一种有向网络中节点攻击成本与鲁棒性关系的预测方法技术

本发明专利技术公开了一种有向网络中节点攻击成本与鲁棒性关系的预测方法，首先得到人工合成的有向复杂网络与实际有向网络，其次计算每个节点的入度和出度值并分别对其进行归一化，之后对每种网络根据PageRank算法求出网络的每个节点的PageRank值，根据HITS算法求出网络的每个节点的Authority值和Hub值，根据LeaderRank算法求出网络的每个节点的LeaderRank值，将有向网络的节点按照重要性大小分成3种节点的攻击策略，分别进行考虑成本与不考虑成本的攻击，最后可以得出不同策略下网络的鲁棒性与节点攻击成本的关系曲线图。本发明专利技术更符合实际问题，可靠性更强，对于以后带有成本的有向复杂网络攻击具有借鉴意义。

A Prediction Method for the Relation between Node Attack Cost and Robustness in Directed Networks

The invention discloses a method for predicting the relationship between node attack cost and robustness in directed network. Firstly, the synthetic directed complex network and the actual directed network are obtained. Secondly, the entry and exit values of each node are calculated and normalized respectively. Then, the PageRank values of each node of the network are calculated according to PageRank algorithm, and the HITS algorithm is used to calculate the PageRank values of each node of the network. According to the Authority and Hub values of each node in the network, the LeaderRank values of each node in the network are calculated according to the LeaderRank algorithm. The nodes of the directed network are divided into three attack strategies according to the importance of the nodes. The attack strategies with and without cost are carried out respectively. Finally, the relationship between the robustness of the network and the attack cost of the nodes under different strategies is obtained. The invention is more practical and more reliable, and can be used for reference in future directed complex network attacks with cost.

