Considering a dependency graph, an

Considering a dependency graph, an arbitrary initial score is attributed to each node which only impacts the convergence time. At each iteration, the current score of each node is distributed through its outgoing links, and the new ranking score for each node is the sum of distributed ranking scores that all the incoming links bring. The iterations continue until the score changes are sufficiently small. In case of nodes without outgoing links (dangling nodes) we assume the scores
are distributed evenly to all nodes. To ensure convergence at primary eigenvalue, extra links are added between each pair of nodes. A certain portion of ranking scores is distributed through riginal links, and the rest is distributed through the added links. The portion of scores, distributed through the original links, is call damping factor d, and is fixed at 0.5 as an indication of how link structure influence the final rankings. We let the 1 − d node scores distributed to all the graph nodes according to our subjective preference of each node (a higher node weight is assigned to nodes representing infected honeypots). Assuming n nodes/hosts, P t and W are n-dimensional vectors representing the ranking scores and weights of the nodes, each sums to one, and let A be the adjacency matrix modified to link dangling pages to all the graph nodes, then the PageRank computation can be formalized as:
P t = (1 − d)W + dA T P t−1
(1)

Kết quả (Việt) 1:

Xem xét một đồ thị phụ thuộc, một số điểm tùy ý ban đầu được cho là do mỗi nút đó chỉ tác động vào thời điểm hội tụ. Tại mỗi iteration, điểm mỗi nút, hiện tại được phân phối thông qua liên kết đi, và điểm xếp hạng mới cho mỗi nút là tổng của điểm phân phối xếp hạng mang lại cho tất cả các liên kết đến. Sự lặp đi lặp lại tiếp tục cho đến khi những thay đổi điểm là đủ nhỏ. Trong trường hợp các nút mà không có liên kết đi (tòn ten nút), chúng tôi giả định điểm sốđược phân phối đều cho tất cả các nút. Để đảm bảo hội tụ tại chính eigenvalue, liên kết bổ sung được thêm vào giữa mỗi cặp của các nút. Một phần nhất định của xếp hạng điểm được phân phối thông qua các liên kết riginal, và phần còn lại được phân phối thông qua các liên kết bổ sung. Các phần của điểm số, phân phối thông qua các liên kết ban đầu, là cuộc gọi giảm yếu tố d, và 0,5 cố định như là một dấu hiệu của cách cấu trúc liên kết ảnh hưởng đến bảng xếp hạng cuối cùng. Chúng tôi cho phép − 1 nút d điểm phân phối cho tất cả các nút biểu đồ theo sở thích của chúng tôi chủ quan của mỗi nút (trọng lượng hơn nút được gán cho các nút đại diện cho bị nhiễm honeypots). Giả sử n nút/máy chủ, P t và W là vectơ n chiều, đại diện cho điểm xếp hạng và trọng lượng của các nút, mỗi tiền để một, và giả sử A là ma trận kề lần đến tòn ten trang liên kết đến tất cả các nút biểu đồ, sau đó tính toán PageRank có thể được chính thức hoá như:P t = (1 − d) W + dA T P t−1(1)

Kết quả (Việt) 2:

Xét một đồ thị phụ thuộc, một số ban đầu tùy ý được gán cho mỗi nút mà chỉ tác động đến thời gian hội tụ. Tại mỗi lần lặp, số điểm hiện tại của mỗi nút được phân phối thông qua các liên kết đi của nó, và số điểm xếp hạng mới cho mỗi nút là tổng điểm xếp hạng phân phối tất cả các liên kết mang lại. Việc lặp đi lặp lại tiếp tục cho đến khi thay đổi điểm số là đủ nhỏ. Trong trường hợp của nút mà không cần liên kết đi (treo lủng lẳng các nút), chúng tôi giả định các điểm
được phân phối đồng đều cho tất cả các nút. Để đảm bảo hội tụ tại eigenvalue chính, liên kết thêm được thêm vào giữa mỗi cặp nút. Một phần nào đó của điểm xếp hạng được phân phối thông qua các liên kết riginal, và phần còn lại được phân phối thông qua các liên kết bổ sung. Các phần của điểm số, phân phối thông qua các liên kết ban đầu, được gọi giảm xóc yếu tố d, và được cố định ở mức 0.5 như một dấu hiệu của cấu trúc liên kết ảnh hưởng đến bảng xếp hạng chính thức như thế nào. Chúng tôi cho phép 1 - điểm nút d phân phối cho tất cả các nút đồ thị theo sở thích chủ quan của chúng tôi của mỗi nút (trọng lượng nút cao được gán cho các nút đại diện cho honeypots nhiễm). Giả sử n nút / hosts, P t và W là vectơ n chiều đại diện cho điểm xếp hạng và trọng lượng của các nút, mỗi một khoản tiền để một, và để cho A là ma trận kề sửa đổi để liên kết các trang lơ lửng đến tất cả các nút đồ thị, sau đó các tính toán PageRank có thể được chính thức hóa như:
P t = (1 - d) W + dA TP t-1
(1)