领域具有广泛应用，为政府制定防控策略提供了有力支持。
本文将SIR模型引入社交网络舆情传播研究，通过对舆情信息的传播过程进行数学建模，分析舆情传播的动力学特征。
研究内容包括舆情传播的影响因素、传播路径以及传播速度等，旨在揭示舆情传播的内在机制。
通过本研究，我们期望能够更深入地理解社交网络舆情传播的动力学过程，为舆情引导和控制提供更为有效的策略。
同时，本研究也将为信息传播学、社会学等相关领域的研究提供新的思路和方法。
1. 社交网络舆情传播的背景与意义随着信息技术的迅猛发展和移动互联网的普及，社交网络已经成为人们获取信息、表达观点、交流情感的重要平台。
在这个高度信息化的时代，社交网络舆情传播的速度和影响力日益凸显，对社会稳定、政治决策、经济发展等方面产生了深远影响。
深入研究社交网络舆情传播的动力学模型，对于有效预测舆情走势、制定科学合理的舆情应对策略具有重要意义。
社交网络舆情传播的研究背景源于网络空间的复杂性和动态性。
在社交网络中，用户之间通过发布、转发、评论等方式进行信息交流和情感传递，形成了复杂的网络结构和传播路径。
同时，网络空间的匿名性、即时性等特点使得舆情传播具有更强的不确定性和难以预测性。
社会网络中恶意节点检测与分析
社会网络中恶意节点检测与分析随着互联网的发展，社交网络逐渐成为人们高频使用的工具。
无论是与朋友分享生活点滴还是商家推广产品，社交网络都为人们的生活带来极大便利。
然而，随着社交网络规模的不断扩大，也给网络安全带来了威胁。
其中，社交网络中的恶意节点成为了一大安全隐患，对用户的个人隐私和信息安全造成了一定的风险。
什么是恶意节点？社交网络中的恶意节点，是指在网络中存在的进行恶意操作的节点，其目的是为了从网络中获取不当利益、影响其他用户或者破坏网络的正常运作。
恶意节点主要包括虚假账户、机器人账户、恶意软件等。
为什么需要检测恶意节点？社交网络作为人们生活中必不可少的一部分，其信息的披露也对用户的隐私产生了严重的威胁，需要对安全隐患进行及时的检测。
除此之外，如何区分真实用户和虚假用户也是网络管理者的工作任务之一。
恶意节点检测可以有效地保障用户的信息安全、维护社交网络的良好运作、防止欺诈行为。
如何检测恶意节点？社交网络中，恶意节点可以通过以下方式识别。
1.网络行为检测网络行为是用户在社交网络中的主要表现，因此社交网络必须依靠用户的行为来分辨恶意节点。
恶意节点通常表现为异常、频繁的行为。
如频繁刷屏、群发垃圾信息、关注大量不相干账户或关注用户无法识别的账户等。
2.社交网络拓扑检测社交网络中，具有相似行为模式的用户可能具有相似的网络拓扑结构。
因此，社交网络可以利用网络拓扑结构来发现恶意节点。
例如在Twitter中，如果用户关注较多互相不相关的账户，即表现出群体效应，则有可能是虚假或垃圾账户。
3.智能算法检测社交网络中，恶意节点通常采用自动化或混淆等方式进行行为，具有一定的随机性和复杂性。
因此，社交网络可以利用智能算法进行检测。
常用的检测算法包括基于图的方法、K-均值聚类、支持向量机等。
如何防范恶意节点？网络安全应该是一个持续的过程，社交网络用户可以通过以下几点来预防恶意节点的危害。
1.加强账户安全措施用户可以加强自己的账户安全，如更改密码、账户绑定手机或邮箱、开启二次验证等，以便提高恶意节点的入侵难度。
基于信息素扩散模型蚁群算法的无线传感网路由研究
关 键词 ： 无线传感网 ； 由协议 ； 路 蚁群算法 ； 扩散模型
中图分 类号 ห้องสมุดไป่ตู้ Ｐ ９ Ｔ ３３
文 献标 识码 ： Ａ
文章 编号 ：０ ４ １ ９ （ ０ １ １ — ６ ４ ０ １０ — ６ ９ ２ １ ） １ １ ４ — ５
无 线传感 网是指 由部署 在监测 区域 内大 量 的廉 价 微 型传感 器节 点通过 无线 通信方 式形 成 的一个 多
到无 线传 感 网路 由协 议 中是较 为可行 有效 的 。文献 ［ ］ 出一 种基 于蚁 群 的多 路 径 路 由算 法 ， 过 负 ９提 通 荷平 衡 机制达 到平 衡 节 点 能耗 的 目的 ， 高 了能 量 提 效 率 。文献 『 ０ 提 出一 种 最 优 能 量 消耗 蚁 群 路 由 １］
群算 法 ＿把 每个 蜜蜂 都看 做 一 个智 能 体 ， 过 蜂 群 ７ ］ 通 个体 协 同作 用 达 到群 体 智 能 的效 果 。然 而 ， 些 寻 这 优算 法 由于 自身算 法模 型 的局 限 ， 路 径优 化 方 面 在 的适 用性 不强 。 当前 ， 遍 认 为 将 蚁 群算 法 ［ 应 用 普 ８ ］
第２ ４卷 第 １ １期
２１ ０ １年 １ １月
传 感 技 术 学 报
Ｃ Ｎ Ｅ Ｊ ＲＮ Ｅ Ｓ ＲＳＡＮＤ Ａ Ｔ Ｔ ＲＳ ＨＩ ＥＳ ＯＵ ＡＬ ＯＦ Ｓ Ｎ Ｏ Ｃ ＵＡ Ｏ
Ｖｏ ． ４ Ｎｏ １ １２ ．１
ＮＯ ． ０１ Ｖ２ １
Ａｎ ｌｎ － ｓ ｄ Ｒｏ ｔｎ ｇ ｒｔ ｍ ｏ ｉｅｅ ｓＳ ｎ ｏ ｔ ｒ ｓ ｔＣｏｏ ｙ Ｂａ ｅ ｕ ｉ ｇ Ａｌ ｏ ｉｈ ｆ ｒ Ｗ ｒ ｌｓ ｅ ｓ ｒ Ｎｅｗｏ ｋ
Ｂ Ｏ Ｒ ｎ Ⅳ Ｈ ｏ ＤＯ Ｇ Ｑ ｅ ， Ｕ Ｌ ，Ｈ Ｏ Ｌｉ Ａ ｏ ｇ， ａ ， Ｎ ｉ ｎ Ｙ ｉ Ｓ Ａ ｅ ｆ
社交网络中影响力传播模型及算法研究
社交网络中影响力传播模型及算法研究随着社交网络的迅速发展，人们越来越依赖于社交网络来获取信息、分享观点和与他人进行互动。
在这个数字时代，社交网络成为了一个重要的信息传播渠道。
为了更好地理解和利用社交网络中的信息传播规律，研究者们不断探索影响力传播模型和算法。
