[论文解读] Vulnerability of overlay networks under malware spreading

Rafael Vida, Javier Galeano+1 more|arXiv (Cornell University)|Oct 2, 2013

Complex Network Analysis Techniques被引用 1

一句话总结

本文使用SIS流行病模型在两个层面——社交网络和物理网络——上对异构网络中的恶意软件传播进行建模，表明层间耦合显著提高了病毒的传染性及对免疫策略的抗性，尤其在真实世界的多层结构（如西班牙科研社区的合作网络与计算机网络）中表现明显。

ABSTRACT

Computer viruses are evolving by developing spreading mechanisms based on the use of multiple vectors of propagation. The use of the social network as an extra vector of attack to penetrate the security measures in IP networks is improving the effectiveness of malware, and have therefore been used by the most aggressive viruses, like Conficker and Stuxnet. In this work we use interdependent networks to model the propagation of these kind of viruses. In particular, we study the propagation of a SIS model on interdependent networks where the state of each node is layer-independent and the dynamics in each network follows either a contact process or a reactive process, with different propagation rates. We apply this study to the case of existing multilayer networks, namely a Spanish scientific community of Statistical Physics, formed by a social network of scientific collaborations and a physical network of connected computers in each institution. We show that the interplay between layers increases dramatically the infectivity of viruses in the long term and their robustness against immunization.

研究动机与目标

• 理解恶意软件在多层基础设施中同时利用社交与物理网络层时为何传播更有效。
• 将社交网络与计算机网络建模为相互依赖的系统，以评估其对类似流行病传播的恶意软件的脆弱性。
• 评估层间耦合对恶意软件长期传染性及对免疫策略鲁棒性的影响。
• 将模型应用于真实世界的多层网络——具体为西班牙科研社区的合作网络与机构计算机网络。

提出的方法

• 将系统建模为两个相互依赖的网络：一个表示社交合作（共同作者关系），另一个表示机构内部的物理计算机连接。
• 在每一层应用随机SIS（易感-感染-易感）流行病模型，采用各层特有的传播速率。
• 使用接触过程和反应过程分别建模社交层与物理层的不同动力学行为。
• 在层独立节点状态的假设下分析系统，其中感染状态由各网络层内的局部交互决定。
• 在西班牙科研社区的真实数据上模拟流行病动力学，以评估其现实影响。
• 评估不同层间耦合强度下的流行病爆发阈值与最终感染规模。

实验结果

研究问题

• RQ1 社交网络与物理网络之间的相互依赖如何影响多层网络中恶意软件的传播？
• RQ2 不同的传播机制（接触过程 vs. 反应过程）对相互依赖系统中病毒传染性有何影响？
• RQ3 层间耦合如何影响恶意软件对免疫策略的鲁棒性？
• RQ4 具有异质动力学的相互依赖网络中，流行病爆发的临界阈值是什么？
• RQ5 真实世界的多层网络结构（如科研合作网络与机构网络）如何加剧恶意软件的传播？

主要发现

• 与孤立网络相比，层间耦合显著提高了恶意软件的长期传染性。
• 相互依赖的存在使系统对大规模感染更加脆弱，即使在单一层的传播率较低时亦然。
• 当两层相互依赖时，恶意软件对免疫策略更具鲁棒性，因为感染可通过跨层传播持续存在。
• 在相互依赖网络中，最终感染规模大于单层网络，尤其当两层均具有中等传播速率时更为显著。
• 模型揭示，社交层与物理层之间的相互作用产生协同效应，使病毒传播强度超过任一层单独作用的总和。
• 在西班牙科研社区网络上的实证结果表明，相互依赖结构导致最终感染规模相比孤立层有显著增加。