CN103595734B - 基于用户关联结构划分的在线社交网络快速修复方法 - Google Patents
基于用户关联结构划分的在线社交网络快速修复方法 Download PDFInfo
- Publication number
- CN103595734B CN103595734B CN201310637200.3A CN201310637200A CN103595734B CN 103595734 B CN103595734 B CN 103595734B CN 201310637200 A CN201310637200 A CN 201310637200A CN 103595734 B CN103595734 B CN 103595734B
- Authority
- CN
- China
- Prior art keywords
- node
- user
- group
- social network
- association structure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Information Transfer Between Computers (AREA)
Abstract
本发明公开基于用户关联结构划分的在线社交网络快速修复方法,1)根据在线社交网络中的用户关系数据构建用户关联图G;2)在图G中计算节点和节点群的消息传播能力;3)根据消息传播能力将图G划分为第一级用户关联结构群,并在第一级用户关联结构群的基础上进行第二级用户关联结构群划分;4)在用户关联结构群中将权重最大的节点标记为关键节点,同时将群之间的相邻接的节点标记为边界节点;5)按照先向关键节点和/或边界节点发送补丁的快速修复方式,然后再逐步修补其他节点,完成修复。本方法针对智能终端上使用的在线社交网络,具有在带宽限制的条件下,可快速有效修复在线社交网络漏洞,防止攻击大规模扩散及危害等特点。
Description
技术领域
本发明属于网络安全技术领域,具体涉及一种智能终端中基于用户关联结构划分的在线社交网络快速修复方法。
背景技术
随着在线社交网络与智能终端的不断发展,越来越多的用户开始频繁地在智能终端上使用在线社交网络,随之而来的安全性问题的影响也愈发严峻。其中,通过在线社交网络中的安全漏洞实施攻击及隐私窃取是最常见的威胁之一,而这一威胁伴随着拥护对智能终端及社交网络的依赖性和使用频繁度的增高而不断加剧,对智能终端及社交网络的安全性防护以及用户隐私保护等方面带来了严峻挑战。
在线社交网络,由于其自身实现中难以避免的各种漏洞,复杂网络拓扑特性、社会工程学特性以及开放API等支持供第三方实施开发等特性,为各类漏洞攻击及其迅速、广泛传播提供了有利条件,近年来在线社交网络遭受攻击的例子层出不穷。而随着智能终端的普及和大规模使用,用户开始在智能终端上使用在线社交网络,当其出现漏洞被攻击以及有更新修复补丁需要发放时,智能终端上的网络带宽无法和PC终端相比,且无法保证用户在使用哪一种网络,无法保证带宽。由于智能终端网络带宽的限制等问题,存在着无法在最短时间统一发放修复补丁的问题,从而为漏洞攻击提供了有利条件。而如何安排漏洞修复及补丁发放,使智能终端上在线社交网络的漏洞尽快被修复,攻击危害尽量降低,是目前亟需研究解决的关键问题之一。
当前,已有一些工作研究者对智能终端以及在线社交网络恶意代码的抑制及修复方法进行了研究。比较具有代表性的相关方法主要包括:在针对智能终端上传播的蠕虫抑制修复方法上,美国宾州州立大学的朱森存教授等人,针对通过手机传播的蠕虫,提出了基于社交关系的手机蠕虫抑制修复方案,其主要思想是提取出移动网络中的社交关系图并划分为不同的组,通过对组内成员进行补丁修复将蠕虫尽量控制在特定区域内,从而抑制蠕虫传播的思路。在针对社交网络中的蠕虫传播抑制方法,美国佛罗里达大学的Nguyen等人提出了一种抑制社交网络中蠕虫的传播方法,考虑了社交网络拓扑的动态变化这一因素,利用社交网络的群组结构找出网络中的核心薄弱节点,通过对这些节点的修复抑制蠕虫的传播。
上述方法为智能终端社交网络的漏洞修复及补丁发放提供了较好的借鉴思路,但是由于在线社交网络的用户关系和相对手机移动网络中的社交关系更为复杂,如果直接应用当前针对手机社交关系的划分方案,便会出现大量用户聚集到同一用户组,无法起到较好的划分抑制效果;而由于智能终端移动网络的带宽等限制,使得传统互联网中在线社交网络的修复及补丁发放方式受到了极大制约,从而无法快速有效的实现补丁发放及漏洞修复,其时间滞后性将带来更多的用户遭受攻击危害。因此,如何实现智能终端在线社交网络补丁发放及漏洞修复、降低攻击危害的快速且有效的方法,是目前维护智能终端在线社交网络安全的重要需求。
