恶意软件疫情的初期增长率无法预测其波及范围
物理与社会
2021-05-05 v2 种群与进化
摘要
实证研究表明，基于疫情初期传播率的流行病学模型常无法预测疫情真实规模。多数早期快速上升的疫情在影响显著比例人口前便消亡，而某些大流行的早期速度相当平缓。近期模型提示这可能源于目标人群易感性的异质性。我们研究了一个计算机恶意软件生态，其传播机制类似生物系统，却提供人类疫情所缺的细节。我们并非比较模型，而是直接从一个并行域中崭新且远更完整的数据估算波及范围，该数据对生物暴发提供了更优细节与洞见。我们发现计算机易感性呈高度异质分布，几乎所有暴发初期过度影响分布尾部，一旦尾部耗尽便迅速崩溃。该机制限制了疫情初期增长率与总波及范围间的相关性，从而阻止大多数疫情（含初期快速增长者）波及宏观比例的人口。少数泛在恶意软件通过以下关键特征早期区分自身：它们避免感染尾部，同时优先 targeting 典型恶意软件未影响的计算机。
引用
@article{arxiv.2008.00445,
title = {Initial growth rates of malware epidemics fail to predict their reach},
author = {Lev Muchnik and Elad Yom-Tov and Nir Levy and Amir Rubin and Yoram Louzoun},
journal= {arXiv preprint arXiv:2008.00445},
year = {2021}
}