基于流行病学模型在存在疫苗情形下计算机恶意软件感染方式的建模：真实数据分析

计算机恶意软件与生物病原体常使用相似的感染机制。因此，有人建议采用为刻画生物病原体传播而开发的流行病学模型来建模恶意软件的传播。然而，大多数利用此类方法考察恶意软件与病原体相似性的工作都基于理论分析与仿真。在此，我们扩展经典的易感-感染-恢复（SIR）流行病学模型，以描述恶意软件所使用的两种最常见感染方式。我们将所提模型拟合于一家主要反恶意软件供应商在一年内收集的恶意软件数据。我们表明，通过拟合所提模型，可以识别恶意软件使用的传播方式、其感染率，以及在未被反病毒软件阻断的情况下将被感染的机器数量。实际感染机器数与预测感染机器数之间的 Spearman 相关系数为 0.84。考察反恶意软件“签名”由反病毒提供商传输给易感计算机的情形，我们表明：若少于约 60% 的易感计算机已被感染，则清除恶意软件的时间将较短且独立于已感染计算机的数量；若更多计算机被感染，则清除时间将约为 3.2 倍更长，并将依赖于已感染计算机的比例。我们的结果表明，将感染流行病学模型应用于恶意软件可为反病毒提供商提供关于恶意软件传播及其潜在损害的信息。我们进一步提出，计算机恶意软件与生物病原体之间的相似性、前者数据的可得性与后者数据的匮乏，使得恶意软件成为测试干预措施的极有用模型，这些干预措施日后可应用于改进医学。