基于复杂网络的交通拥堵与传播动力学分析

网络空间安全态势感知与大数据分析平台建设方案V1.0

网络空间安全态势感知与大数据分析平台建设方案 网络空间安全态势感知与大数据分析平台建立在大数据基础架构的基础上，涉及大数据智能建模平台建设、业务能力与关键应用的建设、网络安全数据采集和后期的运营支持服务。 1.1网络空间态势感知系统系统建设 平台按系统功能可分为两大部分：日常威胁感知和战时指挥调度应急处置。 日常感知部分包括大数据安全分析模块、安全态势感知呈现模块、等保管理模块和通报预警模块等。该部分面向业务工作人员提供相应的安全态势感知和通报预警功能，及时感知发生的安全事件，并根据安全事件的危害程度启用不同的处置机制。 战时处置部分提供从平时网络态势监测到战时突发应急、指挥调度的快速转换能力，统筹指挥安全专家、技术支持单位、被监管单位以及各个职能部门，进行协同高效的应急处置和安全保障，同时为哈密各单位提升网络安全防御能力进行流程管理，定期组织攻防演练。 1.1.1安全监测子系统 安全监测子系统实时监测哈密全市网络安全情况，及时发现国际敌对势力、黑客组织等不法分子的攻击活动、攻击手段和攻击目的，全面监测哈密全市重保单位信息系统和网络，实现对安全漏洞、威胁隐患、高级威胁攻击的发现和识别，并为通报处置和侦查调查等业务子系统提供强有力的数据支撑。 安全监测子系统有六类安全威胁监测的能力： 一类是云监测，发现可用性的监测、漏洞、挂马、篡改（黑链/暗链）、钓鱼、和访问异常等安全事件 第二类是众测漏洞平台的漏洞发现能力，目前360补天漏洞众测平台注册有4万多白帽子，他们提交的漏洞会定期同步到态势感知平台，加强平台漏洞发现的能力。 第三类是对流量的检测，把重保单位的流量、城域网流量、电子政务外网流量、IDC 机房流量等流量采集上来后进行检测，发现webshell等攻击利用事件。 第四类把流量日志存在大数据的平台里，与云端IOC威胁情报进行比对，发现APT 等高级威胁告警。 第五类是把安全专家的分析和挖掘能力在平台落地，写成脚本，与流量日志比对，把流量的历史、各种因素都关联起来，发现深度的威胁。 第六类是基于机器学习模型和安全运营专家，把已经发现告警进行深层次的挖掘分析和关联，发现更深层次的安全威胁。

复杂网络及其在国内研究进展的综述

第17卷第4期2009年10月 系统科学学报 JOURNAL OF SYSTEMS SCIENCE Vo1.17No.4 oct ，2009 复杂网络及其在国内研究进展的综述 刘建香 （华东理工大学商学院上海200237） 摘要：从复杂网络模型的演化入手，在简要介绍复杂网络统计特征的基础上，对国内关于复杂网络理论及其应用的研究现状从两方面进行综述：一是对国外复杂网络理论及应用研究的介绍，包括复杂网络理论研究进展的总体概括、复杂网络动力学行为以及基于复杂网络理论的应用研究介绍；二是国内根植于本土的复杂网络的研究，包括复杂网络的演化模型，复杂网络拓扑性质、动力学行为，以及复杂网络理论的应用研究等。并结合复杂网络的主要研究内容,对今后的研究重点进行了分析。 关键词：复杂网络；演化；拓扑；动力学行为中图分类号：N941 文献标识码：A 文章编号：1005-6408（2009）04-0031-07 收稿日期：2009-01-05 作者简介：刘建香（1974—），女，华东理工大学商学院讲师，研究方向：系统工程。E-mail ：jxliu@https://www.360docs.net/doc/8a11837171.html, 0引言 系统是由相互作用和相互依赖的若干组成部分结合的具有特定功能的有机整体[1]。而网络是由节点和连线所组成的。如果用节点表示系统的各个组成部分即系统的元素，两节点之间的连线表示系统元素之间的相互作用，那么网络就为研究系统提供了一种新 的描述方式[2、3] 。复杂网络作为大量真实复杂系统的高度抽象[4、5]，近年来成为国际学术界一个新兴的研究热 点，随着复杂网络逐渐引起国内学术界的关注，国内已有学者开始这方面的研究，其中有学者对国外的研究进展情况给出了有价值的文献综述，而方锦清[6]也从局域小世界模型、含权网络与交通流驱动的机制、混合择优模型、动力学行为的同步与控制、广义的同步等方面对国内的研究进展进行了简要概括，但是到目前为止还没有系统介绍国内关于复杂网络理论及应用研究现状的综述文献。本文从复杂网络模型的演化入手，在简要介绍复杂网络统计特征的基础上，对国内研究现状进行综述，希望对国内关于复杂网络的研究起到进一步的推动作用。 1.复杂网络模型的发展演化 网络的一种最简单的情况就是规则网络 [7] ，它 是指系统各元素之间的关系可以用一些规则的结构来表示，也就是说网络中任意两个节点之间的联系遵循既定的规则。但是对于大规模网络而言由于其复杂性并不能完全用规则网络来表示。20世纪50年代末，Erdos 和Renyi 提出了一种完全随机的网络模型———随机网络（ER 随机网络），它指在由N 个节点构成的图中以概率p 随机连接任意两个节点而成的网络，即两个节点之间连边与否不再是确定的事，而是由概率p 决定。或简单地说，在由N 个节点构成的图中，可以存在条边，从中随机连接M 条边所构成的网络就叫随机网络。如果选择M =p ，这两种构造随机网络模型的方法就可以联系起来。规则网络和随机网络是两种极端的情况，对于大量真实的网络系统而言，它们既不是规则网络也不是随机网络，而是介于两者之间。1998年，Watts 和Strogatz [8]提出了WS 网络模型，通过以概率p 切断规则网络中原始的边并选择新的端点重新连接 31--

