How to Identify an Infection Source with Limited Observations
在社交网络中传播的谣言或在社区中传播的疾病可以被建模为在网络中传播的感染。找到感染源是一个具有挑战性的问题，在许多应用程序中，我们只能访问有限的一组观察结果，这使得问题更加困难。我们考虑的问题，估计一个易感感染模型的感染源，其中不是所有的感染节点都可以观察到。当网络是一棵树时，我们证明了与产生有限观测的最可能感染路径相关联的源节点的估计量由Jordan中心给出，即，与观察到的感染节点的集合具有最小距离的节点。我们还提出了一般网络的近似源估计。在各种合成网络和真实网络上的仿真结果表明，我们的估计性能优于基于距离、接近度和介数中心性的算法。
2014-04-02 cs.SI physics.soc-ph
Identifying influential spreaders and efficiently estimating infection numbers in epidemic models: a walk counting approach
我们引入了一种新的方法，有效地近似的感染数量从一个给定的初始感染节点在网络中的易感个体。我们的方法是基于计算网络中每个其他节点的各种长度的可能感染步行的数量。我们分析研究了我们的方法的属性，特别是展示了SIS和SIR疾病传播的不同形式（例如，在SIR模型下，我们的方法计算了自我回避的行走）。与现有的方法来推断网络中不同节点的传播效率（基于度，k壳分解分析和不同的中心性度量）相比，我们的方法直接考虑了传播过程，因此，在提供实际感染数量的估计方面是独一无二的。至关重要的是，在模拟感染在各种现实世界的网络与SIR模型，我们表明，我们的步行为基础的方法提高了推断的有效性节点在广泛的感染率相比，现有的方法。我们还分析了估计精度和计算成本之间的权衡，表明这里仍然可以获得更好的精度在一个可比的计算成本，其他方法。
2012-10-24 cs.SI physics.bio-ph physics.soc-ph
Traffic-driven SIR epidemic model on networks
提出了一个新的SIR传染病模型，该模型由网络中的感染包传输驱动。具体地说，感染节点产生并传递感染包，导致疫情的传播，而恢复节点阻止感染包的传递，这抑制了传染病传播。在分组传输中使用由控制参数$α$管理的高效路由协议。通过仿真得到了感染节点的最大瞬时种群、感染节点的最大种群以及相应的最优$α$。我们发现，一般更平衡的负载分布会导致更激烈和广泛的传播网络中的流行病。增加节点的平均度或度分布的均匀性都有利于传染病传播。当数据包生成率$ρ$较小时，增加$ρ$有利于传染病传播。然而，当$ρ$足够大时，出现抑制传染病传播的交通堵塞。
2015-02-18 cs.SI physics.soc-ph
Critical paths in a metapopulation model of H1N1: Efficiently delaying influenza spreading through flight cancellation
近年来，通过人类旅行网络传播的疾病一直是人们非常感兴趣的话题，正如在甲型H1N1流感或SARS大流行爆发期间所目睹的那样。阻止航空公司网络传播的一种方法是根据机场的乘客总数对主要机场或网络枢纽实施旅行限制。在这里，我们测试了使用边缘去除的替代策略，取消有针对性的航班连接，而不是限制网络枢纽的流量，以控制航空公司网络的传播。我们采用了一个SEIR集合种群模型，该模型考虑了城市人口，模拟了城市内和500强机场网络中的感染，并测试了不同的航班取消方法来限制感染过程。通过随机全球传播模型模拟的全球传播感染所需的时间用于对候选控制策略进行排名。该模型包括在人口水平上的本地传播动态和从真实的全球航空旅行数据中获得的远程连接。在这个网络中的模拟传播表明，在取消了四分之一的城市之间的航班连接后，传播感染的人数减少了37%，这是由介数中心性选择的。关闭整个机场的替代策略导致相同数量的航班取消，只减少了18%的感染。总之，与关闭整个机场相比，选择城市之间排名高的单一航班取消更有效，从而减少感染流感的人数。这也是一种更有效的战略，在减少感染的同时，影响到更少的乘客。在我们网站http://www.biological-networks.org上的资源链接下可以找到500强机场之间的连接网络。
