🧬 生物学

Stochastic SIS Model with Dynamic Node Activity: Epidemic Threshold and Stationary States

本文将经典的随机 SIS 模型扩展到具有动态节点活跃度的网络，证明了尽管活动率不会改变流行病阈值或稳态感染水平，但由于暂时失活的感染节点可以作为维持感染的蓄水池，它们会显著减慢瞬态动力学过程。

原作者： Alexey V. Nikiforov, Alexey A. Magazev

发布于 2026-10-29

📖 1 分钟阅读☕ 轻松阅读

原作者： Alexey V. Nikiforov, Alexey A. Magazev

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

在数字世界中，网络是支撑现代生活的无形支架。从办公楼里的计算机到智能家居中的设备，这些系统都依赖于不断的连接来共享信息。然而，正如病毒可以在人群中传播一样，恶意软件也可以通过这些数字连接，从一个设备跳跃到另一个设备。科学家们长期以来一直使用数学模型来预测此类感染的行为，将计算机视为可以处于健康或患病状态的人类。一种被称为 SIS 的经典模型假设，一旦计算机被感染，它可以康复并恢复健康，随后可能再次感染病毒。这一框架有助于研究人员了解感染何时会自行消退，以及何时会变成一个永久性的、挥之不去的问题。但这些传统的模型通常假设每台计算机始终在线并随时可以进行交互，而这种情况在现实中很少见。在现实世界中，设备会因为更新、睡眠模式或仅仅是因为被关闭而离线，从而创造出一种网络传播信息的能力不断变化的动态局面。

来自俄罗斯的一个研究小组致力于探索当这种持续的连通性被打破时会发生什么。他们开发了一种新的方法，用于模拟当设备本身并不总是可用时，计算机病毒是如何传播的。在他们的模型中，每台计算机有两个截然不同的状态：要么是“启用”状态，意味着它在线并准备好进行通信；要么是“禁用”状态，意味着它离线且处于静默状态。至关重要的是，处于禁用状态的计算机既不能感染病毒，也不能传播病毒，但如果它已经受到感染，它也无法康复。它只是在等待重新上线前处于一种悬置状态。研究人员想要知道，这种在在线与离线之间的不断切换是否会改变流行病传播的基本规则，特别是它是否会提高或降低感染扎根并变得永久所需的阈值。

为了调查这一点，该团队构建了一个包含一千个节点（代表单个设备）的计算机模拟实验。他们创建了一个虚拟环境，其中的设备以随机模式连接，类似于典型办公网络中的计算机连接方式。然后，他们引入了一种病毒，并观察它如何随时间在系统中移动。模拟允许他们调整“活动率”，即决定设备在在线和离线之间切换的频率。他们测试了病毒较弱且可能消退的情景，以及病毒较强且可能成为网络永久特征的情景。通过运行数千次此类模拟，他们可以观察感染的平均行为，并将他们的发现与数学预测进行对比。

结果揭示了流行病核心规则中一种令人惊讶的稳定性。研究人员发现，感染成为永久性问题的关键阈值并没有改变，无论设备离线的频率如何。无论计算机是在不断切换状态还是保持不变，病毒变得无法阻挡的临界点都与经典模型完全相同。如果病毒足够强大，能够在静态网络中传播，那么它在动态网络中也会传播。节点的活动并未使网络在面对初始接管时变得更脆弱或更强韧；爆发的基本数学逻辑保持不变。

然而，虽然最终结果是一样的，但到达终点的过程却大不相同。研究人员发现，感染传播或消退的速度深受设备离线频率的影响。在病毒较弱且注定会消退的情况下，当设备频繁地在在线和离线状态之间切换时，感染消失的速度要慢得多。这种反直觉的结果之所以发生，是因为处于禁用状态的受感染设备充当了一个隐蔽的储库。当一个受感染的设备离线时，它无法康复，因此它会在等待重新上线时保留病毒。这延迟了康复过程，使得病毒比在每个设备都能随时活跃并自我修复的网络中存活的时间更长。

同样的减速效应在病毒较强且注定会变为永久性的情况下也被观察到了。在这些案例中，当活动率较高时，感染达到最终稳定水平所需的时间要长得多。不断的切换造成了一个瓶颈；受感染的设备花费了大量时间处于离线状态，导致它们无法像在静态网络中那样快速地向邻居传播病毒。这就像是感染正在参加一场比赛，但跑者们却经常被迫停下来等待，从而减慢了整个群体的进度。尽管存在这种延迟，感染最终仍会达到与在所有人都始终在线的网络中相同的流行水平。受感染设备的最终数量仅取决于病毒的强度和网络的结构，而不取决于设备进入睡眠模式的频率。

这些发现表明，虽然现代网络的动态特性并不会使其在本质上更容易或更难受到爆发的影响，但它确实显著改变了事件的时间表。对于那些试图管理或遏制数字感染的人来说，设备的活动是一个至关重要的因素。一个设备频繁离线的网络可能看起来是在减缓一场爆发，但它实际上只是在延迟必然的结果，让病毒以休眠状态存在更长时间。这项研究为现实世界的约束（如设备关闭）如何与数字威胁的传播相互作用提供了更清晰的图景，表明即使游戏的节奏发生了变化，游戏的基本规则依然保持不变。