社会网络分析方法(总结)

社会网络分析方法 SNA分析软件 ●第一类为自由可视化SNA 软件，共有Agna 等9 种软件，位于图1 的右上角，这类软件可以自 由下载使用，成本低，但一般这类软件的一个共同缺点是缺乏相应的如在线帮助等技术支持； ●第二类为商业可视化SNA 软件，如InFlow 等3种，这类软件大都有良好的技术支持；（3）第 三类为可视化SNA 软件，如KliqFinder 等4 种，这类软件一般都是商业软件，但他们都有可以通过下载试用版的软件，来使用其中的绝大部分功能 ●第四类为自由非可视化SNA 软件，如FATCAT 等7 种，这类软件的特点是免费使用，但对SNA 的分析结果以数据表等形式输出，不具有可视化分析结果的功能； ●第五类为商业非可视化SNA 软件，只有GRADAP 一种，该软件以图表分析为主，不具有可 视化的功能。在23 种SNA 软件中，有16 种SNA 软件，即近70%的SNA 软件，具有可视化功能。 SNA分析方法 使用SNA 软件进行社会网络分析时，一般需要按准备数据、数据处理和数据分析三个步骤进行。尽管因不同的SNA 软件的具体操作不同，但这三个步骤基本是一致的。 1.准备数据，建立关系矩阵 准备数据是指将使用问卷或其他调查方法，或直接从网络教学支撑平台自带的后台数据库中所获得的用于研究的关系数据，经过整理后按照规定格式形成关系矩阵，以备数据处理时使用。这个步骤也是SNA 分析的重要的基础性工作。SNA 中共有三种关系矩阵：邻接矩（AdjacencyMatrix）、发生阵（Incidence Matrix）和隶属关系矩阵（Affiliation Matrix）。邻接矩阵为正方阵，其行和列都代表完全相同的行动者，如果邻接矩阵的值为二值矩阵，则其中的“0”表示两个行动者之间没有关系，而“1”则表示两个行动者之间存在关系。然而我们