影响力传播模型是研究社交网络中信息传播过程的数学模型，其中最有代表性的模型是独立级联模型（Independent Cascade Model，IC Model）和线性阈值模型（Linear Threshold Model，LT Model）。
独立级联模型假设每个节点对其邻居节点的影响是相互独立的。
在这个模型中，节点被激活的概率取决于其邻居节点的激活情况。
具体而言，当一个节点被激活时，它以一定的概率激活其未被激活的邻居节点。
这个模型在描述信息在社交网络中的扩散过程时非常有效，因为它考虑了节点之间的相互影响。
线性阈值模型则考虑了节点对其邻居节点的具体影响程度。
每个节点都有一个阈值，当它的邻居节点被激活数量达到了该阈值时，它才被激活。
这个模型在描述信息在社交网络中的传播时更为贴近实际，因为它考虑了节点对其他节点的具体影响力。
除了这两个经典模型，研究者们还开发了许多其他的影响力传播模型，如基于随机游走的模型和基于信息传播路径的模型等。
这些模型通过不同的方式来描述信息的传播过程，丰富了我们对社交网络中影响力传播机制的认识。
为了解决影响力传播模型的计算问题，研究者们还提出了一些高效的算法。
其中，最为重要的就是传播影响力最大化算法。
这个算法的目标是在给定的预算下，选择一组初始节点，使得信息尽可能快地在整个社交网络中传播开来。
根据不同的影响力传播模型，传播影响力最大化算法也有多种不同的设计和优化方法。
在研究之初，关于影响力传播模型和算法的研究主要集中在理论模型的构建上。
然而，随着社交网络的快速发展和普及，研究者们开始关注如何将这些理论模型和算法应用到实际生活中。
无线传感网络中的位置定位与定位误差分析
无线传感网络中的位置定位与定位误差分析无线传感网络是由大量的无线传感器节点组成的网络，能够实时收集环境中的各种物理和化学信息，并将其传送到基站进行处理和分析。
其中一个重要的问题是位置定位，即确定无线传感器节点在空间中的准确位置。
位置定位在许多应用中都起着关键作用，例如室内导航、区域监测和环境感知等。
位置定位主要有两种方法：一种是基于物理测量的方法，另一种是基于信号强度的方法。
物理测量方法基于传感器节点测量目标地理信息的物理量，如距离、方位角和俯仰角等。
这种方法通常需要额外的硬件支持，如全球定位系统（GPS）和惯性测量单元（IMU）。
然而，由于这些硬件设备有限的精度和成本，物理测量方法的适用范围受到了限制。
相比之下，基于信号强度的方法通常只需要传感器节点自身的硬件设备，如射频模块和天线。
该方法通过测量接收到的信号强度指示器（RSSI）或到达时间差（TDOA）等参数来实现位置定位。
这种方法不需要额外的硬件支持，成本较低。
但是，由于信号强度在信号传播过程中受到多径传播和信号衰减等因素的影响，导致位置定位的精度较低。
无线传感网络中的位置定位误差是指估计位置与真实位置之间的差距。
定位误差受多种因素的影响，包括信号传播特性、传感器节点之间的距离、信号噪声和干扰等。
为了减小定位误差，研究者们提出了许多改进的方法。
首先，通过改善传感器节点之间的距离测量精度可以减小定位误差。
在物理测量方法中，使用高精度的测距设备可以提高位置定位的准确性。
在基于信号强度的方法中，可以使用多个传感器节点进行测距，利用多重路径的测量结果来提高定位精度。
其次，考虑信号传播特性和信号衰减模型也是减小定位误差的关键。
例如，在室内环境中，墙壁和障碍物对信号传播产生了阻碍和衰减效应。
研究者们通过引入信号传播模型，并利用机器学习算法对传感器节点的测量结果进行建模和估计，以减小位置定位的误差。
此外，传感器节点的部署和分布也会影响定位误差。
分布不均匀的传感器节点会导致定位误差的不均匀分布。
网络舆情分析的算法和模型研究
网络舆情分析的算法和模型研究随着互联网技术的不断发展，网络舆情的分析、研究和预警越来越受到大家的关注。
网络舆情是指在互联网上出现的、反映群众情绪和态度的信息，包括新闻报道、文章评论、微博、朋友圈等。
网络舆情的分析和研究，对于政府决策、公共舆论导向、媒体监管等方面都有着极其重要的作用。
然而，由于网络舆情的复杂性和高度随机性，其分析和预测成为了一个十分具有挑战性的研究课题。
网络舆情的分析主要依赖于相应的算法和模型。
近年来，这方面的研究已经取得了一定的进展。
下面，本文在不涉及政治方面的前提下，就网络舆情分析的算法和模型研究展开探讨。
一、文本分类算法文本分类是网络舆情分析的基本方法之一。
它是将文本数据分为不同类别的过程。
文本分类的算法多种多样，其中较为常见的有贝叶斯算法、支持向量机算法和神经网络算法等。
不同的算法适用于不同类型的数据。
贝叶斯算法是基于贝叶斯定理的一种分类算法。
它基于训练集中的数据，计算出每个类别的条件概率，从而根据输入的文本数据确定其类别。
贝叶斯算法是一种简单快速的分类算法，但是其准确度较低，适用于处理大规模文本分类的问题。
支持向量机是一种比较常用的分类算法，其基本思想是将数据映射到高维空间中，从而通过超平面将数据分为不同的类别。
支持向量机具有较高的分类准确率和较好的泛化能力。
神经网络是一种模仿人脑神经结构进行信息处理的算法。
它通过构建多层神经元网络进行文本分类。
神经网络模型的分类准确率高，但是由于其网络结构复杂、参数多，因此运算速度较慢。
二、情感分析模型情感分析是网络舆情分析的重要内容之一。
情感分析主要是针对文本信息中涉及的情感色彩进行分析，从而了解舆论对于某一事件、事物或人物的倾向性。
推特情感分析模型是一种常用的情感分析模型。
它采用机器学习技术，通过对推特中已标注的情感语料库进行训练，从而对未标注的文本数据进行情感分类。
推特情感分析模型已经被广泛应用于各种领域，包括市场调研、舆情分析等。
复杂网络中的信息传播与动力学模型研究
复杂网络中的信息传播与动力学模型研究在当今数字时代，信息传播已经成为了社会生活的一部分。