技术摘要：具有动态节点活跃度的随机 SIS 模型

问题陈述
传播过程（如计算机病毒传播）的数学建模通常依赖于诸如易感-感染-易感（SIS）框架之类的分层模型。虽然经典的模型假设网络拓扑是静态的或节点持续可用，但现实世界的系统经常表现出动态节点活跃度，即节点（例如工作站或移动设备）会定期在激活（启用）和非激活（禁用）状态之间切换。在这些场景中，底层网络拓扑保持不变，但只有处于启用状态的节点才会参与传播。本文旨在解决的核心问题是：这种动态节点可用性如何影响传染病的流行阈值和稳态，特别是研究经典的 SIS 阈值是否得以保留，以及活动率如何影响瞬态动力学。

方法论
作者提出了一个定义在连通无向图 $G = (V, L)$ 上的随机 SIS 模型，其中包含 $N$ 个节点。每个节点拥有两个独立的二元属性：

活动状态： 启用（ $E$ ）或禁用（ $D$ ）。
流行病学状态： 易感（ $S$ ）或感染（ $I$ ）。

这产生了四种可能的节点状态： $(D,S), (D,I), (E,S), (E,I)$ 。其动力学由离散时间概率转移控制：

活动转移： 节点以概率 $\lambda_+$ 和 $\lambda_-$ 在 $D$ 和 $E$ 之间切换，且与感染状态无关。
流行病学转移：
- 一个启用状态的易感节点以概率 $\mu_a \approx \beta k_a i(t)$ 变为感染，其中 $k_a$ 是节点度， $\beta$ 是传播概率， $i(t)$ 是启用群体中的感染节点比例。
- 一个启用状态的感染节点以概率 $\delta$ 康复。
- 禁用状态的节点保留其流行病学状态；它们在禁用期间既不能感染他人，也不能康复。

本研究采用了两种互补的方法：

平均场近似（Mean-Field Approximation）： 通过假设节点在统计上是等效的，推导出一个连续体类似物，并通过描述各状态节点的比例（ $s_D, i_D, s_E, i_E$ ）来描述系统。这产生了一个常微分方程组，用于分析稳态和稳定性。
随机模拟： 在 Erdős–Rényi 随机图（ $N=1000$ ）上进行直接模拟，以验证解析预测并量化有限尺寸效应。模拟采用同步更新，并在多个图实现和流行病运行过程上进行系综平均。

主要贡献

模型构建： 本文引入了一种随机 SIS 模型，该模型明确地将节点活动与流行病学状态解耦，从而能够对传输取决于节点可用性的系统进行严格分析。
解析推导： 作者推导了平均场方程并识别了稳态，证明了在流行病阈值处存在转捩分叉（transcritical bifurcation）。
阈值保留： 一个主要的理论发现是，由基本再生数 $R_0 = \beta \langle k \rangle / \delta$ 定义的流行病阈值与经典的 SIS 结果完全相同，并且独立于活动参数（ $\lambda_+, \lambda_-$ ）。
瞬态动力学分析： 本文量化了活动率对收敛速度的反直觉影响。研究表明，增加活动切换率（ $\lambda$ ）会减慢亚临界状态下（ $R_0 < 1$ ）感染的衰减速度，以及超临界状态下（ $R_0 > 1$ ）向流行态的收敛速度。

结果

稳态：
- 无感染状态： 当 $R_0 < 1$ 时存在且稳定。
- 流行态（Endemic State）： 当 $R_0 > 1$ 时存在且稳定。启用群体中感染节点的稳态比例为 $1 - 1/R_0$ 。
- 独立性： 感染的稳态水平仅取决于 $R_0$ ，而与对称情况下的活动率 $\lambda$ （即 $\lambda_+ = \lambda_- = \lambda$ ）无关。
瞬态动力学（“储库”效应）：
- 亚临界状态（ $R_0 < 1$ ）： 增加 $\lambda$ 会减慢感染的指数级衰减。这可以用以下事实来解释：处于禁用状态的感染节点无法康复；它们充当了“储库”，比在静态网络中更持久地维持着感染。
- 超临界状态（ $R_0 > 1$ ）： 增加 $\lambda$ 会减慢向稳态平台期的收敛。高活动率导致感染节点在禁用状态下停留较长时间，在此期间它们无法传播病毒，从而导致系统在稳定之前出现感染水平的初始下降。
模拟与理论对比： 在 Erdős–Rény–Li 随机图上的随机模拟证实了关于阈值以及稳态对 $\lambda$ 独立性的解析预测。然而，模拟显示在超临界状态下，感染水平比平均场预测系统性偏低（约 2–4%），这归因于平均场对度分布上感染概率的平均处理以及有限尺寸效应。

意义
本文声称其主要意义在于将经典的平均场 SIS 模型扩展到动态节点可用性的情况。研究表明，虽然流行病阈值是稳健的且不受动态节点活动的影响，但时间动力学却发生了显著变化。具体而言，研究发现较高的活动率反而可能延长感染的持续时间（通过防止禁用状态下的康复），这为理解具有间歇性连接性的系统（如定期离线的设备网络）中的传播过程提供了细致的见解。这项工作为理解“禁用节点储库效应”如何影响流行病控制和收敛的时间尺度提供了理论基础。

类似论文