【技术实现步骤摘要】
本专利技术涉及临地安防，更具体的涉及一种病毒传播动力学建模方法及装置。
技术介绍
1、随着物联网（iot，internet of things）和无线通信关键技术的突破和创新，无人机（uav，unmanned aerial vehicle）集群在军事和民用领域都获得了相当大的关注，如货物交付和面向未来临地安防体系下的低空安防等。尽管无线通信使的无人机机群已经成为物理世界不可或缺的工具，但恶意软件攻击对网络安全的广泛威胁已经变得普遍。其通常会对相互连接的无人机造成重大损害，并增加敏感数据泄露的风险。针对恶意软件攻击构建可以准确刻画病毒传播的数学模型已成为加强无人集群网络安全的迫切和关键的研究课题。
2、目前，对信息物理系统的研究提出了一种新的多层网络框架，以区分控制论空间和物理系统之间的相互作用。目前国内外已经有人研究相关问题，研究的成果分别有：一个由电话地址互连的逻辑网络和由电话地理邻近连接形成的地理网络组成的多层网络，以研究移动的电话中抵御病毒攻击的补丁分发策略；一种由共识网络和隐藏网络组成的多层网络，以保持智能电网和交通系统等应用中常见的合作系统的稳定性；一个多层网络来研究恢复耦合对整个基础设施系统功能的影响，包括通信系统、电网和交通系统。然而，目前对多层网络的研究忽略了拓扑结构的变化所造成的时空移动设备，其不适合建模无人集群。
技术实现思路
1、本专利技术实施例提供一种病毒传播动力学建模方法及装置，用于解决现有针对恶意软件攻击网络的研究无法适用于因设备时空移动导致
2、本专利技术实施例提供一种病毒传播动力学建模方法，包括：
3、根据无人机在第时刻所处状态的概率和物理状态概率转移树得到无人机在第时刻所处状态的概率；其中，所处状态包括安装了补丁且易感染、未安装补丁且易感染和安装了补丁且已感染；发射前，根据无人机处于的概率、无人机处于的概率、监督层的邻接矩阵和补丁分布率确定无人机处于未获得补丁的概率；
4、发射后，至少一个无人机从第一区域飞往第二区域，根据离开执行任务的概率、位于第一区域的无人机处于不被同一区域感染的概率、位于第一区域的无人机处于不被同一区域感染的概率、位于第二区域的无人机处于不被同一区域感染的概率、位于第二区域的无人机处于不被同一区域感染的概率和任务层归一化邻接矩阵依次确定属于第一区域的无人机在第时刻处于不被感染的概率和属于第一区域的无人机在第时刻处于不被感染的概率；
5、若确认任意一个无人机被感染，向被感染的无人机发送补丁，以使被感染的无人机基于所述补丁进行病毒清除；
6、根据所述无人机处于未获得补丁的概率、无人机处于因安装补丁清除病毒的概率、无人机处于失去免疫力的概率、属于第一区域的无人机在第时刻处于不被感染的概率和属于第一区域的无人机在第时刻处于不被感染的概率得到与无人机在第时刻所处状态的概率对应的基于马尔可夫链的动态模型。
7、优选地，所述基于马尔可夫链的动态模型如下所示：
8、
9、
10、
11、其中，表示无人机在第时刻处于的概率，表示无人机在第时刻处于的概率，表示无人机在第时刻处于的概率，表示无人机处于失去免疫力的概率，表示属于区域的无人机在第时刻处于不被感染的概率，表示无人机处于未获得补丁的概率；表示无人机在第时刻处于的概率，表示无人机在第时刻处于的概率，表示无人机处于因安装补丁清除病毒的概率，表示属于区域的无人机在第时刻处于不被感染的概率，表示无人机在第时刻处于的概率。
12、优选地，所述位于第二区域的无人机处于不被同一区域感染的概率，通过下列公式表示：
13、
14、所述位于第二区域的无人机处于不被同一区域感染的概率，通过下列公式表示：
15、
16、其中，表示位于第二区域的无人机处于不被同一区域感染的概率，表示属于区域内无人机处于的密度，，表示无人机在第时刻处于在的概率，表示任务层和监督层的层间连边，表示无人机处于没有防御策略情况下被感染的平均概率，表示位于区域的无人机处于随机选择与一架从区域飞来的无人机通信后不被感染的概率，表示第时刻从区域飞到区域的无人机的期望数量，表示位于第二区域的无人机处于不被同一区域感染的概率，表示无人机处于有防御策略情况下被感染的平均概率，表示任务层的区域数量。
17、优选地，所述属于第一区域的无人机在第时刻处于不被感染的概率，通过下列公式表示：
18、
19、所述属于第一区域的无人机在第时刻处于不被感染的概率，通过下列公式表示：
20、