除了传统的媒体渠道外，人们可以通过互联网快速传播和获取信息。
这种信息传播模式不仅改变了社交交流方式，还对社会、经济、政治等方面产生了深远的影响。
因此，研究复杂网络中的信息传播方式和动力学模型成为了一项重要的研究领域。
复杂网络是由大量节点和连接它们的边组成的网络结构。
节点可以是个体、组织、机构等，边代表它们之间存在的相互作用关系。
通过研究复杂网络，我们可以深入了解信息在网络中的传播方式，并探索影响信息传播的因素。
在研究复杂网络中的信息传播时，一个重要的问题是如何建立动力学模型来描述和预测信息传播过程。
动力学模型可以帮助我们理解信息在网络中的传播路径、速度和影响力等方面的特征。
一个经典的动力学模型是传染病模型。
传染病模型基于人们之间的传染关系来研究疾病的传播方式。
同样地，我们可以将信息传播类比为一种“传染病”，其中信息的“传染者”是初始发布者，而信息的“受感染者”是其他节点在收到信息后进一步传播的节点。
通过建立合适的动力学模型，我们可以模拟信息传播的传染过程，并利用数学和计算方法分析传播的速度、范围和影响。
除了传染病模型外，还有其他类型的动力学模型可以用于研究复杂网络中的信息传播。
例如，扩散模型可以描述在网络中信息的扩散过程，但它不涉及节点之间的相互作用关系。
反馈模型则更加关注节点之间的相互作用，并研究节点之间的反馈机制对信息传播的影响。
通过研究复杂网络中的信息传播和动力学模型，我们可以获得很多有用的信息。
首先，我们可以深入了解信息传播的特征和行为，从而为我们设计更有效的信息传播策略提供指导。
其次，我们可以预测信息传播的速度和范围，并提前采取措施来控制和调控信息的传播。
此外，我们还可以发现网络结构对信息传播的重要性，并根据这些发现来优化网络拓扑结构。
尽管复杂网络中的信息传播和动力学模型研究具有很多潜在的应用价值，但是在实际领域中的应用还存在一些挑战。
重庆大学2012届本科优秀毕业设计(论文)公示名单
学院
学生姓名
韦小田 王琰 陈伟 魏井岗 陈璐璐 李瑶 常悦 张晓红 潘姝 吴俊锋 郭杏叶 康健炜 刘勤 刘正华 祁文杰 伍斌 陶勇 刘央央 刘银 丁雪征 蒋枫忠 周宁 付诚 赵强 胡长涓
学号
20082638 20082735 20082762 20082910 20082972 20083137 20082631 20084567 20082490 20084497 20084598 20082549 20084694 20084571 20084358 20087379 20087381 20087454 20083939 20083922 20083749 20083893 20084081 20075746 20066534
专业（方向）
软件工程 软件工程 数学与应用数学 信息与计算科学 物理学 电子信息科学与技术 制药工程 应用化学 生物工程 生物医学工程 金融学 工商管理 法学 法学 公共事业管理 经济学（经济与贸易方 向） 国际经济与贸易 市场营销 行政管理 英语 日语 德语 中国画 环境艺术 视觉传达 新闻学 戏剧影视文学 戏剧影视美术设何培斌 熊 刚、张 斌 谢 强、兰定筠 甘 民、何培斌 黄 音、朱建国 夏洪流、蒋家龙 林 琳 刘立平、孙雁 张爱莉 唐菲菲 阳春 梁建军 许劲 刘勇 曹小琳 景星蓉 颜哲 龚卫国 王代华 温志渝 付丽 张玲 田逢春 何伟 雷剑梅 何伟 朱庆生 何中市 曾令秋 钟将 柴毅 毛永芳 李军 薛方正
重庆大学2012届本科优秀毕业设计（论文）公示名单
序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 建筑城规学院 26 27 曾茜 李宾 20075856 20075891 城市规划 景观建筑学 城市融和——上海黄浦江ES4地块城市设计 守望大明宫—西安唐大明宫西宫墙周边地区（规划、建筑、景 观）设计 材料科学与工程学院
无线传感器网络节点定位算法的研究
２１ ０ ０年第 ２ 卷 第 ｌ ６ ２期
无线传感器网络节点定位算法 的研究
姜 圣 ， 张俊 虎 ，高栋 梁
摘 要：无线传感器网络作 为一种 全新 的信息获取和 处理 技术 ，可 以在 其应 用领域 内实现 大规模 的监测和追踪任务，而网同 定位 算 法对 不 同约 束 条件 的敏 感 程 度 是 十 分 必要 的 ，从 定位 精 度 、通 信 开销 、节 点 密
（ ） ＶＨｏ ６ Ｄ － ｐ算法［ １１的基本思想是将 未知节点到参 １ １１ ４ 考节 点间 的距离用 平均每跳距 离和 两者之 间的跳 数乘积表 示， 该算法首先使用典型的距离矢量交换协议，使 网络中所 有节点获得距 离最近 的参考节点 的跳数； 获得其他参考节点 位置和相隔跳 数之后 ，参考节点计算 网络平均每跳距 离值 ， 并将其广播至网络 中。该值采用可控洪泛法在网络中传播 ， 这样保证 了绝大多数节 点可从最近的参考节点接收该值 。 （ ） －ｉａｃ ７ ＤＶ ｄｓ ｎｅ算法『１ ＤＶ Ｈ ｐ 法类 似，所不同 ｔ ９与 －ｏ 算 的是相邻 节点使用 Ｒ Ｓ 测量节 点间点到 点距离 ，然后，利 ＳＩ 用类 似 于距 离 矢 量 路 由 的方 法 传 播 与 参 考 节 点 的 累计 距 离 。 当未知节点获得 ３个或更多参考节点的距离后使用三 边测 量 定 位 。 该算 法 适 用 于 节 点 密 集 型 网 络 。 （ ）凸规划定位算法【】 ８ ７将节 点间点到点 的通信连 接视 为节 点位置 的几何约束 ， 把整个 网络模型化为一个凸集，从 而将节 点定位 问题转化为凸约束优 化问题 ， 然后使用 半定规 划和线性规划方法得到一个全局优 化的解 决方案 ， 定节 点 确
