[发明专利]一种社交网络恶意代码传播的仿真系统及仿真方法

权利要求书

1.一种社交网络恶意代码传播的仿真系统，包括一服务器，多个由所述服务器构建的虚拟机，各虚拟机之间网络连接，其特征在于，还包括：

一个或多个部署于所述虚拟机上的存储模块，存储一根据社交网络拓扑数据生成的社交网络图G＝(V，E，VA)，其中V社交网络用户节点集合，E代表社交网络用户节点之间的关系，VA代表社交网络用户节点属性，所述节点属性包括节点ID，感染状态，登录状态以及消息响应概率；

一计算模块，包括

一初始感染子计算模块，以根据一设定的恶意代码初始感染策略通过所述虚拟机计算被初始感染的节点集合，所述计算结果存储于所述存储模块；

一传播感染子计算模块，以根据被初始感染的节点的后继节点及其节点属性通过所述虚拟机按照给定的传播感染判定规则计算在传播后被感染的节点集合，直至没有新的节点被感染；所述计算结果存储于所述存储模块。

2.如权利要求1所述的仿真系统，其特征在于，所述计算模块还包括一统计计算子模块，以提取恶意代码的传播感染信息。

3.如权利要求1或2所述的仿真系统，其特征在于，所述传播感染判定规则为：在某一时刻，如果感染节点将包含恶意代码的消息传播到其后继节点，该时刻后继节点中的登录节点的感染概率大于设定的值，则判定该登录节点被感染，所述感染概率根据节点登录状态和消息响应概率计算。

4.如权利要求1或2所述的仿真系统，其特征在于，所述虚拟机构成分布式存储环境和分布式计算环境。

5.如权利要求4所述的仿真系统，其特征在于，所述分布式计算环境为MapReduce分布式计算环境。

6.一种社交网络恶意代码传播的仿真方法，其步骤包括

1)通过一服务器构建多个虚拟机，各虚拟机之间网络连接；

2)根据一社交网络拓扑数据生成社交网络图G＝(V，E，VA)，其中V代表社交网络用户节点集合，E代表社交网络用户节点之间的关系，VA代表社交网络用户节点属性，所述节点属性包括节点ID，感染状态，登录状态以及消息响应概率；

3)根据一设定的恶意代码初始感染策略通过所述虚拟机计算得到初始感染节点信息；

4)根据初始感染节点的后续节点及其节点属性通过所述虚拟机按照给定的传播感染判定规则计算得到经一次传播后被感染的新节点，再根据该新节点的后继节点得到下次传播后被感染的新节点，直至在某次传播后没有新节点被感染。

7.如权利要求5所述的仿真方法，其特征在于，提取恶意代码的传播感染信息，所述传播感染信息包括被感染的节点信息、传播感染时间、传播曲线。

8.如权利要求6或7所述的仿真方法，其特征在于，所述传播感染判定规则为：在某一时刻，如果感染节点将包含恶意代码的消息传播到其后继节点，该时刻后继节点中的登录节点的感染概率大于设定的值，则判定该登录节点被感染，所述感染概率根据节点登录状态和消息响应概率计算。

9.如权利要求6或7所述的仿真方法，其特征在于，所述虚拟机构成分布式存储环境和分布式计算环境。

10.如权利要求6或7所述的仿真方法，其特征在于，根据在实际社交网络数据库中获取的一定时间之内的用户实际登录情况来为所述登录状态赋值。

11.如权利要求8所述的仿真方法，其特征在于，根据当前节点的登录状态、消息响应概率和其前驱节点中被感染的个数来计算其感染概率。

12.如权利要求7所述的仿真方法，其特征在于，根据一社交网络恶意代码传播模型确定上述节点属性及传播感染判定规则，根据所述恶意代码的传播感染信息与实际恶意代码传播的信息进行对照，以检验所述模型。

13.如权利要求12所述的仿真方法，其特征在于，根据检验结果，对所述模型进行修正。