一种基于节点度值的复杂网络聚类算法攻击方法技术

一种基于节点度值的复杂网络聚类算法攻击方法，包括以下步骤：S1：导入网络；S2：采用复杂网络聚类算法对网络进行聚类，得到团簇；S3：按以下步骤选择网络中的K个可操控节点：3.1)计算网络中各节点度值；3.2)选择度值最大的节点；3.3)从剩下的团簇中选择度值最大的节点；3.4)如果K＞h，则重复步骤3.2)和3.3)直至选满K个节点；S4：从K个可操控节点中随机选取一个节点，获得它的簇内邻居节点集合和簇间非邻居节点集合；S5：随机删除一条它与簇内邻居节点的连边，同时增加一条它与簇间非邻居节点的连边；S6：更新网络；S7：重复步骤S4～S6过程T次。本发明专利技术可以选择攻击对象，并实现较好的攻击效果。

Attack algorithm for complex network clustering algorithm based on node degree value

An attack method of complex network clustering algorithm based on node degree value includes the following steps: S1: importing the network; S2: clustering the network with complex network clustering algorithm to get clusters; S3: selecting K controllable nodes in the network according to the following steps: 3.1) calculating the degree value of each node in the network; 3.2) choosing the best degree value. Large nodes; 3.3) Select the nodes with the highest degree from the remaining clusters; 3.4) If K > h, repeat steps 3.2 and 3.3 until the K nodes are fully selected; S4: Randomly select one node from the K controllable nodes to obtain its set of neighboring nodes within the cluster and the set of non-neighboring nodes between the clusters; S5: Randomly delete one node from it and the cluster. Inside the neighbor node's edge, at the same time add an edge with the non-neighbor node between the cluster; S6: update the network; S7: repeat the C4 ~ S6 process T times. The invention can select attack objects and achieve better attack effect.

【技术实现步骤摘要】
一种基于节点度值的复杂网络聚类算法攻击方法
本专利技术涉及复杂网络聚类领域和网络攻击领域，特别是涉及一种基于节点度值的复杂网络聚类算法攻击方法。
技术介绍
复杂网络是当前多学科交叉的热点研究领域之一。除了小世界、无标度等性质，越来越多的研究表明社团结构也是许多复杂网络共有的性质之一。发现网络中的社团结构对了解网络的功能、探寻网络中隐藏的规律、预测网络的行为等都具有十分重要的意义。至今，已经有许多复杂网络聚类算法被应用于社团结构的发现，包括Girvan和Newman提出的以边介数为分裂条件的GN算法(参考文献[1]:GirvanM,NewmanMEJ.Communitystructureinsocialandbiologicalnetworks[J].Proceedingsofthenationalacademyofsciences,2002,99(12):7821-7826.即GirvanM,NewmanMEJ,社交网络和生物网络中的社团结构,Proceedingsofthenationalacademyofsciences,2002,99(12):7821-7826.)，通过迭代删除网络中边介数高的节点进行网络分裂；Newman提出的基于“贪婪”思想的fastnewmans算法(参考文献[2]:NewmanME.Fastalgorithmfordetectingcommunitystructureinnetworks[J].PhysicalReviewEStatisticalNonlinear&SoftMatterPhysics,2004,69(6Pt2):066133.即NewmanME,识别网络社团结构的快速算法,PhysicalReviewEStatisticalNonlinear&SoftMatterPhysics,2004,69(6Pt2):066133.)，以模块度为优化目标，自下而上进行凝聚。从量化网络社团结构的显著性角度出发，Karrer等提出了一种对网络添加微小扰动以评估网络社团结构鲁棒性的方法(参考文献[3]:KarrerB,LevinaE,NewmanME.Robustnessofcommunitystructureinnetworks[J].PhysicalReviewEStatisticalNonlinear&SoftMatterPhysics,2007,77(2):046119.即KarrerB,LevinaE,NewmanME,网络社团结构的鲁棒性,PhysicalReviewEStatisticalNonlinear&SoftMatterPhysics,2007,77(2):046119.)，根据标准配置模型构建随机图，遍历原网络图中的各个连边，以α的概率移除连边并用已构建的随机图中对应连边替换，得到扰动后的网络。比较原网络与扰动网络的社团发现结果来衡量网络社团结构的鲁棒性，发现空手道俱乐部网络具有强社团结构。随着复杂网络聚类算法研究的深入，网络结构信息被进一步挖掘，新的关注点应运而生。如何改变网络中的一些连边关系，对复杂网络聚类算法进行攻击，使得部分网络社团结构信息不易被发现。
技术实现思路
为了克服现有技术中无法实现有效的攻击、攻击成本较大的不足，本专利技术提供一种结合网络属性选择攻击对象、效果较好的基于节点度值的复杂网络聚类算法攻击方法。为了解决上述技术问题，本专利技术所提出的技术方案如下：一种基于节点度值的复杂网络聚类算法攻击方法，所述方法包括如下步骤：S1：导入网络G＝(V,E)，其中V表示网络中节点的集合，E表示网络中连边的集合，记网络中共有n个节点，m条连边；S2：采用聚类算法对网络进行聚类，得到结果为团簇C1，C2，...，Ch，h为聚类得到的团簇个数；S3：选择网络中的可操控节点；根据节点的度值属性选择网络中的K个节点作为可操控节点，步骤为：3.1)计算网络中各个节点的度值，节点的度是指与其直接相连的边数目，节点i的度值记为ki；3.2)网络中K个可操控节点的集合记为Vattacked，选择网络中度值最大的节点添加到集合Vattacked中；3.3)在剩余的团簇中继续选择度值最大的节点添加到可操控节点集合Vattacked，以此类推；3.4)如果K＞h，则重复步骤3.2)和3.3)直至选满K个大度值节点；S4：从可操控节点集合Vattacked中随机选取一个节点Nrandom，获知节点Nrandom所属的团簇，记为Ci，得到它的邻居节点集合φ与非邻居节点集合ψ，再结合步骤S2中获得的聚类团簇结果构建节点Nrandom的簇内邻居节点集合VinClusterNei与簇间非邻居节点集合VoutClusterNonei；S5：从节点Nrandom的簇内邻居节点集合VinClusterNei中随机选择一个节点，删除两个节点之间的已有连边，同时从节点Nrandom的簇间非邻居节点集合VoutClusterNonei中随机选择一个节点，添加连边；如果集合VinClusterNei为空集，意味着节点Nrandom已不再具有簇内邻居节点，则此轮跳过；S6：按照步骤S4和S5进行一次重连边后，更新网络；S7：重复步骤S4～S6所述过程T次。本专利技术的技术构思为：为了实现尽可能有效的攻击同时对网络整体的改变尽可能小，一种基于节点度值的复杂网络聚类算法攻击方法主要需要解决以下两个问题：(1)如何选择攻击对象，即网络中的可操控节点；(2)如何对所选节点进行攻击，设计合理的重连边策略，保证整个网络的节点数、连边数不变，并达到较好的攻击效果。一个节点的度值越大意味着这个节点的度中心性越高，也就意味着这个节点在网络中越重要。同时网络具有社团结构表现为社团内的节点连接比较稠密，社团间的节点连接比较稀疏。在选取网络中的可操控对象以及设计连边策略时，考虑网络的这些特性，结合节点的度值信息以及利用复杂网络聚类算法获得的社团划分结果作为先验知识，可以进行更有效的攻击。本专利技术的有益效果为：基于节点的度值选择攻击对象，可以实现较好的攻击效果，即对所选节点进行重连边，使得被攻击的网络社区结构强度变弱，聚类算法获得结果变差。附图说明图1为本专利技术所提出的一种基于节点度值的复杂网络聚类算法攻击方法的流程图。图2为本专利技术实施例采用的空手道俱乐部网络。图3为本专利技术实施例以Q值为评价指标的攻击效果图。图4为本专利技术实施例以NMI为评价指标的攻击效果图。具体实施方式下面结合说明书附图对本专利技术的具体实施方式作进一步详细的描述。参照图1～图4，一种基于节点度值的复杂网络聚类算法攻击方法，本实施例中使用社团发现研究领域中常用的空手道俱乐部网络为实验对象。采用的复杂网络聚类算法为Newman提出的谱模块度最大化算法(参考文献[4]:NewmanMEJ.Modularityandcommunitystructureinnetworks[J].ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica,2006,103(23):8577-82.即:NewmanMEJ,网络中的模块度和社团结构,Proceedingsofth本文档来自技高网...

