عنوان پایان‌نامه

ایمن سازی شبکه های اجتماعی در برابر بیماری های همه گیر



    دانشجو در تاریخ ۱۶ تیر ۱۳۹۲ ، به راهنمایی ، پایان نامه با عنوان "ایمن سازی شبکه های اجتماعی در برابر بیماری های همه گیر" را دفاع نموده است.


    رشته تحصیلی
    مهندسی فناوری اطلاعات پزشکی
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 58867
    تاریخ دفاع
    ۱۶ تیر ۱۳۹۲
    دانشجو
    بیتا شمس
    استاد راهنما
    محمد خوانساری
    چکیده
    لینک فایل چکیده
    واکسیناسیون، یکی از راه‏های کنترل و پیش‏گیری از بیماری‏هاست که نه تنها فرد را در برابر بیماری ایمن‏ می‏سازد، بلکه میزان انتشار بیماری را نیز کاهش می‏دهد واکسیناسیون همگانی افراد به علت هزینه‏ی زیاد و کمبود منابع ایمن‏سازی، همواره میسر نیست. به همین دلیل، محققان همواره به دنبال راه حلی برای شناسایی افرادی بودند که ایمنی آن‏ها تاثیر بیشتری در کاهش انتشار بیماری داشته‏باشد. ظهور مدل همه‏گیری شبکه‏ای و امکان حذف گره‏های‏ ایمن‏شده در این مدل، نشان داد که این مسئله معادل با پیدا کردن مجموعه‌ی محدود و یا کمینه‏ای از افراد است که حذف آن‏ها، تعداد افراد در معرض خطر ابتلا به بیماری را حداقل کرده و یا به صفر ‏رساند. مسئله‏ی ایمن‏سازی را می‏توان بر مبنای بودجه به سه دسته‏ی ایمن‏سازی با بودجه‏ی محدود ، ایمن‏سازی با بودجه‏ی نامشخص و ایمن‏سازی کامل جامعه با حداقل بودجه طبقه‏بندی می‏شود. در این پایان نامه، ابتدا کارایی رایج‏ترین الگوریتم‏های ایمن‏سازی(نشانه‏گذاری مبتنی بر مرکزیت) در حل این سه مسئله در شبکه‏های مختلف ارزیابی می‏گردد. الگوریتم‏های ‏نشانه‏گذاری مبتنی بر مرکزیت، با اولویت‏بندی گره‏ها بر اساس مرکزیت آن‏ها، قادر به حل انواع مسئله‏ی ایمن‏سازی هستند. شبیه‏سازی‏های کامپیوتری نشان می‏دهد که به طور کلی، ایمن‏سازی بر مبنای رتبه‏بندی صفحه کاراترین الگوریتم مبتنی بر مرکزیت غیرتطبیقی است. علاوه بر این، برای حل مسئله‏ی ایمن‏سازی شبکه با بودجه‏ی محدود، الگوریتم جدیدی به نام SHCI ارائه می‏گردد. این الگوریتم با استفاده از روش تپه‏نوردی تصادفی، بدترین رشد مورد انتظار همه‏گیری را کمینه می‏کند. ارزیابی و مقایسه‏ی این الگوریتم بر اساس ویژگی ساختاری بزرگترین مؤلفه‏‏ی شبکه‏ی ایمن‏شده، نشان‏دهنده‏ی کارایی بالای الگوریتم خصوصا در شبکه‏های جهان کوچک است. علاوه بر این، شبیه‏سازی بیماری‏های آنفلونزا، آبله و سرخک نشان می‏دهد که با افزایش شدت بیماری، کارایی الگوریتم ارائه شده نسبت به الگوریتم‏های پیشین افزایش می‏یابد. کلمات کلیدی: ایمن‏سازی، واکسیناسیون، همه‏گیری، شبکه‏های اجتماعی، شبکه‏های پیچیده.
    Abstract
    Vaccination is one of the most effective solutions which not only protects vaccinated people, but also can prevent transmitting disease among their friends. The traditional vaccination strategy, mass vaccination, might not always be feasible due to its high cost or scarce vaccination resources. The emergence of network epidemic model showed that immunizing intercommunal individuals reduce immunization cost since their immunization prevents infectious propagation among different individuals and communities. ‏The problem of how to find these persons such is known as network immunization problem. The immunization problem can be defined in three forms: immunization with a limited budget, immunization with uncertain amount of budget, and, minimizing the full immunization cost. In this these, we evaluate the efficiency of centrality based immunization strategies, the most common ones, in each form of immunization problem by measuring structural properties of immunized network. Our experiments show ‏high PageRank centrality is the most effective algorithms in majority of networks. Additionally, we present a new stochastic hill-climbing algorithm to immunize network with a permanent limited budget. ‏Our algorithm immunizes a subset of nodes whose removal minimizes largest component size of network ‏(‏i.e. Worst-case epidemic)‏‏. ‏Our experiment show its high advantages of reducing estimated worst-case epidemic especially in small-world networks. Finally, simulation of outbreak contagious represent a direct relation between its efficiency and the severity of the epidemic spreading. Keywords: Immunization, Vaccination, Epidemic, Social Networks, Complex Networks