发明内容
针对当在智能终端上使用的在线社交网络出现漏洞及攻击时,如何实施快速修复降低攻击危害的问题,本发明的目的在于提出一种智能终端中基于用户关联结构划分的在线社交网络快速修复方法,通过分析在线社交网络的信息传播情况,将用户根据分析结果划分关联结构,并识别标记关联结构中的关键节点和边界节点,当出现漏洞或攻击需要发放补丁及修复方法时,通过先修复关键节点和边界节点的方式,有效限制漏洞攻击的大肆传播,并达到在智能终端有限带宽的情况下迅速修复的目的。
本发明的技术方案如下:一种基于用户关联结构划分的在线社交网络快速修复方法,其步骤包括:
1)在移动智能终端根据在线社交网络中的用户关系数据构建用户关联图G;
2)在所述图G中计算节点和节点群的消息传播能力;
3)根据所述消息传播能力将所述图G划分为第一级用户关联结构群,并在所述第一级用户关联结构群的基础上进行第二级用户关联结构群划分;
4)在所述第一级用户关联结构群和/或第二级用户关联结构群中将权重最大的节点标记为关键节点,同时将群之间的相邻接的节点标记为边界节点;
5)按照先向关键节点和/或边界节点发送补丁的快速修复方式,然后再逐步修补其他节点,完成修复。
更进一步,所述群U的消息传播能力其中n为U中的节点数量,m为连接边的数量,pij是节点的消息传播能力。
更进一步,所述pij通过获取社交网络单位时间内的节点之间的消息传播概率表示。
更进一步,根据所述消息传播能力将消息传递频繁的用户节点划到同一结构群中,使群内的消息传递能力强,群与群之间的消息传递能力低。
更进一步,所述智能移动终端为智能手机、Pad、PDA。
更进一步,所述用户关系数据包括用户、用户间的好友关联关系,用户好友数量,用户间的联系。
更进一步,所述构建用户关联图G={V,E,WV},其中节点V代表用户,边E代表用户之间的关联关系,WV为节点权重代表用户的关联好友数量为节点权重。
更进一步,所述第一级用户关联结构群的划分方法是:
1)在社交网络用户关联图G中找到权重最大的节点vi,将vi和与其相邻的还未加入任何群的节点加入群U中,计算群U中的消息传递概率S(U),并将所有与群U相邻接的节点构建边界集合B(v);
2)对于和群U相邻接的B(v)中的节点,选择其中权重最大的节点vj,计算拟加入群的节点j加入群U后的消息传递概率S(U+j),如果S(U+j)>S(U),则将节点j加入群U中,并扩展B(v),直到没有新的邻接节点可以加入群U中;
3)遍历所述步骤1)-2)将图G中的所有节点都划分为群。
更进一步,第二级用户关联结构群划分的具体方法是:
1)在所述第一级用户关联结构群中,找到权重最大的节点vi,然后根据需要设定比例值r,找到该群中所有权重wvj>r*wvi的节点,对每个满足该条件的节点构建一个新节点群;其中,wvi为第一级用户关联结构群中权重最大的节点的权重,wvj为第一级用户关联结构群中任一节点vj的权重;
2)根据上述得到的新节点群,依照第一级用户关联结构群的划分方法,计算它们相邻的节点加入群和不加入群的传播能力,在第一级用户关联结构群中完成第二级用户关联结构群的划分。
更进一步,当一个节点同时和两个群相连并且满足加入群的条件,则将其加入计算出的消息传递概率S较大的群中。
有益效果:
本发明提供了一种智能终端中基于用户关联结构划分的在线社交网络快速修复方法,其特性如下:
本发明根据智能终端网络带宽带来的漏洞修复发放限制,从而导致的修复缓慢攻击易于大面积实施带来严重后果的问题,提供了一种分层逐步修复的方法,尽可能的保证修复的快速完成以及攻击的实施限制。本发明基于在线社交网络用户之间的信息传递概率特性,将用户划分为关联结构群,从而使得群之间的消息传递概率小于群内的消息传递,从群中识别关键节点和边界节点,一方面保证先修复传递能力强以及会产生群之间区域扩散的用户节点,使攻击不能大规模扩散,一方面利用关键节点向其他用户快速传递修复,从而实现对在线社交网络快速有效的对出现的漏洞及攻击进行修复。
附图说明