2012-05-15 cs.SI physics.soc-ph q-bio.PE
Epidemic spreading driven by biased random walks
随机游走是在许多网络应用中发现的基本机制之一。研究了复杂网络上由有偏随机游动驱动的传染病传播动力学。在我们的传染病模型中，每次被感染的节点不断地通过有偏随机游走将一些被感染的数据包传播到它们的邻居节点，导致接收数据包的易感节点被感染。被感染的节点以固定的概率从感染中恢复。对模型和真实网络的仿真分析结果表明，随着感染节点的传递能力、节点平均度、节点度分布均匀性的增加，传染病传播的强度和范围都增大。此外，还存在相应的最优参数，使得感染节点瞬时拥有最大种群，传染病传播过程覆盖网络的最大部分。
2014-08-01 cs.SI physics.data-an physics.soc-ph
Push- and Pull-based Epidemic Spreading in Networks: Thresholds and Deeper Insights
了解计算机病毒（恶意软件，蠕虫）在网络空间中的动态是一个重要的问题，已经吸引了相当多的关注。为此目的的早期研究采用了生物流行病模型，因此继承了所谓的同质性假设，即每个节点与其他节点的连接相等。后来的研究放松了这种经常不切实际的同质性假设，但仍然专注于某些幂律网络。最近，研究人员研究了{ \em arbitrary}网络中的流行病模型（即，对网络拓扑没有限制）。然而，所有这些模型仅捕获{ \em push-based}感染，即感染性节点总是主动尝试感染其相邻节点。最近，引入了{ \em pull-based}感染的概念，但没有严格治疗。沿着这条研究路线，本文研究了推和拉为基础的流行病传播动力学在任意网络中，使用非线性动力系统的方法。（1）提出了一个更一般、更有力的传播稳定的充分条件（文献中也称之为流行阈值）。(2)它给出了全球平均感染率的上限和下限，无论传播的稳定性如何。(3)它提供了洞察，除其他事项外，估计全球平均感染率，通过本地化监测的一个小的{ \em常数}数量的节点，{ \em不知道的参数值。
2016-03-24 cs.CR cs.SI math.DS
Containing the spread of a contagion on a tree
接触者追踪可以被认为是两个过程之间的竞赛：感染过程和追踪过程。在本文中，我们研究了一个简单的模型的感染传播的树，和一个跟踪谁稳定一个节点的时间。我们关注的问题是，跟踪器应该如何选择节点来稳定，以防止感染进一步蔓延？我们研究简单的策略，根据时间、传染性或产生新接触的可能性对节点进行优先级排序。
2022-10-24 cs.SI math.CO math.PR
Catch Me If You Can: Finding the Source of Infections in Temporal Networks
Centrum Wiskunde & Informatica（数学与计算机科学中心）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Hasso Plattner Institute（哈索·普拉特纳研究所）
本文提出基于时间网络的感染源检测新模型，采用SIR模型分析不同场景下的检测算法与下界，解决传统假设网络结构恒定的不足。
2025-08-12 cs.DS cs.SI
Modeling Viral Information Spreading via Directed Acyclic Graph Diffusion
针对现有图扩散仅支持双向传播的局限，提出基于有向无环图（DAG）的扩散模型，利用图嵌入和DAG拉普拉斯矩阵谱性质，准确建模单向病毒式信息传播，并在多种图结构上验证有效性。
2023-12-22 cs.SI eess.SP
Reconstructing propagation networks with temporal similarity metrics
节点相似性是驱动真实网络增长的重要属性。在本文中，基于观察到的传播结果，我们应用节点相似性度量来重建传播网络。我们发现，重建精度的相似性度量的传播过程的感染率的强烈影响。此外，有一个范围内的感染率，其中一些相似性度量的重建精度下降到接近零。为了改进基于相似性的重建方法，我们最后提出了一个时间相似性度量，考虑到时间信息的传播。新方法的重建效果得到了显著改善。