复杂网络研究概述,入门介绍

复杂网络研究概述 周涛柏文洁汪秉宏刘之景严钢 中国科学技术大学，近代物理系，安徽合肥：230026 摘要：近年来，真实网络中小世界效应和无标度特性的发现激起了物理学界对复杂网路的研究热潮。复杂网络区别于以前广泛研究的规则网络和随机网络最重要的统计特征是什么？物理学家研究复杂网络的终极问题是什么？物理过程以及相关的物理现象对拓扑结构是否敏感？物理学家进入这一研究领域的原因和意义何在？复杂网络研究领域将来可能会向着什么方向发展?本文将围绕上述问题，从整体上概述复杂网络的研究进展。 关键词：复杂网络小世界无标度拓扑性质 A short review of complex networks Zhou Tao Bai Wen-Jie Wang Bing-Hong? Liu Zhi-Jing Yan Gang Department of Modern Physics, University of Science and Technology of China, Hefei, 230026 Abstract: In recent years, the discoveries of small-world effect and scale-free property in real-life networks have attracted a lot of interest of physicists. Which are the most important statistical characteristics for complex networks that known from regular networks and random networks? What is the ultimate goal of the study of complex networks? Are physical processes sensitive to the topological structure of networks? What are the reason and meaning that physicist come into the research field on complex networks? What are the directions for future research? In the present paper, we concentrate on those questions above and give a general review about complex networks. Keyword: complex networks, small-world, scale-free, topological characters 1 引言 自然界中存在的大量复杂系统都可以通过形形色色的网络加以描述。一个典型的网络是由许多节点与连接两个节点之间的一些边组成的，其中节点用来代表真实系统中不同的个体，而边则用来表示个体间的关系，往往是两个节点之间具有某种特定的关系则连一条边，反之则不连边，有边相连的两个节点在网络中被看作是相邻的。例如，神经系统可以看作大量神经细胞通过神经纤维相互连接形成的网络[1]；计算机网络可以看作是自主工作的计算机通过通信介质如光缆、双绞线、同轴电缆等相互连接形成的网络[2]。类似的还有电力网络[1]、社会关系网络[1,3-4]、交通网络[5]等等。 数学家和物理学家在考虑网络的时候，往往只关心节点之间有没有边相连，至于节点到底在什么位置，边是长还是短，是弯曲还是平直，有没有相交等等都是他们不在意的。在这里，我们把网络不依赖于节点的具体位置和边的具体形态就能表现出来的性质叫做网络的拓扑性质，相应的结构叫做网络的拓扑结构。那么，什么样的拓扑结构比较适合用来描述真实的系统呢？两百多年来，对这个问题的研究经历了三个阶段。在最初的一百多年里，科学家们认为真实系统各因素之间的关系可以用一些规则的结构表示，例如二维平面上的欧几里德格网，它看起来像是格子体恤衫上的花纹；又或者最近邻环网，它总是会让你想到一群手牵着手围着篝火跳圆圈舞的姑娘。到了二十世纪五十年代末，数学家们想出了一种新的构造网

复杂网络上的粒子凝聚动力学及其相关应用研究

复杂网络上的粒子凝聚动力学及其相关应用研究 【摘要】：在非平衡系统中,凝聚是一个极为引人入胜的现象。在存在相互作用的粒子系统中,大量粒子可能聚集于一个节点上。之前关于凝聚的研究都是基于正规晶格上的,而真实的网络一般是无标度网络(ScaleFree,SF)。2005年Noh等人研究了无标度网络上的粒子凝聚现象,揭示了无标度网络结构的非均匀性将导致其上的粒子完全凝聚于中心节点。受他们这一工作的启发,我们致力于复杂网络上粒子凝聚的研究,主要包括零区域作用凝聚(ZeroRangeProcess,ZRP)、凝聚相时的粒子数波动特性和粒子扩散行为、交通堵塞以及它们在流行病传播方面的应用。1.鉴于实际网络中边权与节点度之间可能存在的关联性,我们研究了在有向与无向权重无标度网络上的ZRP凝聚动力学行为。我们发现当粒子在网络上跳跃时,强度分布指数决定了发生粒子凝聚的临界跳跃速率。当粒子跳跃速率小于临界值时,系统中将出现粒子的凝聚现象。在两种截然不同的权重网络上的数值模拟验证了我们的理论分析。此外,通过定性分析和数值模拟我们进一步研究了系统处于凝聚相时的弛豫动力学行为。我们发现在权重无标度网络中会出现从较小强度的节点到较大强度的节点逐级稳定的级次演化现象,并且系统的弛豫时间仅由网络的拓扑结构决定,边权的大小几乎并不影响弛豫时间的标度律。这些成果对于理解真实交通系统中的物质输运过程具有现实意义,从而为防止凝聚发生的控制策略提供了有利的借鉴。2.在研究了无标度网络上的ZRP凝聚动力学之后,我们进一步研