【技术保护点】
1.一种基于节点度值的复杂网络聚类算法攻击方法，其特征在于，所述方法包括如下步骤：S1：导入网络G＝(V,E)，其中V表示网络中节点的集合，E表示网络中连边的集合，记网络中共有n个节点，m条连边；S2：采用聚类算法对网络进行聚类，得到结果为团簇C1，C2，...，Ch，h为聚类得到的团簇个数；S3：选择网络中的可操控节点；根据节点的度值属性选择网络中的K个节点作为可操控节点，步骤为：3.1)计算网络中各个节点的度值，节点的度是指与其直接相连的边数目，节点i的度值记为ki；3.2)网络中K个可操控节点的集合记为Vattacked，选择网络中度值最大的节点添加到集合Vattacked中；3.3)在剩余的团簇中继续选择度值最大的节点添加到可操控节点集合Vattacked；3.4)如果K＞h，则重复步骤3.2)和3.3)直至选满K个大度值节点；S4：从可操控节点集合Vattacked中随机选取一个节点Nrandom，获知节点Nrandom所属的团簇，记为Ci，得到它的邻居节点集合φ与非邻居节点集合ψ，再结合步骤S2中获得的聚类团簇结果构建节点Nrandom的簇内邻居节点集合VinClusterNei与簇间非邻居节点集合VoutClusterNonei；S5：从节点Nrandom的簇内邻居节点集合VinClusterNei中随机选择一个节点，删除两个节点之间的已有连边，同时从节点Nrandom的簇间非邻居节点集合VoutClusterNonei中随机选择一个节点，添加连边，如果集合VinClusterNei为空集，意味着节点Nrandom已不再具有簇内邻居节点，则此轮跳过；S6：按照步骤S4和S5进行一次重连边后，更新网络；S7：重复步骤S4～S6所述过程T次。...

【技术特征摘要】
1.一种基于节点度值的复杂网络聚类算法攻击方法，其特征在于，所述方法包括如下步骤：S1：导入网络G＝(V,E)，其中V表示网络中节点的集合，E表示网络中连边的集合，记网络中共有n个节点，m条连边；S2：采用聚类算法对网络进行聚类，得到结果为团簇C1，C2，...，Ch，h为聚类得到的团簇个数；S3：选择网络中的可操控节点；根据节点的度值属性选择网络中的K个节点作为可操控节点，步骤为：3.1)计算网络中各个节点的度值，节点的度是指与其直接相连的边数目，节点i的度值记为ki；3.2)网络中K个可操控节点的集合记为Vattacked，选择网络中度值最大的节点添加到集合Vattacked中；3.3)在剩余的团簇中继续选择度值最大的节点添加到可操控节点集合Vattacked；3.4)如果K＞h，则重复步骤3.2)和3.3)直至选满K个大度...

【专利技术属性】
技术研发人员：宣琦，陈丽红，赵明浩，陈晋音，俞山青，傅晨波，阮中远，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33