位置 。
ｌ 节 点定位 的相关 算法
无线传感器网络自私节点检测的仿真研究
ｒ ｄ ｃｎ ｅ ｎ ｄ ｅｆ ｈ ｂ ｈ ｖｏｓ Ｓｍｕ ａｉｎ ｒ ｓ ｌ ｈ ｗ ｔ ａ ｏ ｈ ｅ ｉｈ ｂ ｈ ｖｏ ｆｗ ｒｌｓ ｅ ｓ ｒ ｎ ｄ ｓ ｉ ｅ ｕ ｉ ｇ ｔ ｏ ｅ ｓ ｌ ｓ ｅ ａ ｉｒ． ｉ ｌｔ ｅ ｕ ｔ ｓ ｏ ｈ ｔｆｒｔ ｅ ｓ ｌ ｓ ｅ ａ ｉｒｏ ｉ ｅ ｓ ｓ ｎ ｏ ｏ ｅ ｎ ｈ ｉ ｏ ｓ ｆ ｅ
第２卷 第１期 ７ １
文 章 编 号 ：０ ６— ３ ８ ２ １ ） １ １０— ４ １０ ９ ４ （０ ０ １ —０４ ０
计
算
机
仿
真
２１年１月 ０ ０ １
无 线传 感器 网络 自私 节点 检 测 的仿 真研 究
焦 永 杰
（ 淄博 职 业 学 院 ， 山东 淄博 ２５ １ ５ ３４）
ＡＢＳＴＲＡＣ Ｔ ： ｉ ｃ ｒ ｌｓ ｅ ｏ ｅｗｏ ｋｓｗｉｈ ｎｅｗｏ ｋ ｌｎ ｐｅ Ｓ ｎ ｅｗｉｅｅ ｓｓ ｎｓ ｒｎ ｔ ｒ ｔ ｔ ｒ ｉ ｋ ｏ ｎ，ｎ ｄｅ ｌ ｅｉ ｅ ｉ ｉ ｔｄ ａ ｄ ｔｅ ｄｙ ａ ｃ ｃ ａ — ｏ ｉ ｔ ｓｌｍｉｅ ｎ ｈ ｎ ｍｉ ｈ ｎ ｆ ｍ ｇ ｓｉ ｅ ｗｏ ｋ ｔｐｏｏ ｙ ｃ ａ ａ ｔｒｓｉｓ ｔ ｏｅ ｆｔａ ｔｏ ａ ｅｗｏｋ ｉ ｔｕｓｏ ｅｅ ｔｏ ｙ ｔｍ ｓ ｌ ｉ ｄ， ｍａ ｉ ｅ ｎ ｎ ｔ ｒ ｏ ｌ ｇ ｈ ｒｃ ｅ ｔｃ ， ｈｅ ｒ ｌ ｏ ｒｄｉ ｎ ｎ ｔ ｒ ｎｒ ｉｎ ｄ ｔｃｉ ｎ ｓ ｓｅ ｉ ｉ ｔ ｉ ｉ ｌ ｍ ｅ ｋｎｇ ｗｉｅｅ ｓ ｓ ｎ ｏ ｔ ｒ ｓ ｈ ｓｓ ｒｏ ｓ ｓ ｃ ｉｔ ｓｕｅ ． Ｉ ｒ ｒ ｔ ｍｐｒｖ ｈ ｓ ｃ ｒｔ ｆｗｉｅｅ ｓ ｅ ｓ ｒ ｎ ｔ ｒ ｓ， ａ ｒ ｌｓ ｅ ｓ ｒｎｅｗｏ ｋ ａ ｅ ｉｕ ｅ ｕｒ ｙ ｉｓ ｓ ｎ ｏｄｅ ｏ ｉ ｏ ｅ ｔ ｅ ｅ ｕ ｙ ｏ ｒ ｌｓ ｓ ｎ ｏ ｅｗｏ ｋ ｉ ｇ ｍｅ ｔ ｏｙ — ｂ ｓ ｄ ｉ ｒ ｓｏ ｔｃ ｉｎ ａｇ ｒｔｍ ｏ ｒｌ ｓ ｅ ｓ ｒ ｎ ｔ ｒ ｓ Ｔｈ ｌ ｏｉｈ ｄ ｔｃ ｉｇ ｓ ｌ ｓ ｏ ｅ ａ ｈｅ ｒ ａ ｅ ｎｔ ｉｎ ｄｅｅ ｔｏ ｌｏ ｉｈ ｆｒｗｉｅ ｅ ｓ ｓ ｎ ｏ ｅｗｏ ｋ ． ｕ ｅ ａｇ ｒｔｍ ｅ ｅ ｔｎ ｅｆ ｈ ｎ ｄ ｓ ｉ ｉ ｒｌ ｓ ｅ ｓ ｒｎ ｔ ｒ ，ａ ｄ ｃ ｌａ ｒ ｔ ｅ ｂ ｈ ｖｏ ｆｉｓｒｆ ａ ｏ ｐ ｉｈ，ｎｏ ｄ ｎ ｔ ｅｇ ｂｏ ｏ ｔｎ ｎ ｗｉｅｅ ｓｓ ｎ ｏ ｅｗｏｋｓ ｎ ｏｌｂｏ ａｉ ｅ ａ ｉｒｏ ｅｕｓ ｌｔ ｕｎｓ ｖ ｔ ｄｅｂｙｎｏ ｅ ａ ｄ ｉｓｎ ｉｈ ｒｃ ｎ ｉ— Ｕ ＵＳｇ ｍｅ ｐ ｏ ｅ ｓ，Ｃｈａ ｇ ｓ ｔ ｔｅ ｇｈｅ ｈｅ ｅｆ ｃｉｅ ｅ ｓ ｏ ａ ｉ ｎ ｄ ｓ ｃ ｌａ ｏ ａｉｅ ｎ ｔ ｒ ｏ ｓ， ｔｕｓｇ ｅ ｔｙ Ｏ ａ ｒｃ ｓ ｎ ｅ ｏ ｓｒ ｎ ｔ ｎ ｔ ｆｅ ｔｖ ｎ ｓ ｆｒ ｄｏ ｏ ｅ ｏ ｌｂ ｒ ｔｖ ｅｗｏ 问题。在无线传感器网络 中， 节点协作需要消耗能量 ， 由于节点 能量有 限， 并不是所有 的节 点都愿意参与协作 ， 而出现 自私节点。 自私节点对整个 网络 中吞吐量和全 网通信延时 的产生影 响， 会使 网络存在严重 的安 全性问题 。为了检测及预防 网络中节点 的自私行为， 提高无线传感器 网络的安全性 ， 出了一种博弈论无线 传感器网络 自 提 私行 为检测方法。通过检测无线传感器 网络的 自私节点 ， 并对拒绝协作行为进行惩罚 ， 通过节点与其邻居节 点进 行的不断 博弈过程 ， 广播节点的效用变化加强 网络 中节点的协作性能进行仿真 。仿真结果表 明， 对无线传感器节点 的 自私行为实施 惩罚机制 ， 大大增 强节点问的相互协作 ， 节省了不必要的能耗 ， 提高 了自私节点检测 的准确率 ， 延长 了整个网络 的生命周期 ，
网络舆情演化模型与传播机制的研究
网络舆情演化模型与传播机制的研究随着互联网的迅速发展和普及，网络舆情成为了一种重要的社会现象。
网络舆情的演化模型与传播机制的研究，对于了解和应对网络舆情具有重要的理论和实践意义。
本文将探讨网络舆情演化模型的构建和传播机制的分析。
一、网络舆情演化模型的构建1.信息传播模型信息传播模型是研究网络舆情演化的基础。
其中，经典的SIR模型是常用的一种模型。
SIR模型将人群分为易感者（Susceptible）、感染者（Infected）和恢复者（Recovered/Removed）三类，通过定义每个群体之间的转化率来探究信息在人群中的传播和演化。
此外，还有基于复杂网络结构的SI模型、SIS模型和SIRS模型等。
2.心理行为模型网络舆情受到人们心理行为的影响。
经典的传染病模型如传染病扩散者模型（IDM）和公共交通传播模型（PTM）可以借鉴到舆情演化的研究中。
此外，还可以根据心理学理论，如心理弹性理论和认知加工模型等，构建网络舆情的心理行为模型，探究人们在网络舆情中的心理反应和行为模式。
3.影响力传播模型网络舆情的演化还受到影响力的传播影响，因此可以构建影响力传播模型。
影响力传播模型可以基于社交网络结构、用户关系和用户特征等进行构建。
经典的影响力传播模型如独立级联模型（IC）和线性阈值模型（LT）可以应用于网络舆情的研究中，用来分析和预测舆情信息在网络中的传播路径和影响范围。
二、网络舆情传播机制的分析1.信息源分析网络舆情的传播源自于信息的发布者，因此对信息源的分析十分关键。
可以通过对信息发布者的身份、地理位置、社交关系和言论倾向等进行分析，了解其对网络舆情的影响力和传播路径。
