基于介度相关性的无标度网络抗毁性研究

复杂网络主要面临随机攻击和选择性攻击,在不同的攻击方式下复杂网络的抗毁性有很大差异。综合考虑复杂网络的抗毁性参数,以节点的度和介数中心性为度量参数,通过5种不同攻击方式对无标度网络的抗毁性进行测试,得到度和介数的实时测量值,动态分析攻击下无标度网络的介度相关性。实验结果表明,无标度网络在ID、RD攻击下介度满足幂律关系,而在IB、RB和随机攻击下不严格满足幂律关系。     

复杂网络抗毁性研究综述

复杂网络的抗毁性直接关系到复杂网络的安全性和可靠性,是近年来复杂网络研究的热点分支。从抗毁性测度、抗毁性分析以及抗毁性优化三方面详细综述了复杂网络抗毁性的研究进展,并对该研究领域存在的问题和未来的发展趋势进行了总结和展望。     

复杂网络抗毁性优化研究综述

随着对复杂网络认识的不断深入,复杂网络抗毁性的优化策略成为了新的研究热点。文章从拓扑结构、网络容量以及路由策略等三个层次详述了目前国内外复杂网络抗毁性优化策略的研究进展。最后对复杂网络抗毁性研究存在的问题进行了总结,对未来的发展趋势作了展望。     

基于介数中心性的无线传感器网络抗毁性评价方法

基于复杂网络理论的介数中心性,提出了无线传感器网络(WSNs)节点介数中心性概念,并利用该中心性来衡量网络中各个节点的重要性.基于网络结构熵,结合WSNs自身特性,给出了介数熵测度模型,用以衡量网络的抗毁性.仿真实验表明:提出的介数熵抗毁性测度能全面、准确地评估网络的抗毁性.     

复杂环境下网络抗毁性综合评估方法

为了量化、客观地评估网络在复杂环境下的抗毁性能评估,提出了一种多目标网络抗毁性评估方法。该方法引入结合粒子群算法的环境参数集概念,用于表示各项指标在不同环境下的重要程度,以体现不同环境对网络抗毁性能指标的不同要求;并从节点角度考虑将网络的鲁棒性、可用性、适应性与成本等目标综合起来,给出一种量化反映网络在不同环境下综合抗毁性能的算法,以弥补现有方法主观、非量化及无法适应复杂环境等缺陷。通过仿真实验验证了该方法的有效性。     

贵阳公交复杂网络抗毁性分析

城市公共交通系统可以抽象为由公交线路和停靠站点构成的网络,公交网络构成了一个典型的复杂网络。复杂网络的研究在过去几年得到了迅速发展,其中复杂网络的抗毁性是研究焦点之一。在本文中,以贵阳市的公共汽车交通系统中的停靠站点网络为研究对象,测试了网络在随机攻击和选择性攻击情况下的抗毁性。结果表明,该网络对节点的随机攻击具有较强的抗击能力,而对选择性攻击的抗击能力较弱。     

基于复杂网络的城市公交网络抗毁性分析*

以国内四个城市公共交通系统为研究对象,对由停靠站点构建的公交网络拓扑结构进行了计算和分析。在此基础上提出了公交网络的抗毁性测度——最大连通子图的相对大小和网络效率,并考察了公交网络在不同攻击模式下的抗毁性。结果表明,公交网络具有对随机攻击的鲁棒性,同时又具有对选择攻击的脆弱性。网络的可靠性是由一些关键节点（公交枢纽站点）的稳定性决定的,应当切实保障这类站点的正常、高效运行。     

一种复杂网络中节点安全重要性排序的度量方法

近年来,网络空间安全成为信息安全中的热门领域之一,随着复杂网络的研究日渐深入,网络空间安全与复杂网络的结合也变得日益密切。网络的整体安全性依赖于网络中具体节点的安全性,因此,对网络节点的安全重要程度进行有效排序变得极为关键,良好的排序方法应当将越重要的节点排在越靠前的位置。本文从网络的拓扑结构入手,研究了网络节点的局部关键性,在传统基础上考虑了相邻节点及次相邻节点的拓扑结构影响。同时,由于传统方法很少引入动态因素,因此本文引入了网络节点实时流量向量,算法既包含网络拓扑结构,又使用了不同时刻的节点流量,采用了静态与动态相结合的方式。实验结果表明,在破坏排序结果前top-n个节点时,与传统方法相比,本文算法在排序结果上具有更好的效果。     

一种新的网络抗毁性的度量方法

无线传感器网络的实际应用很大程度上依赖于可靠性,如何对其抗毁性进行评价是目前研究的热点.对此,基于元胞蚁群算法提出一种新的度量方法(Invulnerability based on Cellular Ant,ICA).该方法首先利用节点重要度建立了网络抗毁性的评价指标和节点最大流量模型,同时通过元胞蚁群算法进行求解.其次,以实际数据进行仿真实验,结果发现网络抗毁性与节点数之间成正相关,而与能量消耗比之间成负相关.并且相比于二维抗毁性算法,ICA算法表现出较好的适应性.     