图1为本发明方法流程图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,可以理解的是,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实现本发明的一种具体实施方式如下,一种智能终端中基于用户关联结构划分的在线社交网络快速修复方法方法,其步骤为:
本发明方法流程如图1所示,本发明的步骤如下:
1)获取所需要维护的在线社交网络中的用户关系,构建社交网络用户关联图;
2)在社交网络用户关联图中,通过分析不同用户节点的连接边情况,计算节点及节点群的消息传播能力;
3)分两级划分用户关联结构群。根据消息传播能力,第一级用户关联结构群,然后在第一级划分的基础上,寻找信息传播能力大于阈值的相关联用户节点,划分第二级用户关联结构群;
4)在划分好的用户关联结构中,识别并标记每个群结构中的关键节点及边界节点;
5)当需要修复时,首先修复关键节点和边界节点,然后关键节点和边界节点逐步向其邻接节点发送修复信息,利用社交网络用户关系完成修复。
在步骤1)中,所述的构建社交网络用户关联图的具体方法是:获取拟修复的在线社交网络的用户和用户关系,用户好友关系是通过社交网络服务提供商处获取的,服务器处也一般有记录。以用户为节点,用户关系为边,用户好友数量为节点权重参数,构建成社交网络用户关联图。
在步骤2)中,所述的计算节点及节点群消息传播能力的具体方法是:获取用户节点在最近一段时间的信息传播数量,计算其单位时间的信息传递概率;
当计算一个节点与一些相邻节点组成的节点群的消息传递能力的方法是:通过该节点群中与此节点相连接的节点与该节点的消息传递概率,计算出单位时间此节点与这些连接节点消息传递的概率,作为此节点与该节点群的消息传播能力的表示;然后计算一个节点群中每一个节点与该群剩余节点组成的子群的传播能力,求其平均值,作为该节点群的消息传播能力。
在步骤3)中,所述的第一级用户关联结构的划分的具体方法是:首先在步骤1)中构建的社交网络用户关联图中,找到权重最大的节点,如果该节点不止一个,则随机选取其中的一个作为划分起始节点群,并将该初始节点的相邻节点加入该群;然后依次计算此群的所有相邻节点加入该群后新群的传播能力,当新群的传播能力大于原群时,将相应节点加入,否则不加入;完成一个群的创建后,从剩余节点中再选择好有关系最多的节点形成另一个节点群;如此步骤反复,完成第一级用户关联结构的划分。
在步骤3)中,所述的第二级用户关联结构的划分的具体方法是:在第一级用户群中,找到权重最大的节点,然后根据实际需要设定一个比例值r,该群中所有权重大于最大节点权重*r的节点选出,在该群内,从这些节点的开始各成一群进行第二级划分,对于划分过程可能出现的与多个第二级群节点相连接的节点,将其归属于加入该节点后群传播能力最强的群中,由此完成第二级用户关联结构划分。
在步骤4)中,所述的关键节点及边界节点具体是指:关键节点是指步骤3)中所有划分的群的初始节点;边界节点是指与外部其它群有连接关系的节点。
在本发明的一实施例中,社交网络用户关联图是指以用户为节点,用户间好友关系为边,用户好友数量为节点权重的图结构。在社交网络中,用户间存在好友关系即可能互相传递消息,从而表示了消息可能的传递路径。用户的好友数量和消息传递数量,表示出了一个用户向外界扩散消息的能力。
在本发明的一实施例中,根据不同节点的连接边及其权重,可以计算节点之间,节点与多个节点构成的群之间,以及节点群的消息传递能力。我们获取最新一段时间的消息传播数据,通过计算单位时间的消息传递概率来表示消息传递能力。该数据根据需要在特定时间内进行一次更新,可使得本方法保持有效性。
在本发明的一实施例中,我们根据节点之间的消息传播能力来划分用户关联结构群。在智能终端上使用在线社交网络,当需要修复时,面临的主要问题便是带宽限制以及修复的延迟性可能导致攻击的大规模扩散问题,因此我们的思路是找到关键节点先修复,然后逐步修复至整个社交网络所有节点。为达到这一目的,我们划分群的目标是:将所有用户节点划分为多个群,使得互相之间消息传播能力强的节点在一个群中,群之间的消息传播能力尽量弱。为达到这一目标,我们分两级实施用户关联结构群划分。
在本发明的一实施例中,我们标记的关键节点和边界节点,是本方法认为的在划分群之后可能引发攻击更大量传播的重要节点。由于本方法划分的机构群的特点是,群内部消息传播能力强,群之间传播能力弱,所以边界节点由于可能引发群之间传播而被认为是可能引发更大量传播的重要节点之一,此外,为了尽快控制群内的传播以及更快的修复,根据我们的划分方案可知,群中最初始的节点是该群最大消息传递能力的节点,因此称之为关键节点,作为重要节点标记。