2014-09-30 cs.SI physics.soc-ph stat.AP
Graph Discovery and Source Detection in Temporal Graphs
本文针对连接随时间变化的时序图，首次研究图发现与感染源检测问题，基于SIR模型提出兼容并扩展静态图结果的模型，并给出算法、下界和实验评估。
2025-03-17 cs.DS cs.SI
Epidemic Spreading and Equilibrium Social Distancing in Heterogeneous Networks
我们研究了一个通过网络相互作用的异质种群之间的多类型SIR流行病过程。当我们的基础上的社会接触的随机图与给定的顶点度，我们给极限定理的感染的个人的分数。对于一个给定的社会距离的个人策略，我们建立了流行病的再现数$R_0$，它可以用来识别网络的脆弱性和通知疫苗接种政策。在本文的第二部分中，我们研究了社会距离博弈的均衡，其中个人根据预期的全球感染率选择他们的社会距离水平，然后必须等于他们选择后的实际感染率。给出了平衡点存在唯一的条件。对于随机规则图的情况下，我们表明，自愿的社会距离将始终是社会次优。
2021-11-01 cs.SI physics.soc-ph q-bio.PE
Network localization is unalterable by infections in bursts
为了揭示疾病局部化的现象，我们研究了一个突发的易感-感染-易感（SIS）模型，并在平均场近似下对该模型进行了分析。在突发SIS模型中，被感染节点周期性地感染所有邻居节点，并且近阈值稳态流行率是非常数的，最大化因子等于网络邻接矩阵的最大特征值$λ_1$.我们发现，最大近阈值流行率的突发SIS过程中的本地化网络趋于零，即使$λ_1$发散的热力学极限，这表明，爆发的感染不能把本地化的传播到一个离域的传播。我们的结果进行了评估合成和真实的网络。
2018-12-21 cs.SI physics.soc-ph
Competing spreading processes on multiplex networks: awareness and epidemics
在多层互联的复杂网络之上，类似流行病的传播过程揭示了相互交织的竞争效应的丰富相图。作者最近的一项研究[Granell等人，Phys.Rev.Lett. 111，128701（2013）]分析了导致流行病传播的两个过程之间的相互关系，以及在多重网络之上传播信息意识以防止其感染。在这种情况下，提高认识意味着对疾病进行全面免疫，结果表明存在一个元临界点，在这个点上，流行病的关键开始取决于提高认识过程的实现。在这里，我们提出了一个全面的分析，这些关键的属性在更一般的情况下，意识的传播并不意味着完全免疫，感染并不意味着立即意识到它。我们发现这两个竞争过程之间的关键关系，代表它们之间的相互作用的参数范围很广。我们还分析了大规模广播的意识（大众媒体）的流行病发病率的最终结果的后果。更重要的是，大众媒体使元批评点消失了。结果表明，主要的发现，即存在一个元临界点，是植根于竞争的原则，并持有一个大的场景。
2014-05-18 cond-mat.stat-mech cs.SI physics.soc-ph
Identifying highly influential travellers for spreading disease on a public transport system
最近爆发的新型冠状病毒及其快速传播强调了了解人类流动性的重要性。封闭的空间，如公共交通工具（如公共汽车和火车），为感染广泛和快速传播提供了合适的环境。因此，调查个人在公共交通系统上的移动模式和身体接触对于了解传染病爆发的驱动因素至关重要。例如，以前的工作探讨了人类流动固有的重复模式对疾病传播的影响，但没有考虑到旅行距离或相遇次数等其他方面。在这里，我们同时考虑多个流动性维度，以揭示设计有效干预策略的关键信息。我们使用一个月的全市范围内的灵巧卡旅行数据收集在澳大利亚悉尼巴士乘客沿三个维度，即探索程度，旅行的距离和遇到的数量进行分类。此外，我们还模拟了疾病在交通网络上的传播，并追踪了感染路径。我们详细调查了分类组之间的传输，而不同的感染概率和病原体的悬浮时间。我们的研究结果表明，沿着多个维度描述个体同时揭示了不同乘客群体之间复杂的感染相互作用，当只考虑单个维度时，这种相互作用仍然是隐藏的。我们还确定了比其他群体更有影响力的特定疾病特征，这可以指导遏制和疫苗接种工作。