复杂网络抗毁性测度研究综述

随着对复杂网络的定性特征与定量规律的深入探索,复杂网络的抗毁性测度研究已成为复杂性科学的研究热点之一。文章从抗毁性需求出发,给出了网络抗毁性的定义和抗毁性量化指标,并基于网络攻击策略详述了目前复杂网络抗毁性测度方法的研究进展。最后对复杂网络抗毁性测度研究存在的问题进行了总结,对未来的发展趋势作了展望。     

改进的加权复杂网络节点重要度评估方法

针对加权复杂网络中的节点重要度评估问题,提出一种改进的基于凝聚度的节点重要度评估方法。综合考虑节点的连接特性对节点重要度的影响,引入节点连边的重要度评估,将节点的重要度表示为节点自身重要度与其连边重要度的加权和,通过调节加权比例系数,分析节点连边重要度对节点重要度排序及节点相对重要性的影响。算例分析结果验证了改进方法的可行性和有效性。     

复杂网络二维抗毁性测度指标及评价算法

为衡量网络结构破坏和动态流变化对网络性能的影响,构造一个具有二维特征的抗毁性测度综合效率指标,利用基于度和介数的节点删除法模拟蓄意攻击,将网络遭遇攻击后动态流的总流动成本的倒数作为网络的综合效率值以评价网络遭遇攻击后的破坏程度,并设计网络抗毁性能评价算法。以某快递企业的配送网络为例进行验证,结果表明对于具有动态流的现实网络,该指标能有效地揭示其破坏 状况。     

基于复杂网络理论的中国航空网络抗毁性测度分析

运用复杂网络理论建立的网络抗毁性测度方法,对中国航空网络进行了抗毁性实证分析。对中国航空网络连通性影响最大的机场是乌鲁木齐、昆明、西安等区域枢纽机场;针对度值进行选择性蓄意攻击,攻击机场数量达到5%时,就能使中国航空网络效率下降至50%左右;根据关键机场遭受蓄意攻击后,航空流量的重新流向对其他机场产生的流量压力来看,北京、上海及广州三个城市的机场对保持中国航空网络的稳定起着决定性的作用。     

一种新的复杂网络节点重要性评估方法

网络拓扑结构及节点间的相对距离对复杂网络节点的重要程度具有较大影响。在分析并研究现有节点重要性评估方法的基础上,根据邻居节点的拓扑结构并结合万有引力定律,提出一种基于改进重力中心性的复杂网络节点重要性评估方法。实验从SIR传播模型的准确性和单调性两方面验证了该方法的有效性,且结果表明其可对节点重要性进行重新排序,相比度中心性、介数中心性等方法能更准确地评估复杂网络节点的传播能力与重要性。     

一种定量评估复杂网络节点重要度的算法

提出一种定量评估复杂网络节点重要度的算法,定义虚拟的理想“核心节点”,将灰色关联度作为测度,评价网络中每个节点和理想“核心节点”的关联度,关联度越高,节点在网络中的重要性越大。仿真结果表明,与同类算法相比,该算法运算速度更快,适用于评价大型复杂网络中节点的重要度。     

小世界网络抗毁性及介-度相关性研究

日常生活中,复杂网络主要面临随机攻击和选择性攻击,网络模型的结构特性使复杂网络在不同攻击方式下的抗毁性有很大的差异.综合考虑复杂网络的抗毁性参数和网络模型的结构特性差异,文章以节点的最大度值、平均度值、最大介数和平均介数为度量参数,通过5种不同攻击方式对WS小世界网络的抗毁性进行了测试,得到了介度关系曲线,随着节点的移除,动态分析了WS小世界网络的抗毁性和攻击下小世界网络的介 度相关性.实验结果表明,WS小世界网络在RD攻击下表现出一定的脆弱性,在其他攻击方式下有很强的鲁棒性,而其介度关系在某些区域呈线性关系,但大部分区域呈现无规律性,其动态相关性需要进一步研究.小世界网络较强的抗毁性对组建网络有重要的影响,鉴于小世界网络的结构特性,组建网络时应尽量不要把网络的功能集中在少数Hub节点上.针对WS小世界网络较强的鲁棒性,结合小世界网络的结构特性,将做进一步研究,以便提出更高效的攻击策略.     

基于VIKOR模型的复杂网络节点重要度评估

复杂网络重要节点在遭受敌方蓄意攻击时往往会造成网络的大范围瘫痪,评估出重要节点对网络的可靠性和网络安全具有重要意义。现有的评估重要节点的中心性准则仅针对某一测度,具有局限性,因此,文章提出了一种结合现有中心性准则对复杂网络节点进行重要度排序的方法。该方法结合度中心性、中介中心性、接近中心性和特征向量中心性准则,从多角度多方位评估节点重要性。该方法借助熵权法求得每项准则的权重,避免了人为因素带来的偏差。采用多准则妥协解排序法(VIKOR)对节点的重要度进行排序,在3个典型的复杂网络上利用病毒传播模型(SI)对传播过程进行仿真。结果表明,与单一的度中心性指标、中介中心性指标、接近中心性指标和特征向量中心性指标相比,VIKOR方法能更全面更准确地排序节点的重要性。     

网络抗毁度和节点重要性评价方法

针对现有评价模型无法准确评价某些典型网络抗毁度和节点重要性的问题,提出一种基于全网平均等效最短路径数的网络抗毁评价模型,全网平均等效最短路越多,网络的抗毁能力越强。在此基础上,提出一种节点重要性评价方法,如果节点失效后网络抗毁度下降越多,则该节点在网络中的重要性越大。     

利用网络表征学习辨识复杂网络节点影响力

发现复杂网络中最具影响力的节点,有助于分析和控制网络中的信息传播,具有重要的理论意义和实用价值.传统的确定节点影响力的方法大多基于网络的邻接矩阵、拓扑结构等,普遍存在数据维度高和数据稀疏的问题,基于网络表征学习,本文提出了一种局部中心性指标来辨识网络中高影响节点(NLC),首先采用DeepWalk算法,把高维网络中的节...