Non massive immunization to contain spreading on complex networks
控制流行病的最佳策略是通过有效的免疫接种以最小的成本拆除接触网络。然而，网络碎片在实践中很少可以访问，并且可能会产生极端的副作用。在这项工作中，我们研究了远低于渗流阈值的流行病遏制免疫人口分数。我们报告说，适度和弱监督免疫接种可以导致有限的传染病阈值的无标度网络上的易感-感染-易感模型通过改变从一个特定的基序到一个集体驱动的过程的过渡的性质。修剪有效的散布器并增加它们的相互分离对于集体激活来说都是必要的。分数的免疫顶点需要消除的流行病，这是远远小于渗流阈值观察到一个广泛的真正的网络考虑有针对性的或熟人免疫策略。我们的工作有助于构建最佳遏制，通过非大规模和可行的免疫策略来保护网络功能。
2019-12-20 cs.SI physics.soc-ph
Immunization strategies for epidemic processes in time-varying contact networks
扩展过程是研究网络结构特性及其组成部分的相对重要性的一个非常有效的工具，并已被广泛用于静态网络。在这里，我们认为简单的疾病传播过程中的经验时变网络的个人之间的接触，并比较这些过程中的几种免疫策略的效果。免疫策略被定义为选择一组不能感染或传播疾病的节点（个体）。该选择根据接触网络的节点的特定排名来执行。我们考虑了各种排名策略，特别关注训练窗口的作用，在此期间，在时变网络中测量节点的属性：较长的训练窗口对应于收集的大量信息，并且可以预期会导致免疫策略的更好性能。相反，我们发现一个意想不到的饱和的效率的策略的基础上节点的特征时，训练窗口的长度增加，显示有限的信息量的接触模式是足够的设计有效的免疫策略。这一发现是平衡的大变化的接触模式，强烈改变节点的重要性，从一个时期到下一个，因此显着限制任何策略的效率的基础上的重要性排名的节点。我们还观察到，策略的效率，包括一个随机性的元素，是基于时间上的本地信息不执行以及，但在很大程度上是独立的信息量。
2013-05-10 cs.SI physics.soc-ph q-bio.PE
Epidemic spreading with immunization rate on complex networks
我们调查疾病，计算机病毒或信息在复杂网络上的传播，以及预防或控制传播的免疫策略。在不能实现全民免疫、免疫效果不理想的情况下，需要进行有免疫率的靶向免疫。在这种情况下，我们计算了SIR和SIS流行病模型的流行病阈值。结果表明，在无标度网络中，只有当免疫率等于1时，目标免疫才是有效的。我们在这里分析传染病传播的有向复杂网络，但类似的结果也适用于无向的。
2011-04-13 cs.SI physics.soc-ph
Immunization of networks with non-overlapping community structure
虽然社区结构在复杂网络中普遍存在，但很少有研究利用这种拓扑性质来控制流行病。在这项工作中，致力于非重叠社区结构的网络（即，一个节点属于一个单一的社区），我们提出并研究了三个确定性免疫策略。为了表征节点的影响，使用各种信息，例如节点在一跳中可以到达的社区的数量、链路的性质（社区内链路、社区间链路）、社区的大小以及社区之间的互连密度。在真实网络和合成网络上进行了易感-感染-移除（SIR）流行病模型的数值模拟。实验结果表明，所提出的策略是更有效的比经典的确定性的替代品是不可知的社区结构。此外，它们优于为模块化网络设计的随机和确定性策略。
2018-06-14 cs.SI physics.soc-ph
Efficient community-based control strategies in adaptive networks
目前对自适应网络的研究主要集中在稳态特性上，而忽略了暂态动态特性。本研究关注的是瞬时过程中社区结构的形成以及社区控制策略对传染病传播的影响。首先，通过规范化模块度$Q$，我们研究了社区结构在传播过程中的演化，发现在传染病传播的早期阶段，由于重新布线机制的作用，社区结构会产生很强的影响，从而显著延缓了传染病的爆发。然后研究不同阶段的控制策略对患病率的影响。免疫策略和检疫策略都表明，实施控制措施并不是“越早越好”。如果在群落结构较强的时期能有效地实施控制措施，则可获得最佳的控制效果。对于免疫策略，免疫SI链路上的S节点和随机免疫S节点具有相似的控制效果。而对于隔离策略，隔离SI链路上的I节点比随机隔离I节点的效果要好得多。更重要的是，基于社区的检疫策略比基于社区的免疫策略发挥更有效的性能。本研究为人群流行病的预测和预防提供了新的思路。
2012-05-19 physics.soc-ph
Dynamical Immunization Strategy for Seasonal Epidemics