2020-04-03 cs.SI physics.soc-ph q-bio.PE
The influence of the network topology on epidemic spreading
在过去的十年中，网络结构对传播过程动力学的影响得到了广泛的研究。部分回答这个问题的重要结果表明，这些过程的宏观行为和网络中的特定结构属性（如拓扑相关矩阵的最大特征值）之间存在弱联系。然而，很少有人知道的直接影响的网络拓扑结构在微观层面上，如（相邻）网络的影响，对一个特定的节点的感染概率。为了回答这个问题，我们推导出一个特定的节点是传染性的概率的上限和下限在一个不确定的传染性易感模型的两种情况下的传播过程：反应和接触过程。通过考虑节点的$n-$跳邻域导出边界;当使用更大的$n-$跳邻域来计算它们时，边界更紧。因此，使用不同的邻域大小的本地信息，我们评估的拓扑结构的影响的扩散过程的程度，从而提供了一个强大的宏观连接之间的前者和后者。我们的研究结果得到了补充的数字结果为现实世界的电子邮件网络。一个很好的估计感染密度$ρ$得到仅使用2跳的邻居，占整个网络拓扑的0.4%，平均。
2011-11-14 cond-mat.stat-mech cs.SI physics.soc-ph
Estimating Nodal Spreading Influence Using Partial Temporal Network
本文提出基于部分时序网络信息的中心性度量，用于估计节点传播影响力排名，发现其优于经典度量，并揭示影响力与时间尊重游走可达性及早期到达相关。
2025-02-26 cs.SI physics.data-an
Pricing cyber insurance for a large-scale network
针对网络保险损失数据缺乏的问题，提出了一种基于合成数据的大规模网络保险定价方法。合成数据由所提出的风险分散和恢复算法生成，该算法允许感染和恢复事件顺序发生，并且允许不同节点的随机等待时间对感染的依赖性。采用无标度网络框架来考虑随机大规模网络的拓扑不确定性。通过大量的模拟研究，了解了风险的分散和恢复机制，并揭示了最重要的承保风险因素。最后通过一个案例分析表明，所提出的方法和算法可以为网络保险定价提供参考。
2020-06-29 cs.SI stat.ME
Network infection source identification under the SIRI model
研究了在可恢复-感染-恢复-感染（SIRI）模型下网络中单个感染源的识别问题。我们描述的感染模型，通过状态空间模型，并利用状态传播的方法，我们推导出一个算法称为异构感染传播源（HISS）估计，推断感染源。HISS估计器使用节点状态在特定时间的观测值，其中从感染开始经过的时间是未知的。它能够合并边信息（如果有的话）的观察到的状态的一个子集的节点在不同的时间，和每个感染或恢复节点的先验概率是感染源。仿真结果表明，HISS估计优于动态消息传递和约旦中心估计在很宽的范围内的感染率和再感染率。
2015-02-12 cs.SI math.DS physics.soc-ph
Asymmetrically interacting spreading dynamics on complex layered networks
疾病通过物理接触网络的传播和疾病信息通过通信网络的传播是两个密切相关的动力学过程。我们通过关注任何传播过程背后的两个基本量：流行阈值和最终感染率，研究了两种类型的传播动态之间的不对称相互作用，每种传播动态都发生在自己的层上。我们发现，接触层上的流行病爆发可以诱导传播层上的流行病爆发，信息传播可以有效地提高流行病的阈值。当两层之间存在结构相关性时，信息阈值保持不变，但可以提高流行阈值，使接触层对流行病爆发具有更强的弹性。我们开发了一个物理理论来理解这两种类型的传播动力学之间错综复杂的相互作用。
2014-05-08 cs.SI physics.soc-ph
The Effects of Evolutionary Adaptations on Spreading Processes in Complex Networks
在所提出的网络流行病模型中，一个共同的主题是假设传播对象，即，一个病毒或一条信息，在节点之间传输，而不经过任何修改或进化。然而，在现实生活中的传播过程中，病原体往往会随着环境和医疗干预措施的变化而演变，信息在转发之前往往会被个人修改。在本文中，我们研究了复杂网络上传播过程的演化，目的是i）揭示演化对流行病的阈值，概率和最终规模的作用; ii）探索网络结构特性和演化动力学之间的相互作用。特别是，我们开发了一个数学理论，准确地预测的流行阈值和预期的流行规模的传播过程的特征，病原体的进化动力学，和底层的接触网络的结构的函数。除了数学理论之外，我们还对随机和真实世界的接触网络进行了广泛的模拟，以验证我们的理论，并揭示了经典数学模型无法捕捉进化的重大缺陷。我们的研究结果表明，经典的，单一类型的键渗流模型可以准确地预测的阈值和最终规模的流行病，但他们的预测出现的概率是不准确的随机和现实世界的网络。这种不准确性揭示了经典的键渗透模型和现实生活中需要进化的扩散过程之间的根本脱节。最后，我们考虑的情况下，共同感染是可能的，并表明，共同感染可能导致的相变的顺序从二阶到一阶的变化。
2019-11-02 cs.SI physics.soc-ph
Cyber Resilience in IoT network: Methodology and example of assessment through epidemic spreading
网络弹性是复杂系统的一个重要属性，也是开发特定物联网应用的重要考虑因素。这项工作旨在引入一种新的方法来评估物联网的弹性，采用基于网络的流行病传播方法中的风险感知。物联网被认为是一种设备网络，需要平衡感染和交互（通信）的概率，以减少恶意软件的爆发，同时将网络功能保持在可接受的水平。数学模型和仿真结果揭示了物联网威胁管理从基于风险的方法转变为基于弹性的方法的好处。
2021-09-23 cs.NI cs.SI
Suppressing traffic-driven epidemic spreading by edge-removal strategies
近年来，复杂网络上的流量动态与传染病传播之间的相互作用越来越受到人们的关注。然而，控制交通驱动的传染病传播仍然是一个具有挑战性的问题。在这份简报中，我们提出了一种方法，通过适当地删除网络中的一些边缘来抑制流量驱动的流行病爆发。我们发现，可以通过有针对性地切割具有最大算法介数的大度节点或边之间的链接来提高流行阈值。相反，通过随机边缘去除，将降低流行阈值。这些发现是强大的交通流量条件，网络结构和路由策略。此外，我们发现，目标边缘的关闭可以有效地释放通过大度节点的流量负载，使这些节点的感染概率相对较低。
2015-02-28 cs.SI physics.soc-ph
Identification of highly susceptible individuals in complex networks
在传播过程中识别高易感个体对控制疫情具有重要意义。在本文中，我们探讨了易感性的人在易感染恢复（SIR）和谣言传播动力学。我们首先研究社区结构对人们易感性的影响。尽管在相同的感染率下，社区结构可以减少感染种群，但它不会确定性地影响节点的敏感性。我们发现个体的易感性对传播动力的选择是敏感的。对于SIR传播，由于敏感度与节点的影响力高度相关，因此拓扑指标k-shell可以更好地识别高度敏感的个体，优于度，介数中心性和PageRank。而在谣言传播模型中，节点的敏感性和影响力没有明显的相关性，度在所考虑的拓扑度量中表现最好。我们的发现强调了拓扑特征和传播机制在识别高度易感人群中的重要性。
2015-04-27 cs.SI physics.soc-ph
Traffic Control for Network Protection Against Spreading Processes
University of Pennsylvania（宾夕法尼亚大学）
本文研究了通过优化有限预算分配三种保护资源来遏制病毒传播过程，提出利用几何规划在任意加权有向接触网络中实现多项式时间解决方案。
2013-10-18 cs.SI cs.SY eess.SY
Stability of SIS Spreading Processes in Networks with Non-Markovian Transmission and Recovery
虽然网络中发生的病毒传播过程通常使用马尔可夫模型进行分析，其中传输和恢复时间都遵循指数分布，但经验研究表明，在许多真实场景中，这些时间的分布不一定是指数分布。为了克服这一限制，我们首先介绍了一个广义的易感染的易感（SIS）传播模型，允许传输和恢复时间遵循相位型分布。在这种情况下，我们推导出一个下界的指数衰减率对无感染平衡的传播模型，而不依赖于平均场近似。基于我们的研究结果，我们说明了传输/恢复分布的特定形状如何影响向平衡收敛的指数速度。
2019-03-04 cs.SI math.PR physics.soc-ph
Diffusion in Colocation Contact Networks: the Impact of Nodal Spatiotemporal Dynamics
时间接触网络的研究是为了理解动态传播现象，如传染病或信息传播。为了确定节点的时空动态如何影响托管联系网络中的传播潜力，我们提出了“诱导洗牌”空模型，该模型打破了时间，位置和节点之间的一个或多个相关性。通过重新配置每个节点在网络中出现的时间和/或位置，这些模型诱导出替代的托管事件集合，从而产生具有不同传播潜力的接触网络。这使得关于节点时空偏好的相关性如何不仅导致给定的接触网络，而且最终影响网络的传播潜力的二阶因果推理成为可能。我们发现，节点和时间之间的相关性是传播的最大障碍，而时间和位置之间的相关性对传播有轻微的催化作用。在每一个零模型下，我们都测量了接触人数和感染率随时间的变化，令人惊讶的是，两者之间没有直接的因果关系。
2015-12-08 cs.SI physics.soc-ph
Infection Analysis on Irregular Networks through Graph Signal Processing
在网络系统中，当节点受到感染时，由于内部随机故障或发展成流行病的传染性病毒，功能可能会受到严重威胁。给定代表节点状态（感染或健康）的网络快照，感染分析是指将流行病与随机故障区分开来，并收集信息以进行有效的对策设计。这种分析是具有挑战性的，由于不规则的网络结构，异构的流行病传播，和噪声观测。本文将网络快照视为一种图形信号，提出了一种基于图形信号处理的有效的感染分析方法。针对宏提出了一种基于图傅里叶变换（GFT）和图信号邻域特征的多检测指标，并提出了一种新的图小波--基于距离的图小波（DBGW）; 3）设计了一个基于机器学习的框架，该框架采用GFT谱或图小波系数作为感染分析的特征。DBGW还支持微观（节点级）感染分析，通过该分析可以提高流行病对策的性能。大量的仿真进行了各种网络设置，以证明所有提出的算法的有效性。
2018-08-14 cs.SI eess.SP
Learning hidden cascades via classification
Faculty of Information Technology and Communication Sciences, Tampere University（信息科技与通讯科学学院，塔尔皮耶大学）
本文提出了一种基于分类的机器学习框架，用于学习隐藏的传播级联，通过利用可观察的中间指标来推断底层传播动态，并在合成和现实网络中验证了其有效性。
2026-02-19 cs.LG cs.SI
Unifying continuous, discrete, and hybrid susceptible-infected-recovered processes on networks
传播过程中两个连续感染和恢复事件之间的等待时间通常被假设为指数分布，这导致马尔可夫（即，无记忆）连续扩散动力学。然而，这并没有考虑到记忆（相关性）效应和离散的相互作用，这些相互作用已被确定为与社会、交通和疾病动力学相关。我们引入了一个框架来模拟网络上连续、离散和混合形式的（非）马尔可夫可感染恢复（SIR）随机过程。我们在本文中研究的混合SIR过程描述的离散时间马尔可夫和连续时间的非马尔可夫过程，模仿细胞周期的分布恢复事件的感染。我们的研究结果表明，有效的传染率描述的流行病过程未能唯一捕捉到这样的混合动力学和一般的非马尔可夫疾病动力学的行为。提供了一个统一的描述一般马尔可夫和非马尔可夫疾病的爆发，我们反而表明，平均传播率产生相同的相图独立的基本事件间的时间分布。
2020-07-09 cond-mat.stat-mech cs.SI physics.soc-ph
Spreading Processes with Mutations over Multi-layer Networks
在新型传染病爆发期间，一个关键的科学挑战是预测在限制人群相互作用的不同对策下流行病的进程如何变化。大多数流行病学模型没有考虑突变和异质性在接触事件类型中的作用。然而，病原体有能力随着环境的变化而发生变异，特别是由于人群对现有菌株的免疫力增强而引起的变异，并且新病原体菌株的出现对公共卫生构成了持续威胁。此外，鉴于不同聚集环境中的不同传播风险（例如，学校和办公室），可能需要采取不同的缓解策略来控制感染的传播。我们分析了一个多层多菌株模型，同时考虑i）病原体突变导致新病原体菌株出现的途径，ii）不同聚集环境中不同的传播风险，建模为网络层。假设毒株之间完全交叉免疫，即从任何感染中恢复可以防止感染任何其他毒株（这一假设需要放宽以应对COVID-19或流感），我们推导出拟议的多层多毒株框架的关键流行病学参数。我们证明，减少现有的基于网络的模型，折扣异质性的应变或网络层可能会导致不正确的预测过程中的爆发。此外，我们的研究结果强调，施加/解除缓解措施对不同接触网络层（例如，学校关闭或在家工作政策）对新病原体菌株出现可能性的影响。
2023-01-24 cs.SI cs.SY eess.SY
Maximizing spreading in complex networks with risk in node activation
在复杂网络中，初始传播者对信息的广泛传播起着重要的作用。因此，已经提出了各种基于中心性的方法来识别最有影响力的传播者。然而，大多数现有的研究都忽略了这样一个事实，即在真实的社交网络中，说服有影响力的个人担任初始传播者的成本更高，也更难，从而导致最大化传播的高风险。在本文中，我们解决这个问题的基础上的假设，大的程度节点被激活的风险比小度节点。我们的目标是确定有效的初始传播者，以最大限度地传播时，同时考虑激活风险和初始传播者的爆发规模。在随机网络上，分析表明，最优初始传播者的度并不对应于网络中节点的最大度，而是由不同度节点的感染概率和激活风险的差异决定的。在这里，我们提出了一个风险意识的指标来识别真实网络上的有效传播者。数值模拟表明，风险感知度量优于现有的基准中心性，在最大限度地提高有效传播。
2021-04-14 cs.SI physics.soc-ph
Understanding the spreading power of all nodes in a network: a continuous-time perspective
中心性度量（如度、k壳或特征值中心性）可以识别网络中最有影响力的节点，但在量化绝大多数影响力不高的节点的传播能力时很少有用。从连续时间流行病学的角度来看，考虑每个节点产生的感染力的分布，可以更好地解释所有网络节点的传播能力。由此产生的度量，\textit{expected force}，准确地量化节点的传播功率下的所有主要流行病学模型在广泛的原型人类接触网络。当节点功率较低时，影响力是邻居度的函数。随着功率的增加，节点自身的度变得更加重要。这种关系的强度受到网络结构的调节，在社交网络典型的狭窄、密集的网络中更为明显，而在互联网等更广泛、更松散的关联网络中则有所减弱。期望的力可以独立地为单个节点计算，使其适用于邻接矩阵是动态的，没有很好地指定，或非常大的网络。
2014-06-11 cs.CY cs.SI physics.soc-ph
Monotone convergence of spreading processes on networks
该研究针对Bass创新传播模型与SI流行病传播模型，通过主方程自上而下分析证明其在多种网络下的单调收敛性，推导了时变参数下的预期采纳/感染水平显式表达式，为网络最优策略分析提供基础。
2024-07-15 cs.SI math.CA physics.soc-ph
Layer-switching cost and optimality in information spreading on multiplex networks
我们研究了一个多路网络上的信息传播模型，在这个模型中，代理人通过多个交互通道（层）进行交互，比如在线与在线。离线通信层，受制于跨不同交互层的传输的层切换成本。该模型的特点是逐层的路径相关的传输率超过接触，这是动态确定的传入和传出的传输层依赖。我们制定了一个分析框架来处理这种路径依赖的传输性，并证明了非平凡的多重性和传播动态之间的相互作用，包括最优性。它表明，流行病的阈值和流行响应的层切换成本的非单调性和最佳条件可以改变突然的非解析的方式，也取决于网络层的密度和种子感染的类型。我们的研究结果阐明了多元化的重要作用，它的明确考虑应该是至关重要的现实建模和预测的传播现象的多元化社交网络在一个时代的社会互动层不断多样化。
2016-02-24 cond-mat.stat-mech cs.SI physics.soc-ph
Dynamical interplay between awareness and epidemic spreading in multiplex networks
我们提出了两个过程之间的相互关系的分析占流行病的传播，并防止其感染的信息意识，在多重网络的顶部。这种情况是一个流行病的过程中传播的持久的真实接触的网络，和一个循环的信息意识过程中传播的虚拟社会接触网络之间的相同的个人。拓扑结构对应于一个多重网络，其中两个扩散过程相互作用，相互影响。使用微观马尔可夫链方法（MMCA）的分析揭示了流行病的发病率的相图，并允许捕获的流行阈值的演变取决于多路复用的拓扑结构和与意识过程的相互关系。有趣的是，流行病爆发的临界点有一个由意识动态和虚拟网络拓扑定义的临界值（亚临界点），从该临界点开始，爆发时间增加，流行病发生率降低。
2013-09-19 cond-mat.stat-mech cs.SI physics.soc-ph
Low prevalence, quasi-stationarity and power-law distribution in a model of spreading
了解传染病（信息、感染等）如何在复杂网络上传播，无论从实践还是理论的角度来看都很重要。在过去十多年中，在这方面做了大量工作。然而，大多数模型在其范围内是有限的，因此，只能捕捉一般特征的蔓延现象。在这里，我们提出并研究了一个传播模型，它考虑到了传染的强度或质量以及在各个节点发生的局部（概率）动态。只有在当地代理人评估了传染病的质量适应性之后，才会发生传播。该模型表现出质量依赖的指数时间尺度在早期导致一个缓慢演变的准稳态。低流行率被认为是广泛的传染质量任意大网络。我们还调查了节点的活动，并找到一个幂律分布与网络拓扑结构无关的强大的指数。我们的研究结果与最近的经验观察是一致的。
2012-06-02 cond-mat.stat-mech cs.SI physics.soc-ph
Suppressing Epidemics with a Limited Amount of Immunization Units
疾病通过学校传播，流行病通过国家传播，病毒通过互联网传播的方式对于确定其风险至关重要。虽然这些威胁都有自己的特点，但其潜在的网络决定了传播。为了抑制传播，一个广泛使用的方法是通过免疫来分裂这些网络，这样流行病就不会传播。在这里，我们开发了一种免疫方法的基础上优化易感的大小，它优于最知名的策略免疫的最高介数的链接或节点。我们发现，网络的脆弱性可以显着降低，证明了这三个不同的真实网络：全球航班网络，学校的友谊网络，和互联网。在所有情况下，我们发现，不仅是平均感染概率显着抑制，而且对于最相关的情况下，一个小的和有限数量的免疫单位的感染概率可以降低高达55%。
2011-12-18 cond-mat.stat-mech cs.SI physics.soc-ph
Hierarchical Coarse-grained Approach to the Duration-dependent Spreading Dynamics in Complex Networks
各种粗粒度的模型已经被提出来研究网络中的传播动力学。需要一种微观理论来将传播动力学与个体行为联系起来。在这封信中，我们通过将微观动力学分解为两个基本过程，即老化过程和接触过程，统一了对复杂网络上不同传播动力学的描述。一个微观动力学方程来描述网络上的各个节点的动态。本文提出了一种基于时间的粗粒度（DCG）方法来研究时间依赖的过程，其中转移率依赖于单个节点在状态上的时间。应用于传染病传播，这种形式主义是可行的，以重现不同的流行病模型，例如，建立了易感-感染-恢复和易感-感染-易感模型，并将相应的宏观传播参数与微观转移率联系起来。DCG方法使我们能够获得一般SIS模型的任意时间依赖的恢复和感染率的稳态。目前的层次形式主义也可以用来描述信息和舆论的传播，或在网络中的可靠性理论建模。
2021-04-13 cond-mat.stat-mech cs.SI physics.soc-ph