此外，还可以运用NLP技术对文本进行情感分析，揭示信息源的情感态度。
2.传播路径分析网络舆情的传播路径是信息从发布者到接收者的传播途径。
传播路径的分析可以通过社交网络分析和数据挖掘技术实现，利用大数据分析方法挖掘用户之间的关系和信息传播的路径。
复杂网络中的传播动力学模型研究
复杂网络中的传播动力学模型研究一、引言复杂网络是由大量节点和节点之间的连接所组成的一种网络结构，它的研究已经渗透到社会、生物、工程等众多领域。
而网络中的信息传播机制是复杂网络研究的重要方向之一，因为它不仅可以帮助我们理解真实世界中的信息传播现象，还能够为社交媒体、疾病传播等问题提供解决方案。
本文旨在介绍复杂网络中的传播动力学模型研究。
二、传播动力学模型的基本概念1. 信息传播信息传播是指在网络中，信息从一个节点传播到其他节点的过程。
传统的信息传播研究主要关注信息的传播速度、范围和影响力等方面。
而复杂网络中的信息传播则更加注重个体节点的影响力、传播路径和传播过程中的动力学行为。
2. 传播动力学模型传播动力学模型是研究信息在复杂网络中传播过程的数学模型。
常用的传播动力学模型包括SIS模型、SIR模型和SEIR模型等。
其中，SIS模型描述了在一个网络中，感染者可以被治愈并恢复为易感者；SIR模型考虑了感染者在被治愈后具有免疫性；SEIR模型在SIR模型的基础上增加了潜伏期的考虑。
三、传播动力学模型研究的方法1. 基于传统传播动力学模型的研究基于传统传播动力学模型的研究主要关注传播速度、范围和影响力等方面的问题。
通过对网络中不同节点的状态转换规则进行建模，可以研究信息在网络中的传播路径和传播过程中的动力学行为。
2. 基于机器学习的传播动力学模型研究基于机器学习的传播动力学模型研究主要利用机器学习算法来分析网络中节点之间的联系和信息传播的规律。
通过使用大数据和机器学习算法，可以挖掘出网络中隐藏的模式，进而预测信息传播的趋势和影响。
四、传播动力学模型在社交媒体中的应用社交媒体已经成为信息传播的重要平台，而传播动力学模型在社交媒体中的应用也日益受到关注。
通过分析用户在社交媒体上的行为和关系，可以建立起用户之间的社交网络模型，并且预测用户之间的信息传播路径和传播效果。
五、传播动力学模型在疾病传播中的应用疾病传播是一个复杂的过程，而传播动力学模型可以帮助我们更好地理解疾病的传播规律和影响因素。
无线传感器网络KIPSO欺骗攻击检测模型
无线传感器网络KIPSO欺骗攻击检测模型陶莉;孙子文【摘要】针对无线传感器网络通常处于开放性环境中，极易遭受外界欺骗攻击这一问题，设计了一种基于改进粒子群优化算法的K均值欺骗攻击检测模型。
该模型将欺骗攻击检测描述为一个统计假设检验，基于接收信号强度空间与物理位置的相关性，利用不同位置节点接收信号强度的差异进行攻击检测；对接收信号强度进行聚类分析，计算类中心之间的距离，通过阈值检测判断节点是否受到欺骗攻击。
仿真结果表明，KIPSO欺骗攻击检测模型能在提高检出率、增强报警可信度的同时，有效解决传统聚类算法陷入局部极值的问题。
%As wireless sensor networks(WSNs)are usually deployed in open environment,they are vulnerable to the spoofing attack. A K-means based on Improved Particle Swarm Optimization(KIPSO)spoofing attack detection mod⁃el is designed to solve this problem. The model described the spoofing attack detection as a statistical hypothesis testing. Take advantage of the received signal strength(RSS)differences between locations to detect attack,which based on the spatial correlation of the location and the RSS space. Using KIPSO algorithm cluster the RSS in attack detection phase. Then calculate the distance between two centroids. Eventually,judging whether spoofing attack ex⁃ist or not via the trained threshold. Simulation results indicate that KIPSO spoofing attack detection model can not only improve detection rate or strengthen the alarm credibility,meanwhile,effectively solve problem of traditional clustering algorithm trapped in local minima.【期刊名称】《传感技术学报》【年(卷),期】2016(029)007【总页数】7页(P1049-1055)【关键词】无线传感器网络;欺骗攻击检测;信号接收强度;KIPSO聚类算法【作者】陶莉;孙子文【作者单位】江南大学物联网工程学院，江苏无锡214122;江南大学物联网工程学院，江苏无锡214122; 物联网技术应用教育部工程研究中心，江苏无锡214122【正文语种】中文【中图分类】TP393EEACC:7230；6150P doi:10.3969/j.issn.1004-1699.2016.07.017恶劣环境中的无线传感器网络WSN（Wireless Sensor Network）极大可能遭受欺骗攻击。