在本发明的一实施例中,本方法的修复顺序是,首先向关键节点和边界节点终端发送修复,然后利用社交网络关联图中的节点关系,依次向其他节点完成逐步修复。
如图1所示智能终端中基于用户关联结构划分的在线社交网络快速修复方法的流程示意图,包括步骤:
1.构建社交网络用户关联图
获取在线社交网络中的用户关系数据,包括用户、用户间的好友关联关系,用户好友数量,用户间的联系,构建社交网络用户关联图G={V,E,WV},其中节点V代表用户,边E代表用户之间的关联关系,WV为节点权重代表用户的关联好友数量为节点权重。该社交网络用户关联图,可根据实际的精确度需要定期更新,就是从社交网络服务器或者服务提供商获取最新的用户情况和关系数据。
2.计算节点及节点群的消息传播能力
构建好社交网络用户关联图之后,本发明的思路是需要根据节点之间的信息传递能力将用户关联图划分为不同的用户群。为实现这一目标,首先需要定义并计算节点以及节点群之间的消息传播能力。本发明中,我们获取相应的在线社交网络中单位时间内两节点之间的消息传递概率pij。那么,对于一个多个节点组成的节点群,一个节点i和节点群Uv之间的传播能力的计算方法是:假设此群中有n个点与i有连接边,那么节点i与群Uv的传播概率为:SU(i,UV)=1-(1-pij)n,其中,SU是指一个群的消息传递能力,UV是指一个划分群,
进一步的,节点群内部的消息传递能力,定义为其中每一个节点到该群内其他节点组成的群的传递能力的平均值,即为:
其中,SU表示群的消息传递能力,S(i,UU-i)是指节点i与除i以外的群U中节点构成的群的消息传递能力,n是指群U中的节点数量,Vu是群U中所有的节点集合,Eu是指群U中所有边的集合,|EU|是指U中边的数量,|VU|是指U中节点个数,m是指Eu中边的数量。
3.划分得到第一级用户关联结构群
本发明中,我们根据节点传播能力划分用户关联结构群。我们的结构群划分思路是,根据用户消息传递概率将消息传递频繁的用户节点划到同一结构群中,即尽量使得群内的消息传递能力强,群与群之间的消息传递能力低。这样,可以尽量保证在发生攻击的时候,比较易于将危害限制在一定区域之内。本发明的划分方法分两级实现。第一级用户关联结构群的划分方法是:
1)在社交网络用户关联图G中找到权重最大的节点vi,将vi和与其相邻的还未加入任何群的节点加入群U中,计算群U中的消息传递概率S(U),并将所有与群U相邻接的节点构建边界集合B(v),相邻的节点就是有连接边直接相连的两个节点;
2)对于和群U相邻接的B(v)中的节点,选择其中权重最大的节点vj,计算拟加入群的节点j加入群U后的消息传递概率S(U+j),如果S(U+j)〉S(U),则将节点j加入群U中,并扩展B(v)。如此计算直到没有新的邻接节点可以加入群U中。
3)重复步骤1)和2)直到图G中的所有节点都划分为群。
4.划分得到第二级用户关联结构群
由于社交网络中存在一些热门的用户节点(热门的用户节点就是关联用户也就是好友非常多的用户节点),这些用户互相之间也往往会互相关联,难免出现一些群节点过于集中和庞大的情况,在这种情况下,为了进一步控制威胁扩散,本发明进行第二级用户关联结构群划分,具体方法是:
1)在第一级用户关联结构群中,找到权重最大的节点vi,然后根据需要设定比例值r,找到该群中所有权重wvj〉r*wvi的节点,对每个满足该条件的节点构建一个新群,若不满足则不构建新群;其中,wvi为第一级用户关联结构群中权重最大的节点的权重,wvj为第一级用户关联结构群中任一节点vj的权重;
比例值r是在实际操作中根据实际情况设定的。r越大,最后分的区域越少,也就是当带宽以及其他条件足够时,可以在修复的时候一次尽量多的发送时,就可以多分几个结构群,然后同时发送的修复就多,修复的就快,如果各种条件不允许,当然就少分一些区域;
2)根据上述得到的新群,依照第一级用户关联结构群的划分方法,计算它们相邻的节点加入群和不加入群的传播能力,在第一级用户关联结构群中完成第二级用户关联结构群的划分,需要注意的是,当遇到一个节点同时和两个群相连并且满足加入群的条件,则将其加入计算出的S较大的群中。
5.识别并标记关键节点和边界节点
完成第二级划分之后,将每个群中权重最大的节点标记为关键节点,根据边界集合B(每个群与其它群相邻接的节点标记为边界节点。
6.需要修复时,首先修复关键节点和边界节点