究了不同网络上粒子数的波动情况和粒子扩散行为。对于前者,我们发现虽然平均粒子数与网络结构都不相同,但是不同节点上粒子数的分布都满足同样的标准化分布。通过退趋势波动分析方法,我们发现关联指数依赖于粒子跳跃速率与网络结构,可以反映粒子凝聚的程度。另外,这些分析结果为探索真实网络的拓扑结构提供了有价值的信息。对于后者,我们发现粒子之间的相互作用将显著地影响粒子的扩散。特别是当系统处于凝聚相时,粒子间的相互吸引作用将导致粒子跳跃的时间延迟,它能够明显地减慢粒子的扩散,从而影响网络上的动力学特性。这一结果有助于我们更加深入地认识真实交通系统中粒子扩散的特性。3.在交通网络中,我们同样可以观察到粒子凝聚现象-交通堵塞。揭示交通堵塞现象的产生机制；同时提高网络的处理能力以避免交通堵塞是极具应用价值的研究课题。我们考虑了三种不同的交通模型：稳定交通流模型、波动交通流模型以及限制带宽的交通模型。针对不同交通模型中堵塞的产生机制,我们提出了一些可能的有效路由策略,显著地提高了网络的堵塞阈值,同时能够最小化相关统计参量。这些模型以及相应的有效路由策略对真实交通系统有着重要的借鉴与指导意义。4.正如我们已经研究了无标度网络上的ZRP凝聚和交通堵塞现象,揭示了这两类凝聚的产生机制。考虑到它们具有不同的产生机制,我们进一步研究了它们的相关应用-两种截然不同的迁移模式对于流行病传播的影响：动力学凝聚和目的旅行。对于第一个问题,当系统处于凝聚相时,临界传染概率是一个非常小的常数；系统处于非凝聚相时,临界传染概率随粒子跳跃速率迅速增加。这一成果也

大数据可视化分析平台介绍

大数据可视化分析平台 一、背景与目标 基于邳州市电子政务建设得基础支撑环境,以基础信息资源库（人口库、法人库、宏观经济、地理库）为基础，建设融合业务展示系统,提供综合信息查询展示、信息简报呈现、数据分析、数据开放等资源服务应用。实现市府领导及相关委办得融合数据资源视角，实现数据信息资源融合服务与创新服务,通过系统达到及时了解本市发展得综合情况，及时掌握发展动态，为政策拟定提供依据。 充分运用云计算、大数据等信息技术,建设融合分析平台、展示平台,整合现有数据资源結合政务大数据得分析能力与业务编排展示能力，以人口、法人、地理人口与地理法人与地理实现基础展示与分析，融合公安、交通、工业、教育、旅游等重点行业得数据综合分析，为城市管理、产业升级、民生保障提供有效支撑。 二、政务大数据平台 1、数据采集与交换需求：通过对各个委办局得指定业务数据进行汇聚，将分散得数据进行物理集中与整合管理，为实现对数据得分析提供数据支撑。将为跨机构得各类业务系统之间得业务协同，提供统一与集中得数据交互共享服务。包括数据交换、共享与ETL等功能。 2、海量数据存储管理需求:大数据平台从各个委办局得业务系统里抽取得数据量巨大，数据类型繁杂，数据需要持久化得存储与访问。不论就是结构化数据、半结构化数据，还就是非结构化数据，经过数据存储引擎进行建模后，持久化保存在存储系统上。存储系统要具备髙可靠性、快速查询能力。 3、数据计算分析需求:包括海量数据得离线计算能力、髙效即席数

据查询需求与低时延得实时计算能力。随着数据量得不断增加, 需要数据平台具备线性扩展能力与强大得分析能力，支撑不断增长得数据量，满足未来政务各类业务工作得发展需要，确保业务系统得不间断且有效地工作。 4、数据关联集中需求:对集中存储在数据管理平台得数据，通过正确得技术手段将这些离散得数据进行数据关联，即：通过分析数据间得业务关系，建立关键数据之间得关联关系，将离散得数据串联起来形成能表达更多含义信息集合，以形成基础库、业务库、知识库等数据集。 5、应用开发需求：依靠集中数据集，快速开发创新应用，支撑实际分析业务需要。 6、大数据分析挖掘需求：通过对海量得政务业务大数据进行分析与挖掘，辅助政务决策，提供资源配置分析优化等辅助决策功能，促进民生得发展。

