[论文解读] In-homogeneous Virus Spread in Networks

Piet Van Mieghem, Jasmina Omić|arXiv (Cornell University)|Jun 10, 2013

Complex Network Analysis Techniques参考文献 16被引用 87

一句话总结

本文将N-互连平均场近似（NIMFA）扩展至网络中具有不同感染率与恢复率的异质病毒传播模型。引入广义拉普拉斯矩阵以表征稳态感染概率的亚稳态，并推导出以有效感染向量 τ_i = β_i/δ_i 定义的N维空间中的临界阈值曲面，主要发现包括：在恢复率上感染概率的凸性与凹性特征。

ABSTRACT

Our $N$-intertwined model (now called NIMFA) for virus spread in any network with $N$ nodes is extended to a full heterogeneous setting. The metastable steady-state nodal infection probabilities are specified in terms of a generalized Laplacian, that possesses analogous properties as the classical Laplacian in graph theory. The critical threshold that separates global network infection from global network health is characterized via an $N$ dimensional vector that makes the largest eigenvalue of a modified adjacency matrix equal to unity. Finally, the steady-state infection probability of node $i$ is convex in the own curing rate $δ_{i}$, but concave in the curing rates $δ_{j}$ of the other nodes $1\leq j eq i\leq N$ in the network.

研究动机与目标

• 建立节点具有不同感染率与恢复率的网络中异质病毒传播的模型。
• 将NIMFA框架从同质设置扩展至异质环境，以提升网络流行病建模的真实性。
• 以有效感染向量 τ_i = β_i/δ_i 在N维空间中表征临界流行病阈值。
• 分析稳态感染概率相对于恢复率的凸性与凹性特征。

提出的方法

• 在具有N个节点的网络上建立连续时间马尔可夫SIS过程，每个节点具有不同的感染率 β_i 和恢复率 δ_i。
• 应用平均场近似，将精确的2^N状态马尔可夫模型简化为N个非线性微分方程。
• 引入广义拉普拉斯矩阵，将经典图拉普拉斯矩阵的性质推广至异质设置。
• 通过将修改后邻接矩阵的最大特征值设为1，推导临界阈值，从而在 τ_i 空间中定义临界曲面。
• 利用克莱姆法则与矩阵行列式恒等式，计算稳态感染概率对恢复率的导数。
• 采用施瓦茨补与二次型分析感染概率在恢复率上的单调性与曲率。

实验结果

研究问题

• RQ1 感染率与恢复率的异质性如何影响网络中病毒传播的稳态分布？
• RQ2 在异质网络中，全局感染的临界阈值是什么？其如何由节点特定参数表征？
• RQ3 某节点的稳态感染概率如何依赖于其自身及其他节点的恢复率？
• RQ4 在何种条件下，某节点的感染概率在自身恢复率上呈凸性或凹性？
• RQ5 广义拉普拉斯框架能否在异质网络中捕捉到类似于经典图拉普拉斯矩阵的深层结构特性？

主要发现

• 当所有其他 δ_j 固定时，节点 i 的亚稳态稳态感染概率在自身恢复率 δ_i 上呈凸性。
• 节点 i 的感染概率可能在其他节点 j ≠ i 的恢复率 δ_j 上呈凹性，表明存在复杂的相互依赖关系。
• 流行病传播的临界阈值由N维 τ_i 空间中的临界曲面表征，其中 τ_i = β_i/δ_i。
• 临界阈值条件等价于修改后邻接矩阵的最大特征值等于1。
• 利用克莱姆法则与施瓦茨补，推导出稳态感染概率对 δ_i 的导数，得到一个包含正定二次型的显式表达式。
• 使成本-感染效用函数最小化的最优恢复率 δ_i* 满足 δ_i* > (1 - v_i∞)v_i∞ / c_i，且与其他 τ_j 值存在非线性耦合。