当有漏洞出现或者供给出现需要修复时,修复的顺序首先是向关键节点和边界节点发送补丁等实施修复,这样,首先修复边界节点可以避免群之间产生攻击的大肆传播,修复关键节点,可以在群内尽量有效的控制影响最大传播能力最强的节点。
7.逐步修复其他节点
然后由关键节点和边界节点逐步向其邻接节点发送修复信息,利用社交网络用户关系来传递补丁等完成修复。
Claims (9)
1.一种基于用户关联结构划分的在线社交网络快速修复方法,其步骤包括:
1)在移动智能终端根据在线社交网络中的用户关系数据构建用户关联图G;
2)在所述图G中计算节点和节点群的消息传播能力;
3)根据所述消息传播能力将所述图G划分为第一级用户关联结构群,并在所述第一级用户关联结构群的基础上进行第二级用户关联结构群划分;
所述第一级用户关联结构群的划分方法是:
a)在社交网络用户关联图G中找到权重最大的节点vi,将vi和与其相邻的还未加入任何群的节点加入群U中,计算群U中的消息传递概率S(U),并将所有与群U相邻接的节点构建边界集合B(v);
b)对于和群U相邻接的B(v)中的节点,选择其中权重最大的节点vj,计算拟加入群的节点j加入群U后的消息传递概率S(U+j),如果S(U+j)>S(U),则将节点j加入群U中,并扩展B(v),直到没有新的邻接节点可以加入群U中;
c)遍历所述步骤a)-b)将图G中的所有节点都划分为群;
4)在所述第一级用户关联结构群和/或第二级用户关联结构群中将权重最大的节点标记为关键节点,同时将群之间的相邻接的节点标记为边界节点;
5)按照先向关键节点和/或边界节点发送补丁的快速修复方式,然后再逐步修补其他节点,完成修复。
2.如权利要求1所述的基于用户关联结构划分的在线社交网络快速修复方法,其特征在于,所述群U的消息传播能力其中n为U中的节点数量,m为连接边的数量,pij是节点的消息传播能力。
3.如权利要求2所述的基于用户关联结构划分的在线社交网络快速修复方法,其特征在于,所述pij通过获取社交网络单位时间内的节点之间的消息传播概率表示。
4.如权利要求1所述的基于用户关联结构划分的在线社交网络快速修复方法,其特征在于,根据所述消息传播能力将消息传递频繁的用户节点划到同一结构群中,使群内的消息传递能力强,群与群之间的消息传递能力低。
5.如权利要求1所述的基于用户关联结构划分的在线社交网络快速修复方法,其特征在于,所述移动智能终端为智能手机、Pad、PDA。
6.如权利要求1所述的基于用户关联结构划分的在线社交网络快速修复方法,其特征在于,所述用户关系数据包括用户、用户间的好友关联关系,用户好友数量,用户间的联系。
7.如权利要求1所述的基于用户关联结构划分的在线社交网络快速修复方法,其特征在于,所述构建用户关联图G={V,E,WV},其中节点V代表用户,边E代表用户之间的关联关系,WV为节点权重,代表用户的关联好友数量为节点权重。
8.如权利要求1所述的基于用户关联结构划分的在线社交网络快速修复方法,其特征在于,第二级用户关联结构群划分的具体方法是:
1)在所述第一级用户关联结构群中,找到权重最大的节点vi,然后根据需要设定比例值r,找到该群中所有权重wvj>r*wvi的节点,对每个满足该条件的节点构建一个新节点群;其中,wvi为第一级用户关联结构群中权重最大的节点的权重,wvj为第一级用户关联结构群中任一节点vj的权重;
2)根据上述得到的新节点群,依照第一级用户关联结构群的划分方法,计算它们相邻的节点加入群和不加入群的传播能力,在第一级用户关联结构群中完成第二级用户关联结构群的划分。
9.如权利要求8所述的基于用户关联结构划分的在线社交网络快速修复方法,其特征在于,当一个节点同时和两个群相连并且满足加入群的条件,则将其加入计算出的消息传递概率S较大的群中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310637200.3A CN103595734B (zh) | 2013-12-02 | 2013-12-02 | 基于用户关联结构划分的在线社交网络快速修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310637200.3A CN103595734B (zh) | 2013-12-02 | 2013-12-02 | 基于用户关联结构划分的在线社交网络快速修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103595734A CN103595734A (zh) | 2014-02-19 |