六个主要的社会网络分析软件的比较UCINET简介

六个主要的社会网络分析软件的比较UCINET简介 UCINET为菜单驱动的Windows程序，可能是最知名和最经常被使用的处理社会网络数据和其他相似性数据的综合性分析程序。与UCINET捆绑在一起的还有Pajek、Mage和NetDraw 等三个软件。UCINET能够处理的原始数据为矩阵格式，提供了大量数据管理和转化工具。该程序本身不包含网络可视化的图形程序，但可将数据和处理结果输出至NetDraw、Pajek、Mage 和KrackPlot等软件作图。UCINET包含大量包括探测凝聚子群（cliques, clans, plexes）和区域（components, cores）、中心性分析（centrality）、个人网络分析和结构洞分析在内的网络分析程序。UCINET还包含为数众多的基于过程的分析程序，如聚类分析、多维标度、二模标度（奇异值分解、因子分析和对应分析）、角色和地位分析（结构、角色和正则对等性）和拟合中心-边缘模型。此外，UCINET 提供了从简单统计到拟合p1模型在内的多种统计程序。 Pajek简介 Pajek 是一个特别为处理大数据集而设计的网络分析和可视化程序。Pajek可以同时处理多个网络，也可以处理二模网络和时间事件网络（时间事件网络包括了某一网络随时间的流逝而发生的网络的发展或进化）。Pajek提供了纵向网络分析的工具。数据文件中可以包含指示行动者在某一观察时刻的网络位置的时间标志，因而可以生成一系列交叉网络，可以对这些网络进行分析并考察网络的演化。不过这些分析是非统计性的；如果要对网络演化进行统计分析，需要使用StOCNET 软件的SIENA模块。Pajek可以分析多于一百万个节点的超大型网络。Pajek提供了多种数据输入方式，例如，可以从网络文件（扩展名NET）中引入ASCII格式的网络数据。网络文件中包含节点列表和弧/边（arcs/edges）列表，只需指定存在的联系即可，从而高效率地输入大型网络数据。图形功能是Pajek的强项，可以方便地调整图形以及指定图形所代表的含义。由于大型网络难于在一个视图中显示，因此Pajek会区分不同的网络亚结构分别予以可视化。每种数据类型在Pajek中都有自己的描述方法。Pajek提供的基于过程的分析方法包括探测结构平衡和聚集性（clusterability），分层分解和团块模型（结构、正则对等性）等。Pajek只包含少数基本的统计程序。 NetMiner 简介 NetMiner 是一个把社会网络分析和可视化探索技术结合在一起的软件工具。它允许使用者以可视化和交互的方式探查网络数据，以找出网络潜在的模式和结构。NetMiner采用了一种为把分析和可视化结合在一起而优化了的网络数据类型，包括三种类型的变量：邻接矩阵（称作层）、联系变量和行动者属性数据。与Pajek和NetDraw相似，NetMiner也具有高级的图形特性，尤其是几乎所有的结果都是以文本和图形两种方式呈递的。NetMiner提供的网络描述方法和基于过程的分析方法也较为丰富，统计方面则支持一些标准的统计过程：描述性统计、ANOVA、相关和回归。 STRUCTURE 简介 STRUCTURE 是一个命令驱动的DOS程序，需要在输入文件中包含数据管理和网络分析的命令。STRUCTURE支持五种网络分析类型中的网络模型：自主性（结构洞分析）、凝聚性（识别派系）、扩散性、对等性（结构或角色对等性分析和团块模型分析）和权力（网络中心与均质分析）。STRUCTURE提供的大多数分析功能是独具的，在其他分析软件中找不到。MultiNet简介 MultiNet 是一个适于分析大型和稀疏网络数据的程序。由于MultiNet是为大型网络的分析而专门设计的，因而像Pajek那样，数据输入也使用节点和联系列表，而非邻接矩阵。对于分析程序产生的几乎所有输出结果都可以以图形化方式展现。MultiNet可以计算degree, betweenness, closeness and components statistic，以及这些统计量的频数分布。通过MultiNet，可以使用几种本征空间（eigenspace）的方法来分析网络的结构。MultiNet包含四种统计技术：交叉表和卡方检验，ANOVA，相关和p*指数随机图模型。

网络恶意代码传播动力学模型(IJCNIS-V5-N10-3)