在复杂网络中寻找有效的病毒拦截策略是当前的研究热点。我们提出了一种针对周期性发生的季节性流行病的免疫策略。根据上一个流行季节的局部感染状况信息，逐步优化接种节点的选择。接种节点在迭代过程中的演化表明，免疫往往位于全局枢纽和局部枢纽。我们分析了流行病流行的异质平均场方法，并提出了我们的模型的数值模拟。这种免疫优于其他一些先前已知的策略。我们的工作为季节性流行病的免疫接种指明了新的方向。
2014-06-28 physics.soc-ph stat.AP
Immunization of Susceptible-Infected Model on Scale-Free networks
本文研究了Barabási-Albert（BA）网络上易感染（SI）模型的两种主要免疫策略：随机免疫和靶向免疫.对于异质结构，当接种比例很小时，随机策略的效果很差，而目标策略偏好接种程度最大的个体，即使接种的群体数量很小，也能显著抑制传染病传播。该解析解可以反映接种群体数量与接种速度变化的关系。
2006-10-18 physics.bio-ph physics.soc-ph
Non-Pharmaceutical Interventions Reshape Network Immunization Outcomes
HUN-REN Alfréd Rényi Institute of Mathematics（匈牙利科学院阿尔弗雷德·雷尼数学研究所）；Faculty of Electrical Engineering, Mathematics and Computer Science, Delft University of Technology（代尔夫特理工大学电气、数学和计算机科学学院）；Institute for Hygiene and Applied Immunology, Medical University of Vienna（维也纳医科大学卫生与应用免疫学研究所）；Department of Network and Data Science, Central European University（中欧大学网络与数据科学系）
非药物干预影响群体免疫策略的有效性，自然免疫在高接触环境下优于疫苗接种。
2026-02-19 physics.soc-ph
Immunization of networks with community structure
在这项研究中，一种有效的方法来免疫模块化网络（即，具有社区结构的网络）。网络免疫的目的是将网络分割成具有少量删除节点的小部分。它的应用包括防止流行病传播，故意攻击网络和保护生态系统。尽管枢纽的优先免疫是有效的，但模块化网络的良好免疫策略尚未建立。在基于特征向量中心性的免疫策略的基础上，我们提出了一个免疫模块化网络的分析框架。为此，我们量化的贡献，每个节点的粗粒度网络模块之间的连接。通过将该方法应用于具有模块化结构的模型和实际网络，验证了该方法的有效性。
2009-12-17 cond-mat.dis-nn physics.soc-ph q-bio.PE
Effective epidemic containment strategy in hypergraphs
最近，超图引起了研究界的极大兴趣，作为能够编码高阶交互的网络的推广，这些交互通常出现在自然和社会系统中。超图中的流行病动力学已被研究使用的单纯易感-感染-易感（$s$）模型，然而，有效的免疫策略的超图中的流行病没有研究，尽管在数学流行病学的重要性的主题。在这里，我们提出了一种免疫策略，免疫hyperedges高同时感染概率（SIP）。这种策略可以在一般超图中实现。我们还推广了基于边缘流行病重要性（EI）的免疫策略，这是复杂网络中的最新技术。然而，它不执行以及基于SIP的方法在超图，尽管其高计算成本。我们还表明，免疫超边高H-特征值有效地包含在均匀超图的流行病。一个超边缘的高SIP表明该超边缘是流行过程的“热点”。因此，SIP可以作为一个中心性度量来量化一般超图中的超边对高阶动力学的影响。免疫策略的有效性表明，科学、数据驱动、系统地制定控制流行病的政策是必要的。
2021-09-24 physics.soc-ph
Epidemic spreading and immunization with identical infectivity
本文提出了一个具有相同传染性的SIS模型，其中每个节点在每个时间步都被赋予相同的活动接触能力$A$.我们发现在无标度网络中，感染节点的密度存在一个阈值，其值为1/A，这一点通过分析和数值模拟都得到了证明。受感染的群体以指数形式增长，并遵循分层动态，这表明一旦到达高度连接的枢纽，感染几乎以渐进级联的方式遍布整个网络。此外，该模型的随机，比例和有针对性的免疫接种的效果进行了研究。基于当前模型和异构网络，有针对性的策略表现最好，而随机策略比标准SIS模型更有效。本文的研究结果对动态控制策略的制定具有实际意义。