CN103595734B true CN103595734B (zh) | 2016-06-01 |
Family
ID=50085716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310637200.3A Active CN103595734B (zh) | 2013-12-02 | 2013-12-02 | 基于用户关联结构划分的在线社交网络快速修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103595734B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636668A (zh) * | 2015-02-28 | 2015-05-20 | 中国石油大学(华东) | 一种自动趋向hub节点的自动补丁机制 |
CN106453030B (zh) * | 2015-08-12 | 2019-10-11 | 大连民族学院 | 一种获取社交关系链的方法及装置 |
CN106874289B (zh) * | 2015-12-11 | 2020-04-24 | 阿里巴巴集团控股有限公司 | 一种关联节点确定方法及设备 |
CN107092667B (zh) | 2017-04-07 | 2018-02-27 | 平安科技(深圳)有限公司 | 基于社交网络的群组查找方法和装置 |
US10003662B1 (en) * | 2017-03-01 | 2018-06-19 | Two Degrees, Inc. | Adaptable broker for location based second degree social networking |
CN106991617B (zh) * | 2017-03-30 | 2020-07-10 | 武汉大学 | 一种基于信息传播的微博社交关系提取算法 |
CN108509560B (zh) * | 2018-03-23 | 2021-04-09 | 广州杰赛科技股份有限公司 | 用户相似度获得方法和装置、设备、存储介质 |
CN112598021A (zh) * | 2020-11-27 | 2021-04-02 | 西北工业大学 | 一种基于自动机器学习的图结构搜索方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710906A (zh) * | 2005-07-08 | 2005-12-21 | 清华大学 | P2p蠕虫防御*** |
CN102404715A (zh) * | 2011-11-18 | 2012-04-04 | 广东步步高电子工业有限公司 | 基于良性蠕虫的手机蠕虫病毒对抗方法 |
-
2013
- 2013-12-02 CN CN201310637200.3A patent/CN103595734B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710906A (zh) * | 2005-07-08 | 2005-12-21 | 清华大学 | P2p蠕虫防御*** |
CN102404715A (zh) * | 2011-11-18 | 2012-04-04 | 广东步步高电子工业有限公司 | 基于良性蠕虫的手机蠕虫病毒对抗方法 |
Non-Patent Citations (2)
Title |
---|
A Novel Method for Worm Containment on Dynamic Social Networks;Nguyen N P等;《Proceedings of the 2010 Military Communications Conference》;20101231;第2180页-第2185页 * |
A Social Network Based Patching Scheme for Worm Containment in Cellular Networks;zhu zhicao等;《Proceedings of the IEEE INFOCOM》;20091231;第1476页-第1484页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103595734A (zh) | 2014-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103595734B (zh) | 基于用户关联结构划分的在线社交网络快速修复方法 | |
