• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Security and Networks >Characterising spatial dependence on epidemic thresholds in networks
【24h】

Characterising spatial dependence on epidemic thresholds in networks

机译：表征网络中疫情阈值的空间依赖性

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Epidemic processes are an important security research topic for both the internet and social networks. The epidemic threshold is a fundamental metric used to evaluate epidemic spread in networks. Previous work has shown that the epidemic threshold of a network is 1/ λ_(max) ( A ), i.e., the inverse of the largest eigenvalue of its adjacency matrix. In this work, however, we indicate that such a theoretical threshold ignores spatial dependence among nodes and hence underestimates the actual epidemic threshold. Moreover, inspired by the Markov random field, we analytically derive a more accurate epidemic threshold based on a spatial Markov dependence assumption. Our model shows that the epidemic threshold is indeed 1/ λ_(max) ( A )(1 ? ρ ), where ρ is the average spatial correlation coefficient between neighbouring nodes. We then apply simulations to compare the performance of these two theoretical epidemic thresholds in different networks, including regular graphs, synthesised irregular graphs, and a real topology. We find that our proposed epidemic threshold incorporates a certain spatial dependence and thus achieves greater accuracy in characterising the actual epidemic threshold in networks.
机译：疫情流程是互联网和社交网络的重要安全研究课题。疫情阈值是用于评估网络中的疫情的基本指标。以前的工作表明，网络的疫情阈值是1 /λ_（max）（a），即其邻接矩阵的最大特征值的逆。然而，在这项工作中，我们表明这种理论阈值忽略了节点之间的空间依赖性，因此低估了实际的流行病阈值。此外，由Markov随机场启发，我们基于空间马尔可夫依赖假设分析了更准确的流行阈值。我们的模型表明，疫情阈值确实是1 /λ_（max）（a）（1？ρ），其中ρ是相邻节点之间的平均空间相关系数。然后，我们应用模拟以比较不同网络中这两个理论疫情阈值的性能，包括常规图，合成的不规则图和实际拓扑。我们发现我们所提出的流行病阈值包括某种空间依赖性，从而实现了在网络中实际疫情阈值表征的更高的准确性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号