21、其中，表示属于第一区域的无人机在第时刻处于不被感染的概率，表示离开执行任务的概率，表示位于第一区域的无人机处于不被同一区域感染的概率，表示任务层归一化邻接矩阵，表示位于第二区域的无人机处于不被同一区域感染的概率；表示属于第一区域的无人机在第时刻处于不被感染的概率，表示位于第一区域的无人机处于不被同一区域感染的概率，表示位于第二区域的无人机处于不被同一区域感染的概率。
22、优选地，所述无人机处于未从邻居无人机获得补丁的概率，如下所示：
23、
24、其中，表示无人机在第时刻安装补丁的概率，，表示无人机在第时刻处于的概率，表示无人机在第时刻处于的概率，表示补丁分布率，表示监督层的邻接矩阵，表示无人机处于未从邻居无人机获得补丁的概率，表示无人机数量。
25、优选地，所述基于物理状态概率转移树得到无人机在第时刻所处状态的概率，如下所示：
26、
27、
28、
29、其中，表示无人机在第时刻处于的概率，表示无人机在第时刻处于的概率，表示无人机在第时刻处于的概率，表示无人机在第时刻处于ps的概率，表示无人机在第时刻处于的概率，表示无人机在第时刻处于的概率，表示无人机在第时刻由状态转变为的概率，。
30、优选地，所述根据无人机在第时刻所处状态的概率和物理状态概率转移树得到无人机在第时刻所处状态的概率之前，还包括：
31、构建一个由监督层和任务层组成的多层网络模型，所述监督层包括的多个第一节点为无人机，多个第一节点之间的连边表示卫星或蜂窝网络中的通信连接；
32、所述任务层包括的多个第二节点表示无人机可相互通信的区域，多个第二节点之间的连边表示无人机的飞行路线。
33、本专利技术实施例提供一种病毒传播动力学建模装置，包括：
34、第一确定单元，用于根据无人机在第时刻所处状态的概率和物理状态概率转移树得到无人机在第时刻所处状态的概率；其中，所处状态包括安装了补丁且易感染、未安装补丁且易感染和安装了补丁且已感染；发射前，根据无人机处于的概率、无人机处于的概率、监督层的邻接矩阵和补丁分布率确定无人机处于未获得补丁的概率；
35、第二确定单元，用于发送后，至少一个无人机从第一区域飞往第二区域，根本文档来自技高网...
【技术保护点】
1.一种病毒传播动力学建模方法，其特征在于，包括：
2.如权利要求1所述的病毒传播动力学建模方法，其特征在于，所述基于马尔可夫链的动态模型如下所示：
3.如权利要求1所述的病毒传播动力学建模方法，其特征在于，所述位于第二区域的无人机处于不被同一区域感染的概率，通过下列公式表示：
4.如权利要求1所述的病毒传播动力学建模方法，其特征在于，所述属于第一区域的无人机在第时刻处于不被感染的概率，通过下列公式表示：
5.如权利要求1所述的病毒传播动力学建模方法，其特征在于，所述无人机处于未从邻居无人机获得补丁的概率，如下所示：
6.如权利要求1所述的病毒传播动力学建模方法，其特征在于，所述基于物理状态概率转移树得到无人机在第时刻所处状态的概率，如下所示：
7.如权利要求1所述的病毒传播动力学建模方法，其特征在于，所述根据无人机在第时刻所处状态的概率和物理状态概率转移树得到无人机在第时刻所处状态的概率之前，还包括：
8.一种病毒传播动力学建模装置，其特征在于，包括：
9.一种计算机设备，其特征在于
10.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1-7任意一项所述病毒传播动力学建模方法。
...【技术特征摘要】
1.一种病毒传播动力学建模方法，其特征在于，包括：
2.如权利要求1所述的病毒传播动力学建模方法，其特征在于，所述基于马尔可夫链的动态模型如下所示：
3.如权利要求1所述的病毒传播动力学建模方法，其特征在于，所述位于第二区域的无人机处于不被同一区域感染的概率，通过下列公式表示：
4.如权利要求1所述的病毒传播动力学建模方法，其特征在于，所述属于第一区域的无人机在第时刻处于不被感染的概率，通过下列公式表示：
5.如权利要求1所述的病毒传播动力学建模方法，其特征在于，所述无人机处于未从邻居无人机获得补丁的概率，如下所示：
6.如权利要求1所述的病毒传播动力学建模方法，其特征在于，所述基于物理状态概率转移树...
【专利技术属性】
技术研发人员：王震，曹慧颖，卢润田，高超，于登秀，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。