Kiayias et al. | Speed-security tradeoffs in blockchain protocols | |
CN103218397B (zh) | 一种基于无向图修改的社交网络隐私保护方法 | |
Dueñas‐Osorio et al. | Seismic response of critical interdependent networks | |
CN107196955A (zh) | 基于漏洞关联性分析的网络***主动防御方法 | |
CN103501352A (zh) | 一种允许群组用户身份撤销的云存储数据安全审计方法 | |
Ferdowsi et al. | A colonel blotto game for interdependence-aware cyber-physical systems security in smart cities | |
CN104657418A (zh) | 一种基于隶属度传播的复杂网络模糊社团挖掘方法 | |
CN104156388A (zh) | 个性化搜索中基于信任的隐私保持的协同过滤推荐方法 | |
Peng et al. | Containing smartphone worm propagation with an influence maximization algorithm | |
Kakalou et al. | Coordination without collaboration in imperfect games: The primary user emulation attack example | |
Peng et al. | Modeling malware propagation in smartphone social networks | |
Yan et al. | Game-theoretical Model for Dynamic Defense Resource Allocation in Cyber-physical Power Systems Under Distributed Denial of Service Attacks | |
CN106789588B (zh) | 标签传播方法和装置 | |
Wang et al. | Cascading Failure Model for Command and Control Networks Based on an m‐Order Adjacency Matrix | |
Zehmakan et al. | Why rumors spread fast in social networks, and how to stop it | |
CN105812144B (zh) | 一种无可信中心的可追踪属性签名方法 | |
CN102750288B (zh) | 一种互联网内容推荐方法及装置 | |
CN103685271B (zh) | 一种社会网络数据敏感属性隐私保护方法 | |
CN106027567A (zh) | 利用篡改感知数据攻击特征的分布式频谱感知方法和装置 | |
Xing et al. | Research on cascading failure model of urban regional traffic network under random attacks | |
Shahzad et al. | A fuzzy system based approach to extend network lifetime for en-route filtering schemes in WSNs | |
CN105743710A (zh) | 基于节点任务重要性的无线传感器网络演化模型构建方法 | |
CN105430638A (zh) | 一种带有公钥信任程度感知的数据安全转发方法 | |
CN109003003A (zh) | 一种工作量算法难度叠加方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |