[论文解读] Heterogeneous Recovery Rates against SIS Epidemics in Directed Networks

Bo Qu, Alan Hanjalić+1 more|arXiv (Cornell University)|Aug 29, 2014

Complex Network Analysis Techniques参考文献 31被引用 3

一句话总结

本文提出了一种基于度数的异质恢复率分配策略，用于有向无标度网络中的易感-感染-易感（SIS）流行病，其中恢复率 δi ∝ kin^αin × kout^αout 根据节点入度和出度进行分配。当恢复资源处于中等水平且入度-出度相关性 ρ 较低时，αin 和 αout 的最优选择能显著降低稳态感染比例 y∞，优于均匀分配策略。

ABSTRACT

The nodes in communication networks are possibly and most likely equipped with different recovery resources, which allow them to recover from a virus with different rates. In this paper, we aim to understand know how to allocate the limited recovery resources to efficiently prevent the spreading of epidemics. We study the susceptible-infected-susceptible (SIS) epidemic model on directed scale-free networks. In the classic SIS model, a susceptible node can be infected by an infected neighbor with the infection rate $β$ and an infected node can be recovered to be susceptible again with the recovery rate $δ$. In the steady state a fraction $y_\infty$ of nodes are infected, which shows how severely the network is infected. We propose to allocate the recovery rate $δ_i$ for node $i$ according to its indegree and outdegree-$δ_i\scriptsize{\sim}k_{i,in}^{α_{in}}k_{i,out}^{α_{out}}$, given the finite average recovery rate $\langleδ angle$ representing the limited recovery resources over the whole network. We find that, by tuning the two scaling exponents $α_{in}$ and $α_{out}$, we can always reduce the infection fraction $y_\infty$ thus reducing the extent of infections, comparing to the homogeneous recovery rates allocation. Moreover, we can find our optimal strategy via the optimal choice of the exponent $α_{in}$ and $α_{out}$. Our optimal strategy indicates that when the recovery resources are sufficient, more resources should be allocated to the nodes with a larger indegree or outdegree, but when the recovery resource is very limited, only the nodes with a larger outdegree should be equipped with more resources. We also find that our optimal strategy works better when the recovery resources are sufficient but not yet able to make the epidemic die out, and when the indegree outdegree correlation is small.

研究动机与目标

• 为解决在通信网络中高效分配有限恢复资源以最小化流行病传播的挑战。
• 研究依赖于节点入度和出度的异质恢复率如何减少有向网络中的稳态感染比例 y∞。
• 在固定平均恢复率 ⟨δ⟩ 的条件下，确定最小化 y∞ 的最优恢复率分配策略。
• 分析网络结构，特别是方向性 ξ 和入度-出度相关性 ρ，对异质恢复策略有效性的影响。

提出的方法

• 提出异质恢复率模型 δi ∝ kin^αin × kout^αout，其中 kin 和 kout 分别为节点的入度和出度。
• 在具有幂律入度和出度分布（P(k) ∼ k−λ）的有向无标度网络上实施SIS流行病模型。
• 使用平均场分析推导出稳态感染比例 y∞ 作为 β、δi 和网络拓扑的函数。
• 在固定平均恢复率 ⟨δ⟩ 的约束下，优化尺度指数 αin 和 αout 以最小化 y∞。
• 改变方向性 ξ 和入度-出度之间的相关性 ρ，以评估网络结构对流行病控制的影响。
• 将异质策略与均匀恢复率分配（δi = ⟨δ⟩ 对所有 i）进行比较，量化性能提升。

实验结果

研究问题

• RQ1 基于节点入度和出度的异质恢复率分配如何影响有向网络中的稳态感染比例 y∞？
• RQ2 在固定平均恢复率 ⟨δ⟩ 的条件下，最小化 y∞ 的最优尺度指数 αin 和 αout 是什么？
• RQ3 节点入度与出度之间的相关性 ρ 如何影响所提出异质恢复策略的有效性？
• RQ4 在何种平均恢复率 ⟨δ⟩ 范围内，异质策略相较于均匀分配最为有效？
• RQ5 异质策略的性能是否依赖于网络的方向性 ξ 或幂律指数 λ？

主要发现

• 所提出的异质恢复率策略在所有情况下均显著降低感染比例 y∞，甚至在最优参数设置下可将其降至零。
• 当恢复资源充足但不足以完全根除流行病时，最优策略能实现 y∞ 的最大降幅。
• 对于无向网络，最优 αin = αout = αopt 随 ⟨δ⟩ 增大而增加，表明资源越充裕，越应采取更异质的分配方式。
• 在有向网络中，出度在最优策略中占主导地位：高 outdegree 节点应获得更多的恢复资源，尤其当 ⟨δ⟩ 较低时。
• 当入度-出度相关性 ρ 较小时，异质策略的性能增益最为显著，因为此类网络本身具有更强的抗传播能力。
• 感染减少量 Δy∞ = y∞,homo − y∞,opt 在 ⟨δ⟩ 的中间值处达到峰值，且 ρ 越小，增益越大，表明结构鲁棒性可增强控制效果。