2007-04-04 physics.bio-ph physics.soc-ph
The optimal edge for containing the spreading of SIS model
现实世界中的许多系统，如通信平台和交通系统，都可以抽象为复杂网络。包含扩散动态（例如，传染病传播和错误信息传播）是多个领域的热门话题。以前的大多数策略都是基于节点的免疫。然而，有时，这些基于节点的策略可能是不切实际的。例如，在训练运输网络中，隔离训练站以预防流感是戏剧性的。相反，暂时停止车站之间的一些连接更容易被接受。因此，我们关注基于边的包含策略。在这项研究中，我们开发了一个理论框架，以找到最佳的边缘，以遏制复杂网络上的易感-感染-易感模型的传播。具体地说，通过对SIS模型的离散马尔可夫链方程进行扰动，我们推导出了一个公式，该公式近似地提供了网络中某个边失活后的爆发规模递减。然后，我们通过简单地选择具有最大递减爆发大小的边缘来确定最佳边缘。请注意，我们提出的理论框架结合了网络结构和传播动力学的信息。最后，我们通过大量的数值模拟测试我们的方法的性能。结果表明，我们的战略总是优于其他战略的基础上，只有结构属性（度或边缘介数中心）。该研究的理论框架可以推广到其他传播模型，并为进一步研究基于边的免疫策略提供了启示。
2020-02-16 physics.soc-ph
Controlling Contagion Processes in Time-Varying Networks
绝大多数的策略，旨在控制网络上的传染过程，认为系统的连接模式，淬火或退火。然而，在现实世界中，许多网络是高度动态的，并在传染过程中同时进化。在这里，我们推导出一个分析框架，专门为时变网络设计的控制策略的研究。我们考虑删除/免疫的个别节点根据他们在网络中的活动，并开发一个块变量的平均场方法，允许推导方程描述的传染过程的演变，同时网络动态。我们推导出临界免疫阈值，并评估控制策略的有效性。最后，我们通过数值模拟合成网络和大规模真实世界移动电话呼叫数据集中的信息传播过程和控制策略来验证理论图
2013-09-26 cs.SI physics.soc-ph q-bio.PE
The Cost of an Epidemic over a Complex Network: A Random Matrix Approach
在本文中，我们使用随机矩阵理论的工具量化了一种流行病对复杂网络的总体经济影响。在划分直接和间接感染成本的基础上，我们计算了SIS（易感-感染-易感）感染过程的大图极限中的疾病成本。我们还给出了一个上限，这个成本为任意有限图，并说明了使用广泛的模拟随机和现实世界的网络计算成本。我们通过考虑流行病的总社会成本，考虑各种免疫策略的免疫和疾病成本，并确定最佳免疫来扩展这些计算。我们的工作重点是瞬态行为的流行病，在以前的研究，这通常侧重于确定稳态系统的平衡。
2013-09-09 cs.SI physics.soc-ph
Centrality Measures for Networks with Community Structure
在大型网络中，了解网络结构，找出有影响力的节点是一个具有挑战性的问题。识别网络中最有影响力的节点在许多应用中可能是有用的，例如在流行病传播的情况下，在复杂网络的故意攻击期间对节点进行免疫。大量的研究是为了设计中心性的措施，可以有效地识别网络中最有影响力的节点。有两种主要的方法来解决这个问题：一方面，确定性策略，利用整个网络拓扑的知识，以找到有影响力的节点，而另一方面，随机策略是完全不可知的网络结构。中心性的措施，可以处理有限的知识的网络结构是必需的。事实上，在实践中，关于整个网络的全球结构的信息很少或难以获得。即使可用，网络的结构也可能太大，以至于计算全局中心性度量的计算成本太高。为此，提出了一个中心性的措施，只需要在社区一级的信息，以确定网络中的有影响力的节点。事实上，大多数现实世界的网络都表现出一种社区结构，可以有效地利用这种结构来发现有影响力的节点。我们进行了一个比较评估，突出的全球确定性的战略，以及随机策略与现有的和建议的确定性的社区为基础的战略。通过在具有社区结构的合成网络和真实网络上进行实验，评估了所提出方法的有效性。
2016-01-26 cs.SI physics.soc-ph
Avalanche-size distribution of Cayley tree
网络攻击是一个非常重要的问题，在制定战略，以消除传播的恶意现象，如流行病和虚假信息，这通常被称为在研究网络免疫。传统的评估网络攻击效果的方法主要是测量与整个攻击相关的一些宏观参数，如网络中发生渗透的临界概率$p_c$和网络中最大组件-巨组件的相对大小，而没有从微观角度考虑攻击，即在攻击过程中对节点移除的分析，他们自己，他们的特点和结果。在本文中，我们提出并应用了最后一种方法，专注于攻击的微观尺度。基于网络中的渗流理论，我们分析了由于从网络中移除单个节点而导致的雪崩结果的现象，即移除属于网络的巨组件的一个节点导致其他节点也与其断开连接的状态，这比仅移除单个原始节点本身对网络的碎片化（免疫）的贡献要大得多。具体来说，我们专注于雪崩的大小参数，这是由于单个节点删除而与巨组件断开连接的节点数量。对于Cayley树型网络的随机攻击，我们解析地导出了在整个攻击过程中发生的雪崩的大小分布，直到网络被拆除（免疫）和攻击终止。
2022-10-25 physics.soc-ph
Diseases on complex networks. Modeling from a database and a protection strategy proposal
在网络目前具有的各种重要应用中，传染病建模是其中之一。免疫，或保护网络中节点的过程，在阻止疾病传播方面起着关键作用。因此，拥有能够解决这一挑战的工具或策略非常重要。在这项工作中，我们评估了DIL-W^α排序在边缘加权网络中免疫节点的有效性。该网络是从一个真实的数据库中获得的，COVID-19的传播是用经典的SIR模型建模的。我们根据DIL-W^α产生的重要性排序列表对网络进行保护。
2021-07-20 physics.soc-ph q-bio.PE
Optimal percolation on multiplex networks
最优渗透是找到最小节点集的问题，如果这个集合的成员从网络中删除，网络就会分裂成非广泛的不连通簇。最优渗流问题的解直接适用于疾病传播过程中的免疫策略，以及某些类别的意见动力学模型的影响最大化。本文研究了多重网络上的最优渗流问题。多重场景用于逼真地模拟各种技术、生物和社交网络。我们发现，这些系统的多层性质，更确切地说，多重特性，如边缘重叠和层间度度相关性，深刻地改变了一组节点的属性确定为最优渗流问题的解决方案。
2017-07-05 cs.SI physics.soc-ph
Embedding-aided network dismantling
最优渗流涉及到网络中任何广泛的连接组件的破坏的最小成本策略的识别。这种拆除问题的解决方案是重要的疾病控制的基础上免疫或社会距离的最佳战略的设计。根据所考虑的问题的特定变体，通过移除节点或边缘来执行网络拆除，并且不同的成本函数与这些微观元素的移除相关联。在本文中，我们表明，在几何空间中的网络表示可以用来解决几个变种的网络拆除问题的连贯的方式。一旦网络被嵌入，使用直观的几何策略来实现拆除。我们证明，该方法很好地适合欧几里德和双曲网络嵌入。我们对合成网络和真实网络的系统分析表明，嵌入辅助技术的性能与目前市场上最好的拆解算法之一相当，如果不是更好的话。
2022-08-01 cs.SI physics.soc-ph
Interventions with Inversity in Unknown Networks Can Help Regulate Contagion
网络干预问题通常受益于选择高度连接的节点来使用这些节点执行干预，例如免疫。然而，在许多网络环境中，网络连接的结构是未知的，这导致了一个挑战。我们开发并研究了两种不同的信息轻策略的数学特性，一种新的全局策略和局部策略，它们在几乎任何网络结构中都会产生更高程度的节点。我们进一步确定了一个新的网络属性称为反转，其符号决定了两个策略，本地或全球，将是最有效的网络。我们证明了本地和全球战略获得了几倍的改进节点度相对于随机选择基准生成和真实的网络（包括接触，隶属关系和在线网络）。在一些网络中，它们实现了100倍的改进。我们展示了如何使用这些新的策略来控制一组村庄网络中的流行病蔓延，发现这里开发的策略需要更少的（$<50\%$）节点进行免疫接种，相对于随机策略基线。先前的研究通常使用完整的网络结构来选择用于最佳播种的节点。相关网络的收集成本通常很高，并且具有隐私侵犯性，需要了解每个人的网络邻居，并且可能无法获得以进行时间敏感的干预。我们的干预对个人隐私的侵犯较小，因为每个选定的节点只需要指定一些网络邻居进行干预，同时在数学上保证提供更好的连接节点。
2021-05-18 cs.SI physics.soc-ph
An Efficient Local Strategy to Control Information Spreading in Network
在社交网络中，谣言传播的控制是一个活跃的研究领域。SIR模型通常用于研究网络中的谣言动力学，并将谣言视为一种流行病。在疾病传播模型中，通过去除网络中的中心节点来控制疾病的传播。这种删除需要完整的网络信息。拥有全网络的信息是一个困难的命题。因此，寻找一种可以控制流行病而不需要全局信息的算法是一个非常感兴趣的问题。在本文中，提出了一种免疫策略，只使用在一个节点，即可用的本地信息。度的节点和它的邻居节点的平均度。所提出的算法已经评估了无标度网络使用SIR模型。数值结果表明，该方法具有较小的复杂性，并给出了显着更好的结果相比，与其他策略，而只使用局部信息。