基于标签传播的网络异常检测算法研究
基于标签传播的网络异常检测算法研究网络异常检测在当今的信息时代中具有重要意义。
随着互联网的快速发展和普及，网络安全问题日益突出，各种类型的网络攻击和异常行为层出不穷。
传统的基于规则和签名的方法往往无法及时发现新型攻击，因此需要一种更加智能和自适应的方法来检测网络异常行为。
基于标签传播算法是一种新兴的方法，它能够利用节点之间的关联信息来发现异常节点或子图。
本文将重点研究基于标签传播算法在网络异常检测中的应用。
一、标签传播算法简介标签传播算法是一种用于社区发现和图分割问题的无监督学习算法。
该算法通过迭代地更新节点上的标签信息来实现社区划分或子图分割。
具体而言，该算法将每个节点初始化为一个唯一标识符，并通过迭代地更新每个节点上邻居节点所属社区或子图信息来实现划分。
二、基于标签传播的网络异常检测方法1. 异常节点检测在网络中存在各种类型的攻击或恶意行为节点，这些节点通常与正常节点有明显的差异。
基于标签传播的网络异常检测方法可以通过检测节点的标签传播行为来发现异常节点。
具体而言，该方法通过迭代地更新每个节点上的标签信息来判断其是否属于异常行为。
2. 异常子图检测除了异常节点检测外，网络中还存在一些异常子图，即一些具有特殊结构和行为的子图。
基于标签传播的网络异常检测方法可以通过迭代地更新子图中每个节点上的标签信息来判断其是否属于异常子图。
三、基于标签传播的网络异常检测算法研究进展1. 基本算法改进基本的标签传播算法存在一些问题，如收敛性、鲁棒性和计算复杂性等。
因此，研究者们提出了一系列改进算法来解决这些问题。
例如，引入随机游走机制可以提高收敛速度和鲁棒性；引入局部信息可以降低计算复杂度等。
2. 异常检测算法结合除了基本算法改进外，还有研究者将其他机器学习或数据挖掘方法与基于标签传播的网络异常检测相结合。
例如，可以将异常检测问题转化为半监督学习问题，利用标签传播算法进行异常节点或子图的检测。
3. 实际应用案例基于标签传播的网络异常检测算法已经在实际网络中得到了广泛应用。
基于TD-LTE的隧道无线传播模型校正研究
基于TD-LTE的隧道无线传播模型校正研究徐亚顺;刘晓娟【摘要】In view of its more stable communication advantages as compared with WLAN,TD-LTE wireless communication system is introduced into the urban rail transit CBTC system.However,the accuracy problem of propagation path loss prediction still exists in the wireless network planning.Based on analysis of the common wireless propagation model and the tunnel wireless communication environment,the weighted least squares method is adopted to correct the ITU-R P.1238 model,and thus the radio propagation loss model for urban rail transit tunnel environment is acquired.The simulation of experimental data indicates that the path loss curve of the corrected propagation model is better than that before the correction,and this is more suitable for wireless network planning reference and path loss estimation.%鉴于TD-LTE无线通信系统相较于WLAN具有更稳定的通信优势,将其引入城市轨道交通CBTC系统中,但其在无线网络规划过程中仍存在传播路径损耗预测的准确性问题.通过分析常见的无线传播模型及隧道无线传播环境,采用加权最小二乘法对ITU-R P.1238模型进行校正,得到了适用于城市轨道交通隧道环境的无线传播损耗模型.对实验数据分区域仿真,得出校正后的传播模型路径损耗曲线优于校正前,更适合为无线网络规划提供参考及路径损耗的估算.【期刊名称】《通信技术》【年(卷),期】2017(050)010【总页数】8页(P2150-2157)【关键词】传播模型校正;路径损耗;加权最小二乘;隔离度;TD-LTE【作者】徐亚顺;刘晓娟【作者单位】兰州交通大学电子与信息工程学院,甘肃兰州730070;兰州交通大学电子与信息工程学院,甘肃兰州730070【正文语种】中文【中图分类】TN929.5随着无线通信技术和城市轨道交通的发展，基于通信的列车控制（Communication Based Train Control，CBTC）系统已成为主流的城市轨道交通列车控制系统。
基于接受差异性的大学生社会主义核心价值观传播模型研究
基于接受差异性的大学生社会主义核心价值观传播模型研究刘超;刘小洋;曹琼;杨宏雨
