Bases para la Modelación de Epidemias: el Caso del Síndrome Respiratorio Agudo Severo en Canadá

Hincapié, Doracelly; Ospina, Juan

doi:10.1590/s0124-00642007000100012

Cited by 5 publications

(5 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…These models can also describe the spread behavior of computer worms. Usually, they are referred as dynamic systems represented by differential equations; for example, in the cases shown in (Changchun et al, 2002;Yang-Chenxi, 2003;Tao et al, 2007;Onwubiko et al, 2005;Juan et al, 2010;Hincapié-Ospina, 2007;Tassier, 2005) they are used to represent SI, SIR and SIRS models (Hincapié-Ospina, 2007). However, before considering the dynamic modeling, it is necessary to explain commonly used concepts in specialized literature.…”

Section: Commonly Used Concepts In Modeling Computer Worms Epidemicsmentioning

confidence: 99%

See 1 more Smart Citation

Basic definitions for discrete modeling of computer worms epidemics

et al. 2015

View full text Add to dashboard Cite

The information technologies have evolved in such a way that communication between computers or hosts has become common, so much that the worldwide organization (governments and corporations) depends on it; what could happen if these computers stop working for a long time is catastrophic. Unfortunately, networks are attacked by malware such as viruses and worms that could collapse the system. This has served as motivation for the formal study of computer worms and epidemics to develop strategies for prevention and protection; this is why in this paper, before analyzing epidemiological models, a set of formal definitions based on set theory and functions is proposed for describing 21 concepts used in the study of worms. These definitions provide a basis for future qualitative research on the behavior of computer worms, and quantitative for the study of their epidemiological models.Keywords: Epidemic, computer worm, basic definitions, hosts, network, state. RESUMENLas tecnologías de la información han evolucionado de tal manera que la comunicación entre computadoras o hosts se ha vuelto algo común, hasta el punto que la organización a nivel mundial (gobiernos y grandes empresas) depende de esto; lo que pasaría si estas computadoras dejaran de funcionar por un periodo de tiempo largo es catastrófico. Desgraciadamente, las redes de hosts son blanco de ataques por malware como virus y gusanos informáticos que podrían colapsar el sistema. Esto ha servido como motivación para el estudio formal de los gusanos informáticos y sus epidemias con el fin de idear estrategias de prevención y protección; por ello en el presente artículo, y previo al análisis de modelos epidemiológicos, se proponen un conjunto de definiciones formales basadas en la teoría de conjuntos y funciones que permiten describir 21 conceptos utilizados en el estudio de los gusanos informáticos. Estas definiciones servirán de base para futuras investigaciones cualitativas sobre el comportamiento de los gusanos informáticos, y cuantitativas para el estudio de sus modelos epidemiológicos.Palabras clave: Epidemia, gusano informático, definiciones básicas, red de computadoras, estado.

show abstract

Section: Commonly Used Concepts In Modeling Computer Worms Epidemicsmentioning

confidence: 99%

“…Epidemiological State: Classical epidemiological models consider three states (Kermack-Mckendrick, 1927;Hincapié-Ospina, 2007) …”

Section: Epidemiologymentioning

confidence: 99%

Basic definitions for discrete modeling of computer worms epidemics

et al. 2015

View full text Add to dashboard Cite

show abstract

“…No existen barreras que alteren el patrón de dispersión, excluyendo los casos de epidemias de origen común con exposiciones discontinuas y periodos de incubación conocidos (Torok, 2003). Al mismo tiempo se emplea una función de recuperación lineal, lo cual es claramente una aproximación poco realista, pues se sabe que la recuperación, en sí misma, es un proceso no lineal (Doracelli & Ospina, 2007). In Figure 2, the reader can observe, from left to right and from top to bottom, the evolution of a spread disease with a homogeneous population density.…”

Section: The Hoya Martin Del Rey and Rodríguez Modelunclassified

“…There are no barriers that modify the scattering pattern, excluding the cases of common source epidemics with discontinuous expositions and known incubation periods (Torok, 2003). At the same time, the authors employed a linear recovery function, which is an unrealistic approximation, since it is well known that the recovery is, by itself, a non-linear process (Doracelli & Ospina, 2007).…”