2015-09-26 cs.SI physics.soc-ph
Resilience of modular complex networks
复杂网络通常具有模块化结构，其中许多紧密连接的节点（模块）组具有相对较少的互连。模块化已被证明对生物网络的演变和稳定、大规模基础设施的可扩展性和效率以及经济和社会系统的发展具有重要影响。一个分析框架来理解模块化及其对网络脆弱性的影响仍然是缺失的。然而，通过对多层网络理解的最新进展，现在有可能开发一个理论框架来系统地研究这个关键问题。在这里，我们研究，分析和数值，模块化网络的弹性下的攻击互联节点，表现出高介值，往往更容易失败。我们的模型为现实世界系统中结构与功能之间的反馈提供了新的理解，因此具有重要的意义，如开发有效的免疫策略，设计强大的大规模基础设施和理解大脑功能。
2014-04-18 cs.SI physics.soc-ph
On community structure in complex networks: challenges and opportunities
社区结构是在网络系统的许多现实世界的应用中遇到的最相关的功能之一。尽管在过去的几十年里，科学家们在这一主题上做出了巨大的努力来描述，建模和分析社区，但需要更多的调查才能更好地了解社区结构及其动态对网络系统的影响。在这里，我们首先关注复杂网络中社区的生成模型及其在社区检测算法中的作用。我们讨论了模块化和使用模块化最大化的基础上，社区检测。然后，我们概述了随机块模型，它的不同变体，并从这些模型的社区结构的推断。接下来，我们将重点关注时间演化网络，其中现有的节点和链接可以消失和/或新的节点和链接可能会被引入。在这种情况下，社区的提取提出了一个有趣的和不平凡的问题，在过去十年中获得了相当大的兴趣。我们简要地讨论了相当大的进展，最近在这一领域。最后，我们专注于针对模块化网络中有影响力的流行病传播者的免疫策略。他们的主要目标是从整个网络中选择并免疫一小部分个体，以控制扩散过程。多年来出现了各种策略，提出了不同的方法来免疫网络中的节点重叠和不重叠的社区结构。我们首先讨论随机策略，需要很少或根本没有信息的网络拓扑结构，以牺牲其性能。然后，我们介绍了确定性策略，已被证明是非常有效的控制疫情爆发，但需要完整的网络知识。
2019-11-06 cond-mat.stat-mech cs.SI physics.soc-ph
Improving epidemic testing and containment strategies using machine learning
University of Gothenburg（哥德堡大学）；CNR-IPCF, Istituto per i Processi Chimico-Fisici（意大利国家研究委员会化学物理过程研究所）
控制流行病的爆发需要付出巨大的社会和经济代价。具有成本效益的遏制战略依赖于有效识别受感染者，尽可能充分利用现有的检测资源。因此，快速确定最佳测试策略至关重要。在这里，我们证明了机器学习可用于识别哪些个体最有利于测试，自动和动态地调整测试策略以适应疾病爆发的特征。具体来说，我们使用原型易感染-传染-恢复（SIR）模型模拟疫情，并使用第一批确诊病例的数据来训练一个神经网络，该网络学习对其余人群进行预测。利用这些预测，我们能够比标准方法更有效、更迅速地控制疫情。此外，我们还演示了如何使用这种方法时，也有可能再感染（SIRS模型），以有效地消除地方病。
2020-11-23 cs.LG physics.soc-ph q-bio.PE
Modeling spatial social complex networks for dynamical processes
对社交网络的研究--人们的地理位置，以及他们如何相互联系--是当前的热门话题，因为它与重要的应用直接相关，从设计有效的免疫技术来阻止流行病，到设计更好的交通和城市规划模式，了解谣言和意见如何随着时间的推移传播和形成。我们开发了一个空间社会复杂网络（SSCN）模型，它不仅捕获了现实生活中社交网络的基本连接特征，包括重尾度分布和高聚类，而且还捕获了个体的空间位置，再现了城市人口分布的Zipf定律以及其他观察到的特征。然后，我们在SSCN模型上模拟Milgram的小世界实验，获得了与已知结果良好的定性一致性，并揭示了各种网络属性和玩家在游戏中使用的策略所扮演的角色。这表明了SSCN模型在模拟和研究上述许多社会过程中的潜力，其中连接性和地理位置都在动态中发挥作用。
2017-05-20 cond-mat.stat-mech cs.SI nlin.AO