I. J. Computer Network and Information Security, 2013, 10, 17-23 Published Online August 2013 in MECS (https://www.360docs.net/doc/8a11837171.html,/) DOI: 10.5815/ijcnis.2013.10.03 Dynamic Model on the Transmission of Malicious Codes in Network Bimal Kumar Mishra, Apeksha Prajapati Department of Applied Mathematics, Birla Institute of Technology, Mesra, Ranchi-835215, India drbimalmishra@https://www.360docs.net/doc/8a11837171.html,, prajapatiapeksha@https://www.360docs.net/doc/8a11837171.html, Abstract — This paper introduces differential susceptible e-epidemic model SS ii II II (susceptible class-1 for virus (S1) - susceptible class-2 for worms (S2) -susceptible class-3 for Trojan horse (S3) – infectious (I) – recovered (R)) for the transmission of malicious codes in a computer network. We derive the formula for reproduction number (R0) to study the spread of malicious codes in computer network. We show that the Infectious free equilibrium is globally asymptotically stable and endemic equilibrium is locally asymptotically sable when reproduction number is less than one. Also an analysis has been made on the effect of antivirus software in the infectious nodes. Numerical methods are employed to solve and simulate the system of equations developed. Index Terms — Computer network; Worms; Virus; Trojan horse; Epidemic Model; Reproduction number; Global stability I. INTRODUCTION This is the world of internet services and internet users are increasing exponentially. Computer systems now contain millions of records relating to commerce, healthcare, banking, defense and personal information. All this information is at risk of either being misused for fraudulent purposes or modified for malicious reasons. Malicious software, or malware, on the Internet can cause serious problems, not only for services like email and the web, but for electricity, transport and healthcare services due to their increasing Internet dependence. One of the serious threats to the Internet and Computer network is malware attack. Malicious code is any code added, changed, or removed from a software system in order to intentionally harm the system. Though the problem of malicious code has a long history, a number of recent, widely publicized attacks and certain economic trends suggest that malicious code is rapidly becoming a critical problem for industry, government, and individuals. Traditional examples of malicious code include viruses, worms and Trojan Horses. In these days networking is widespread, malicious code mostly use the sneaker net to spread over the network. One of the various ways in which computer systems canbe compromised is by deploying computer virus/worms. There have been instances in the past where virus/worms have virtually brought the Internet to a grinding. Currently, e-mail is one of the main sources for transmission of virus, worms and Trojans. A computer virus attaches itself to a program or file enabling it to spread from one computer to another, leaving infections as it travels. A computer virus can damage hardware, software or files of the systems. Computer viruses have been around from the days of DOS and even earlier, but after the 1990s, they became a potent threat due to the popularity of the internet and removable media. Some reported Viruses are I Love You, Logic Bomb and Melissa. I Love You(2000) - "I Love You" virus is a computer virus that successfully attacked tens of millions of computers in 2000 when it was sent as an attachment to a user with the text "ILOVEYOU" in the subject line. A computer worm is a code that infects computer system and is able to spread functional copies of it without depending on other codes. Worms spread from computer to computer, but unlike a virus, it has the capability to transmit without any human intervention. Due to the copying nature of a worm and its capability to travel across network the end result in most cases is that the worm consumes too much system memory, causing web servers, network servers and individual computers to stop responding. Some reported worms are Code Red, Slammer. Code Red (2001) - Code Red was a computer worm observed on the Internet on July 13, 2001. It attacked computers running Microsoft's IIS web server. Although the worm had been released on July 13, the largest group of infected computers was seen on July 19, 2001. On this day, the number of infected hosts reached 359,000. Slammer(2003)- Slammer worm caused a denial of service on some Internet hosts and dramatically slowed down general Internet traffic. This fast-moving worm managed to temporarily bring much of the Internet to its knees in January 2003.It spread rapidly, infecting most of its 75,000 victims within ten minutes. A Trojan horse is a program that secretly performs its operation under the guise of a legitimate program. The Trojan horse at first glance will appear to be useful