【期刊名称】《科教导刊》
【年(卷),期】2018(0)35
【摘要】针对当前缺少大学生社会主义核心价值观传播模型,难以揭示内在传播规律与传播特性的问题,本文基于大学生接受差异性和网络对核心价值观传播的负面影响,建立了大学生社会主义核心价值观传播动力学模型,并计算了平衡点和给出了稳定性规范.理论研究表明加强对思想教育和减少网络对强接受者的负面影响可实现社会主义核心价值观的有效培育.
【总页数】2页(P81-82)
【作者】刘超;刘小洋;曹琼;杨宏雨
【作者单位】重庆理工大学计算机科学与工程学院重庆 400054;重庆理工大学计算机科学与工程学院重庆 400054;重庆理工大学计算机科学与工程学院重庆400054;重庆理工大学计算机科学与工程学院重庆 400054
【正文语种】中文
【中图分类】G41
【相关文献】
1.基于接受阈值的CSR舆论传播模型研究 [J], 吴小志;米军;燕锦华
2.基于节点差异性的无线传感网恶意软件传播模型研究 [J], 杨雄;朱宇光;查志琴;肖贤建
3.现代中国文学海外传播与接受的差异性问题 [J], 杨四平
4.基于技术接受模型的网络订餐接受模型研究 [J], 苌刘;李兴国;顾东晓;钟金宏
5.基于技术接受模型(TAM)的在校青年“微传播”动机与行为实证研究——以广东省10所高校为例 [J], 陈少徐;李胜彬
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｓ ｎ ｏ ｅｗ ｒ ａ ｅ ｎ ｎ ｄ ｓ ｅ ｓ ｒｎ ｔ ｏ ｋ ｂ ｓ ｄ ｏ ｏ ｅ ’ｄｖ ｒｉ ｉｅｓｔ ｙ
ＹＡＮ Ｘｉｎ ’ Ｇ ｏ ｇ
，
Ｚ Ｕ Ｙ —ｕｎ Ｚ Ａ Ｚ ｎ ＸＡ ｉ ｊ ｎ’ ｑ ｎｉ
杨
点 实验 室 ， 江苏 常 州 ２３０ ） １０ ２ 摘 要 ：针 对 目前无线 传感 网络 中恶意软件 模 型化 工作 的不足 ， 二维元 胞 自动机 基础 上提 出了节点 差异 性 的 在
雄 ， 朱宇光 查 志琴 ， ，肖贤建
．
（． １ 常州工学院 计算机信息工程学院 通信工程系， 江苏 常州 ２３０ ； ． １０２ ２ 江苏省常州市软件技术研 究与应用重
无线传感 网络 中的扩散建立 了确定性 的宏 观模 型 ， 但是这些方
散传 播与传统的 Ｉ ｅ ｅ有很 大的 区别 ：） ｎｒｔ ｔｎ ａ 传感 节点在被 恶意
软件感染 之后 向周边健康节点 扫描攻击 时常 常受 到无线 通信
距离 的限制 ； ） 于 同一冲 突区域 内的节 点在 同一 时刻 只允 ｂ位
第２ ９卷 第 １期 ２１ ０ ２年 １月
计 算 机 应 用 研 究
Ａｐ ｌ ａ ｉｎ Ｒｅ ｅ ｒ ｈ ｏ ｏ ｕ ｅ ｓ ｐ ｉ ｔ ｓ ａ ｃ ｆ Ｃ ｍｐ ｔｒ ｃ ｏ
Ｖｏ ． ９ Ｎｏ １ １２ ．
Ｊｎ ２ ２ ａ ． ０１
基 于节 点 差 异 性 的 无线 传 感 网 恶 意 软 件 传 播模 型 研 究 术
Ｊａｇｕ２ ３０ ｉｎ ｓ １０２，Ｃ ｉａ ２Ｋ ｙＬ ｂｒｔｒ Ｃ ａ ｇｈｕＳ ｗ ｒ Ｔｃｎｌ ｙＲ ｓａｃ Ａｐｉ ｔｎ， ｈ ｎ ｚｏ ｉｎｓ １０２，Ｃ ｉａ ｈｎ ； ｅ ａｏａｏｙｏ ｈｎ ｚｏ ｏ ａｅ ｅｈｏｏ ｅ ｒｈ＆ ｐ ｌａｉ Ｃ ａｇｈ ｕＪａｇｕ２ ３ ０ ｆ ｔ ｆ ｇ ｅ ｃ ｏ ｈｎ ）
模 型。Ｄ ｅ等人 利用流行疾病学理论研究了无线传感网络 中
的节点危 害传播 过程 ， 指出基于随机图理论 的无线传感 网模 型 在描述 恶意软件传播 行 为动力 学上 仍然 有很 大的不 足之 处。
基金项 目：江苏省 高校 自然科 学基础研究基金 资助 项 目（ ０ ｊ ２ ０ ７ ； 苏省 常州市 １ ｋ ５０ ０ ） 江 ｄ
ｍａｗ ｒ ｐ ｅ ｄ ｎ ｖ ｒｔ ｅ ｗ ｒ ｌｓ ｅ ｓ ｒｎ ｔ ｏ ｋ Ｔ ｅ ａ ａ ｙ ｉ ａ ｄ ｓｍｕ ａｉｎ ｉｄ ｃ ｔ ｔ ａ ｎ ｄ ｓ ｌ ａ ｅ ｓ ｒ ａ ｉ ｇ ｏ ｅ ｉｅｅ ｓ ｓ ｎ ｏ ｅｗ ｒ ． ｈ ｎ ｌ ｓ ｎ ｉ ｌｔ ｎ ｉａｅ ｈ ｔ ｏ ｅ ’ｄ ｖ ｒｉ ｆ ｔｅ ｌｒ ｅ ｈ ｓ ｏ ｉｅ ｓｔ ｏ ｈ ａ ｇ ｙ ｓ ａｅ ＷＳ ｎ ｒ ｌｓ ｈ ｎ ｅ ｃ ｌ Ｎ ａ ｄ ｗｉ ｅ ｓ ｃ ａ ｎ ｌＭＡＣ ｍｅ ｈ ｎ ｓ ｍａ ｅｔ ｅ ｉ ｏ ｔｎ ｎ ｕ ｎ ｅ ｏ ｈ ｐ ｅ ｄ ｏ ｈ ｌ ｒ ｎ ｅ ｕ ｅ ｔ ｅ ｅ ｃ ａ ｉｍ ｋ ｈ ｍｐ ｒ ｔｉ ｆ ｅ ｃ ｎ ｔｅ ｓ ｒ ａ ｆｔ ｅ ｍａｗａ ｅ ａ ｄ ｒ ｄ ｃ ｈ ａ ｌ ｐ ｏ ａ ａｉｎ ｓ ｅ ｄ ｒ ｐ ｇ ｔ ｐ ｅ ．Ｃ ｍｐ ｒ ｄ ｗｉ ｈ ｒ ｄ ｔ ｎ ｌ ｐ ｅ ｄ ｎ ｄ ｌ ｈ ｓｍｏ ｅ ａ ｒ ｃ ｕ ａｅｙ ｄ ｓ ｒ ｅ ｔ ｅ ｄ ｎ ｍｉ ｅ ｏ ｏ ａｅ ｔ ｔ ｅ ｔ ｉ ｏ ａ ｒ ａ ｉｇ ｍｏ ｅ ，ｔｉ ｄ ｌ ｎ ｍｏ ｅ ａ ｃ ｒ ｔｌ ｅ ｃ ｉ ｈ ｙ ａ ｃ ｂ — ｈ ａ ｉ ｓ ｃ ｂ ｈ ｖｏ ｒｏ ｅ ｍａｗａ ｅ ｐ ｏ ａ ａｉｎ ｏ ｅ ｈ Ｓ ａ ｉｕ ｆｔ ｌ ｒ ｒ ｐ ｇ ｔ ｖ ｒｔ ｅ Ｗ Ｎ，ａ ｄ ｐ ｏ ｕ ｅ ｅ ｒ ｓ ａｃ ｕ ｄ ｔ ｎ ｆｒｓ ｃ ｒｔ ｅ ｅ ｓ ｎ Ｗ Ｓ ｈ ｏ ｎ ｒ ｄ ｃ ｓｔ ｅ ｅ ｒ ｈ ｆ ｎ ａｉ ｏ ｅ ｕ ｉ ｄ ｆ ｎ ｅ ｏ Ｎ． ｈ ｏ ｏ ｙ
恶意软件传播 模 型 。该模 型 引入 了 ＭＡ Ｃ无线信 道争 用机 制和 邻域 通信 距 离 因素 ， 述 了节点 差异 度 对 恶意软 描
件在无线传感网传播扩散的影响。分析仿真实验表 明， 大规模无线传感网络的节点差异度、 无线信道争用机制