Section: The Hoya Martin Del Rey and Rodríguez Modelmentioning

confidence: 99%

Autómatas celulares: mejoras de control e inmunidad en la simulación de fenómenos propagativos

2015

View full text Add to dashboard Cite

Los autómatas celulares bidimensionales constituyen una potente herramienta para la simulación de sistemas discretos complejos, son útiles en el tratamiento de fenómenos propagativos como epidemias o incendios. El presente trabajo propone una serie de mejoras teóricas, funcionales y aplicativas al estudio publicado en 2009 por Hoya, Martin del Rey, y Rodríguez, específicamente orientadas al control de los patrones de propagación en autómatas celulares con reticulados homogéneos de tamaño variable, lo que permite la simulación de conjuntos celulares inmunes que actúan como barreras en los entornos estudiados. Como agente propagante se utilizó el modelo epidemiológico Susceptible-Infectado-Recuperado [SIR] de recuperación de la influenza tipo A. El trabajo se desarrolló usando MATLAB®, lo que resultó en simulaciones más realistas y versátiles, que parecen ajustarse de manera más fiel a las observaciones realizadas en patrones conocidos de influenza.

show abstract

“…Para el caso de estudio, el modelo Susceptible-Infectado (SI), de acuerdo con Hincapié y Ospina (2007), este asume que en una comunidad con n individuos, el número de individuos en estado susceptible S(t) entra en contacto directo con el número de individuos en estado infectado I(t), quienes pueden contagiar o cambiar a estado infeccioso con una velocidad de infección β a los individuos en estado susceptible. El número total de individuos n será igual a la suma del número de individuos en estado susceptible S(t), más el número de individuos en estado infectado I(t).…”

Section: Modelo Epidemiológico Susceptible-infectado (Si)unclassified

Aproximación numérica del modelo epidemiológico SI para la propagación de gusanos informáticos, simulación y análisis de su error

López¹,

Martínez

Gonzalez³

et al. 2014

View full text Add to dashboard Cite

En el entorno biológico se han creado modelos epidemiológicos que tratan de explicar la dinámica de propagación de una epidemia en una población de individuos, para predecir el comportamiento de posibles epidemias que afecten a la humanidad. Esto ha servido de inspiración para estudiar las epidemias por gusanos informáticos, debido a que estos tienen la propiedad de propagarse por sí solos, a partir de un host infectado, hacia toda la red de hosts susceptibles. En este trabajo se analizó el modelo Susceptible-Infec-tado (SI) que asume que en una comunidad con n individuos, el número de individuos en estado susceptible S(t) entran en contacto directo con el número de individuos en estado infectado I(t). Estos últimos pueden contagiar o cambiar a estado infeccioso con una velocidad de infección B. Este modelo, al estar basado en ecuaciones diferenciales, no es posible implementarlo directamente en un programa de computadora, debido a la complejidad que esto representa por la infinidad de cálculos implicitos. Por esta razón se propuso un modelo aproximado basado en ecuaciones en diferencias finitas para obtener un método numérico iterativo con operaciones aritméticas elementales y lograr una simulación de la epidemia mediante teoría de conjuntos y cardinalidades. Adicional-mente, al tratarse de un modelo aproximado, se tendrá presente un error de aproximación debido a truncamiento o redondeo, el cual es analizado a partir de un caso de estudio desarrollado en Si-mulink de Matlab, comparándose los resultados del modelo basado en ecuaciones en diferencias con el modelo aproximado por diferencias finitas.

show abstract

Bases para la Modelación de Epidemias: el Caso del Síndrome Respiratorio Agudo Severo en Canadá

Abstract: The susceptible-infected model can be useful during an epidemic's initial phase (prior to removal); however, closer monitoring of an epidemic's development is required for modelling the strength of removal and deriving useful information for decision-making.

Cited by 5 publications

References 13 publications

Basic definitions for discrete modeling of computer worms epidemics

Basic definitions for discrete modeling of computer worms epidemics

Autómatas celulares: mejoras de control e inmunidad en la simulación de fenómenos propagativos

Aproximación numérica del modelo epidemiológico SI para la propagación de gusanos informáticos, simulación y análisis de su error

Contact Info

Product

Resources

About