复杂网络的拓扑、动力学行为及其实证研究

复杂网络的拓扑、动力学行为及其实证研究 【摘要】：复杂网络近年来在国内外掀起了研究的热潮，受到来自科学与工程各个领域研究者的强烈关注。复杂网络可以用来描述从技术到生物直至社会各类开放复杂系统的骨架，而且是研究它们拓扑结构和动力学性质的有力工具。因此人们致力于研究、揭示节点数众多、连接结构复杂的实际网络的整体特性，特别是网络拓扑结构与功能之间的关系、与网络动力学行为之间的关系、结构与功能的形成机制、演化规律等。本论文从现实网络中寻找了航空网络、电路网络、科技文章下载网等三个典型的非线性复杂网络系统作为实证研究对象，结合应用图论和拓扑学、非线性科学、现代统计物理学、工程技术上的网络设计原理等现代科学理论，对复杂网络的特殊性和普适性进行了深入的研究；探讨了网络结构与功能之间的关系，如网络的拓扑结构与网络的容错能力之间的关系；并分析了复杂网络在动态演化期间，其拓扑特性和动力学性质随时空变化而展示的复杂行为。通过对复杂网络动力学性质的研究，不但可以更好地了解和解释真实网络所呈现的各种复杂动力学现象，而且可以建立更真实反映现实世界网络特性的模型，可以设计一个具有良好性能的网络，使得网络理论为我们所用。本文的主要研究内容和创新点有以下几方面：1．以一个特定航空公司(奥地利航空公司)的航空网络作为有向加权网络的典型代表，对其小世界性、无标度性作了全面细致的分析；模拟计算了加权网络中重要的统计特征量；以一周航班信息的实时数据为基础，深入研究

了航空网络中节点和权重的演化规律及演化机制模型，讨论了网络的关联动力学性质及其演化，为修改经典含权演化模型(BBV模型)的假设条件提供了必要的基础，使之与真实系统更加接近。在上述工作的基础上，我们发现了该航空网络与众不同的统计复杂行为：(1)奥地利航空网的度度相关性特征表现出无论k值为多少，均是明显的负相关匹配特征，即大机场更明显地倾向与较小机场相连。(2)簇度相关性表明在k＜7时奥地利航空网络没有明显的层次结构，仅在k≥7时才具有层次结构。对于这种具有层次拓扑结构的网络形成机制无法用ER随机模型和BA无标度模型解释，因为它们不包含有利于模块涌现的机制。因此，我们的实证结果对建立既能再现层次性，又考虑几何效应的新网络演化模型具有借鉴意义。2．电路网络的有效设计在很大程度上依赖元件组之间的连接是否采用了不同的短连接，因此电路网络比其他真实系统更接近WS小世界模型。本文的研究工作在国内首次把复杂网络理论应用于一个系统级的无线接收机电路的分析中，对电路网络的拓扑结构特征、元器件节点及其对应的连接度函数关系、元器件节点连接度的概率分布函数曲线等进行了模拟计算和讨论；分析了网络连接度分布的统计特性，确认连接度分布是一个带有指数截断的幂律分布，不同于典型的BA无标度网络模型，并分析了造成这种网络演化结构的可能原因。从电路设计的角度说明了我们需要使用不同的短距离连接和集成电路把各个单元模块电路集成在一起，即物理设计要达到最优化，电路使用元件最少，连线简捷。此外，运用统计物理学的逾渗理论和网络攻击策略对电路网络在遭受随机

复杂网络上的传播动力学

复杂网络上的传播动力学 摘要：纵观人类社会的发展，传染病一直持续不断地威胁着人类的健康，从早期的天花、麻疹，到近年来的艾滋病、非典、禽流感，每一次传染病都以极快的速度传播着并且吞噬着人类的生命财产。此外，计算机病毒在因特网上的扩散过程也是极其复杂的系统。其不安全因素有计算机信息系统自身的,也有人为的,计算机病毒的高度隐藏性、快速传播性和严重的破坏性使其成为影响计算机系统使用的最不安全的因素。近年来，真实网络中小世界效应和无标度特性的发现激起了物理学界对复杂网络的研究高潮，其中网络拓扑结构对复杂网络上动力学行为的影响是研究的焦点之一。这篇论文主要从复杂网络的拓扑结构和流行病的感染机制两个方面来探讨当前国内外传播动力学研究的现状和最新进展，指出值得进一步研究的问题。例如动态网络结构下的疾病传播行为和微观感染机制等。 关键词：复杂网络、传播动力学、疾病传播、网络免疫技术、感染机制 Abstract: Throughout the development of human society, infectious diseases has been continuously threatens human health, from the early smallpox, measles, in recent years to AIDS, SARS, avian influenza, every infectious disease in order to speed the spread of human life and property. In addition, the system of computer viruses on the Internet diffusion process is extremely complex. The unsafe factors of computer information system itself, but also for someone, highly concealed, rapid spread and serious destruction to the most unsafe factors of computer system using a computer virus. In recent years, the real network small world effect and scale-free characteristics aroused the research climax to the complex network of physics, including the impact of network topology on the dynamics on complex networks is one of the focus of the study. This paper mainly from the two aspects of infection mechanism topological structure of complex networks and epidemic to explore the current status of domestic spread dynamics research and new development, points out the problems to be further studied. For example, the spread of the disease dynamic behavior of network structure and micro mechanism of infection. Keywords: immune complex network, transmission dynamics, disease transmission, network