都 对传播 行为 产生 了重要影 响 ， 降低 了恶 意软 件 的传播速 度 。与传 统 传播 模 型相 比， 模 型 更能 够 准确描 述 恶 该
许 区域 内一个 节点进行 数据的发送和接收 ， 每个节点在进行数 据传递前会检查 自身状态 和周边邻居 节点信 道空 闲状 态。为 描述方便 ， 应用二维布尔 向量 表解 释上述机 制 ， 个传感节 点 每 对应 于二维表 中的 一个表 元 素 ， 一个 节 点正在 进行 数据 通 若 信， 则与其相邻 的节 点在 二维 表 中表 项置 … ， 表该类 节 点 １’代
ａ ｉ ｎ ｅ ａｔ ｅａｊｃｎ ｃｍ ｕ ｉ ｔ ｎｒｎｅｉｔ ｔｉｍ ｄ１ ｌ ｅｉｅ ｅｉ ｐｃ ｏ ｏｅ’ｄｖｒｉ ｎｔｅ ｎｓ ａｄｔ ｃ ｒ ｆｈ ｄａｅｔ ｏ ｍ ｎ ａｉ ｇ ｏ ｈｓ ｏｅ．Ａｓ ｄｐｃ ｄｔ ａｔ ｆ ｄ ｓ ｉｅ ｔ ｏ ｍ ｈ ｆ ｏ ｏｔ ｃ ｏ ａ ｎ ． ｏ ｔ ｈ ｍ ｎ ｓｙ ｈ
（ ９４ ）， ， １７ ． 男 江西人 ， 师， 讲 博士 ， 主要研 究方向为无线传感 网．
第１ 期
杨
雄 ， ： 于 节点差异 性 的无线传 感 网恶 意软 件传 播模 型研 究 等 基
・ １ ３ ７・
２０ ０ ９年 ，ａａｈｉｉａ 等人 开 始研 究在 无 线 网络 中 的 网络 Ｔ ｎｃ ａ ｗ ｔ ｗ 蠕虫传播行为 ， 并且 对蠕虫在无线 网络环境下 的防御策 略进行 了一定的 阐述 。上述 的研究 工作 均利用 平均场 方法对 蠕虫在
Ｉｔ ｎ ｔ ｎｃ ｅ 的一大特征 。因此 ， ｒ 研究适 用于 无线 传感 网络环 境 的
攻击行 为包括 了拒绝服务 攻击 、 蠕虫攻 击 、 中间人攻击 及其他 恶意程序代码 等 ， 本文主要将研究对象定位于网络蠕虫这种 能
恶意软件传播模型就显得非常必要 。 ２０ ０ ６年 以来 ， 国际上 一些研 究人 员开 始对 无线传 感 网络 环境 中的蠕 虫等 恶 意软件 传播 行 为进 行 了研究 。Ｋ ａａ 等 ｈｙｍ
作者简介 ： 杨雄（ ９ ０ ） 男， １８ 一 ， 江苏无锡人 ， 讲师 ， 士， 硕 主要研 究方向为 网络安全与无线传感 网络（ ｏｏ ｅ ８ １ １＠ｔ ．ｏ ） 朱宇光（９ ６ ） ｐｐ ｂａ ０ １６ ｏ ｃｍ ； ｒ ｍ １６ 一 ， 男， 江苏常州人 ， 副教授 ， 博士 ， 主要研 究方向为无线传感 网络 ； 查志琴 （９ ８ ）女 ， １６ － ， 江苏溧阳人 ， 副教授 ， 硕士， 主要研 究方向为分布式网络 ； 肖贤建
（ ，Ｄｐ．ｆＣ ｍｍ ｎｃｔｎ Ｅ ｇｎｅ ｎ １ ｅｔｏ ｏ ｕ ｉ ｉ ｎ ｉ ｒ ｇ，Ｓｈｏ ｏ ｐ ｔ ａｏ ｅｉ ｃｏｌｏ Ｃｍ ｕｅ ｆ ｒ＆ Ｉ ｏｍａｉ ｎｉｅｒ ｇ，Ｃ ａｇｈｕ Ｉｓｔｔ ｏ ｅｈ ｏ ｇ ，Ｃ ａ ｇｈ ｕ ｎ ｒ ｔｎ Ｅ ｇｎｅｉ ｆ ｏ ｎ ｈ ｎｚｏ ｎｔｕｅｆ Ｔｃｎｌ ｙ ｈ ｎｚｏ ｉ ｏ
处于 阻塞状态不能进行 数据传 输。任何一个 节点在进 行数据
法只适用对传播过程进行整体 的描述 预测 ， 对局部与微观 的时 空相 关特性仍然无法进行有效 的反 映。针对这些特 点 ， 本文将 采用 当前 已被广泛应用于研究复杂 系统 ， 同时可准确反映各种 不确定行 为的二维元胞 自动 机模型 来描述 恶意程 序在无 线传 感 网络中的传 播行为 。值得注意 的是 ， 虽然 当前 已有一些工作 研究 了蠕 虫在无线 传感 网中的传播模型 ， 是这些研究均没有 但 考虑 节点差异 性对 蠕虫在无线传感 网扩散传播 的影 响 ， 简单地
环境下蠕虫 、 病毒等恶意程 序 的传 播行为 打下 了一定 的基础 。
收稿 日期 ： ０ １０ —７ 修 回日期 ： ０ １ ｏ －Ｏ ２ １ ６２ ； ２ １－７ ３
社会发展科技计划资助项 目（ Ｓ０ ０ ０ ３ Ｃ ２ １０ １ ）
人 利用信号处理技术研究了蠕虫在 无线传感 网络 中的传播
不 同：） ａ 无线 传感 网络 的通 信范 围往 往具有一 定的物理 限制 ， 传感节点能量受限的特性 导致不 同范 围内节点 的通信 能力具 有较大 的差别 ； ） ｂ 传感 网络共享 无线信 道 的链路层 访 问 冲突 及避免机制也为无线传感网的传播 动力 学引入了时空相关性 ； Ｃ 无线 传 感 网络 具 有 高度 自组 织 特性 ， 也是 区别 于 传 统 ） 这
意软件在 无 线传感 网络环境 下 的传 播行 为 ， 为无 线传感 网络安 全防御研 究提供 基础 。 关键词 ：无 线传感 网络 ；节 点差异性 ；恶意软件 ；元胞 自动机 ； 型化 模
中 图分 类号 ：Ｔ ３３０ Ｐ９ ．８
文献标 志码 ： Ａ
文章 编号 ：１０ —６５ ２ １ ）ｌ０１—３ ０ １３９ （０２ Ｏ 一３６０
．
Ｋ ｙｗ ｒ ｓ ｉ ｌ ｓｓｎｏ ｅ ｏｋ（ Ｎ） ｏｅ ’ｄｖｒ ｔ； ａ ａ ； ｅｌ ａ ａｔ ａａ ｍ ｄｌ ｇ ｅ ｏｄ ：ｗｒ ｅ ｅｓｒ ｔ ｒｓ ＷＳ ；ｎｄｓ ｉ ｓｙ ｍ ｌ ｒ ｃｌ ｌｒ ｕｏ ｔ； ｏｅ ｎ ｅｓ ｎｗ ｅｉ ｗ ｅ ｕ ｍ ｉ
但是需要注意的是无线传感 网络与传统 的 Ｉｔ ｎｔ ｎ ｒｅ有着许 多的 ｅ
０ 引言
无线传感 网络 已经成为 ２ １世纪 的一个新 兴研究 领域 ， 特 别是现代通信技术领域对安全性 的要求越来越高 ， 无线传感 网 络 中的安全 问题也在近三年得到重视 。由于无线通信的范围 、
节点 能量有 限 、 拓扑结构动态变 化等特殊 构成 因素 ， 类网络 该 非常容易受到各种攻击 。当前针对无 线传感 网络 的各 种安全