复杂网络理论及其研究现状

复杂网络理论及其研究现状 复杂网络理论及其研究现状 【摘要】简单介绍了蓬勃发展的复杂网络研究新领域，特别是其中最具代表性的是随机网络、小世界网络和无尺度网络模型；从复杂网络的统计特性、复杂网络的演化模型及复杂网络在社会关系研究中的应用三个方面对其研究现状进行了阐述。 【关键词】复杂网络无标度小世界统计特性演化模型 一、引言 20世纪末，以互联网为代表的信息技术的迅速发展使人类社会步入了网络时代。从大型的电力网络到全球交通网络，从Internet 到WWW，从人类大脑神经到各种新陈代谢网络，从科研合作网络到国际贸易网络等，可以说，人类生活在一个充满着各种各样的复杂网络世界中。 在现实社会中，许多真实的系统都可以用网络的来表示。如万维网（WWW网路）可以看作是网页之间通过超级链接构成的网络；网络可以看成由不同的PC通过光缆或双绞线连接构成的网络；基因调控网络可以看作是不同的基因通过调控与被调控关系构成的网络；科学家合作网络可以看成是由不同科学家的合作关系构成的网络。复杂网络研究正渗透到数理科学、生物科学和工程科学等不同的领域，对复杂网络的定性与定量特征的科学理解，已成为网络时代研究中一个极其重要的挑战性课题，甚至被称为“网络的新科学”。 二、复杂网络的研究现状 复杂网络是近年来国内外学者研究的一个热点问题。传统的对网络的研究最早可以追溯到18世纪伟大数学家欧拉提出的著名的“Konigsberg七桥问题”。随后两百多年中，各国的数学家们一直致力于对简单的规则网络和随机网络进行抽象的数学研究。规则网络过于理想化而无法表示现实中网络的复杂性，在20世纪60年代由Erdos和Renyi（1960）提出了随机网络。进入20世纪90年代，人们发现现实世界中绝大多数的网络既不是完全规则，也不是完全随机

教你如何快速搭建一个大数据分析平台

一般的大数据平台从平台搭建到数据分析大概包括以下几个步骤： 1、Linux系统安装 一般使用开源版的Redhat系统--CentOS作为底层平台。为了提供稳定的硬件基础，在给硬盘做RAID和挂载数据存储节点的时，需要按情况配置。比如，可以选择给HDFS的namenode做RAID2以提高其稳定性，将数据存储与操作系统分别放置在不同硬盘上，以确保操作系统的正常运行。 2、分布式计算平台/组件安装 当前分布式系统的大多使用的是Hadoop系列开源系统。Hadoop的核心是HDFS，一个分布式的文件系统。在其基础上常用的组件有Yarn、Zookeeper、Hive、Hbase、Sqoop、Impala、ElasticSearch、Spark等。 使用开源组件的优点：1）使用者众多，很多bug可以在网上找的答案（这往往是开发中最耗时的地方）；2）开源组件一般免费，学习和维护相对方便；3）开源组件一般会持续更新；4）因为代码开源，如果出现bug可自由对源码作修改维护。

常用的分布式数据数据仓库有Hive、Hbase。Hive可以用SQL查询，Hbase 可以快速读取行。外部数据库导入导出需要用到Sqoop。Sqoop将数据从Oracle、MySQL等传统数据库导入Hive或Hbase。Zookeeper是提供数据同步服务，Impala是对hive的一个补充，可以实现高效的SQL查询 3、数据导入 前面提到，数据导入的工具是Sqoop。它可以将数据从文件或者传统数据库导入到分布式平台。

4、数据分析 数据分析一般包括两个阶段：数据预处理和数据建模分析。 数据预处理是为后面的建模分析做准备，主要工作时从海量数据中提取可用特征，建立大宽表。这个过程可能会用到Hive SQL，Spark QL和Impala。 数据建模分析是针对预处理提取的特征/数据建模，得到想要的结果。如前面所提到的，这一块最好用的是Spark。常用的机器学习算法，如朴素贝叶斯、逻辑回归、决策树、神经网络、TFIDF、协同过滤等，都已经在ML lib里面，调用比较方便。