【技术实现步骤摘要】
一种有向网络中节点攻击成本与鲁棒性关系的预测方法
本专利技术涉及有向复杂网络鲁棒性与节点攻击成本之间关系研究领域，尤其涉及一种有向网络中节点攻击成本与鲁棒性关系的预测方法。
技术介绍
可以用网络来描述许多实际复杂系统，不将节点的实际位置和边的实际特征考虑在内所展现出来的性质叫做网络的拓扑性质，其结构为网络的拓扑结构。网络可用集合G＝(V,E)来表示。N＝|V|表示节点数，M＝|E|表示边数。V＝{1，2，...N}表示节点集合，而E＝{eij|i∈V,j∈V,eij≠0}表示边的集合，若eij≠0则表示节点i与j之间有边，否则表示这两个节点间无边。假设网络中任意两个节点i与j，存在eij≠eji，就称该网络为有向网络，否则就称作无向网络。当考虑有向网络中节点的重要性时，一种简单的方法是把有向网络视为无向网络，从而可以直接利用无向网络中节点的重要性指标。然而，有向网络中边的方向对于节点的重要性往往是非常重要的。例如，在论文引用网络中，一篇论文的出度是它的参考文献的数量，而入度是该论文的他引次数。显然，即使一篇论文的出度很大，即参考文献数量很多，也不能反映该论文是否一定重要，否则每个人都可以轻而易举的写出重要的文章了。关于刻画有向网络中节点重要性的一个典型例子当推WWW上的搜索，当输入一个关键词后，搜索引擎就会基于某种排序算法对与该关键词有关的网页按照某种重要性指标进行排序。有向网络节点排序算法包括PageRank算法、HITS算法和LeaderRank算法等。目前关于对有向网络鲁棒性方面的研究主要集中在按排序算法对节点进行重要性排序并移除后并未考虑节点的攻击成本因素，然而有向网络中每个节点的PageRank值，Authority值，Hub值，LeaderRank值并不一定相同，考虑有向网络节点的攻击成本因素显得尤为重要。
技术实现思路
针对现有技术存在的不足之处，本专利技术的目的在于提供一种有向网络中节点攻击成本与鲁棒性关系的预测方法，在考虑了节点重要性排序的攻击成本情况下，可以有效得出节点攻击成本与鲁棒性之间的关系曲线图，便于更深入地进行有向网络鲁棒性的分析，对有向网络的网络安全性检测和安全性提升提供了重要的研究数据。本专利技术的目的通过下述技术方案实现：一种有向网络中节点攻击成本与鲁棒性关系的预测方法，其方法步骤如下：A、得到有向网络，该有向网络包括人工合成网络和实际使用的有向网络；B、对步骤A中的有向网络相关属性进行计算，得到有向网络的节点入度、节点出度，节点入度是指从其他节点指向该节点的边的数目，节点出度是指从一个节点指向其他节点的边的数目，并采用如下三种算法之一得到所对应的值：B1、PageRank算法：对有向网络根据PageRank算法得到有向网络的所有节点的PageRank值；B2、HITS算法：对有向网络根据HITS算法得到有向网络的所有节点的Authority值与Hub值，所述Authority值为根据HITS算法得到的节点的权威值，所述Hub值为根据HITS算法得到的节点的枢纽值；B3、LeaderRank算法：对有向网络根据LeaderRank算法得到有向网络的所有节点的LeaderRank值；本专利技术还可以对步骤B有向网络所采用的三种算法之一得到所对应的值随节点入度或节点出度的变化关系曲线图，具体如下：a1、若有向网络选择PageRank算法，对有向网络根据PageRank算法得到有向网络的所有节点的PageRank值，将有向网络的所有节点的PageRank值通过软件得到PageRank值随节点入度或节点出度的变化关系曲线图；a2、若有向网络选择HITS算法，对有向网络根据HITS算法得到有向网络的所有节点的Authority值与Hub值，将有向网络的所有节点的Authority值通过软件得到Authority值随节点入度或节点出度的变化关系曲线图，将有向网络的所有节点的Hub值通过软件得到Hub值随节点入度或节点出度的变化关系曲线图；a3、若有向网络选择LeaderRank算法，对有向网络根据LeaderRank算法得到有向网络的所有节点的LeaderRank值，将有向网络的所有节点的LeaderRank值通过软件得到LeaderRank值随节点入度或节点出度的变化关系曲线图。C、对步骤B所采用的算法所得到的值排序后并进行有向网络节点的攻击，具体如下：C1、若有向网络选择PageRank算法得到所有节点的PageRank值，则按照如下三种攻击策略之一对有向网络的节点进行攻击：C11、将有向网络的所有节点的PageRank值按照大小随机排序，按照此排序结果对所有节点进行攻击；C12、将有向网络的所有节点的PageRank值按照由小到大的顺序排序，按照此排序结果对所有节点进行攻击；C13、将有向网络的所有节点的PageRank值按照由大到小的顺序排序，按照此排序结果对节点进行攻击；C2、若有向网络选择HITS算法得到所有节点的Authority值与Hub值，若以所有节点的Authority值进行排序并按照如下三种攻击策略之一对有向网络的节点进行攻击：C21、将有向网络的所有节点的Authority值按照大小随机排序，按照此排序结果对所有节点进行攻击；C22、将有向网络的所有节点的Authority值按照由小到大的顺序排序，按照此排序结果对所有节点进行攻击；C23、将有向网络的所有节点的Authority值按照由大到小的顺序排序，按照此排序结果对所有节点进行攻击；C3、若有向网络选择HITS算法得到所有节点的Authority值与Hub值，若以所有节点的Hub值进行排序并按照如下三种攻击策略之一对有向网络的节点进行攻击：C31、将有向网络的所有节点的Hub值按照大小随机排序，按照此排序结果对所有节点进行攻击；C32、将有向网络的所有节点的Hub值按照由小到大的顺序排序，按照此排序结果对所有节点进行攻击；C33、将有向网络的所有节点的Hub值按照由大到小的顺序排序，按照此排序结果对所有节点进行攻击；C4、若有向网络选择LeaderRank算法得到所有节点的LeaderRank值，则按照如下三种攻击策略之一对有向网络的节点进行攻击：C41、将有向网络的所有节点的LeaderRank值按照大小随机排序，按照此排序结果对所有节点进行攻击；C42、将有向网络的所有节点的LeaderRank值按照由小到大的顺序排序，按照此排序结果对所有节点进行攻击；C43、将有向网络的所有节点的LeaderRank值按照由大到小的顺序排序，按照此排序结果对节点进行攻击；D、在步骤C中攻击有向网络的节点时，通过计算机软件同步计算出有向网络节点的攻击成本ρ；D1、若有向网络选择PageRank算法并按照步骤C1以PageRank值进行排序攻击，则总的攻击成本ρ通过如下公式计算得到：其中，PR为PageRank值的简写，Z为有向网络中被移除节点的数量总和，N为有向网络的节点总数，PRi是节点i的PageRank值，PRl是被攻击节点对应的PageRank值；D2、若有向网络选择HITS算法并按照步骤C2以Authority值进行排序攻击，则总的攻击成本ρ通过如下公式计算得到：其中，Z为有向网络中被移除节点的数量总和，N为本文档来自技高网...

【技术保护点】
1.一种有向网络中节点攻击成本与鲁棒性关系的预测方法，其特征在于：其方法步骤如下：A、得到有向网络，该有向网络包括人工合成网络和实际使用的有向网络；B、对步骤A中的有向网络相关属性进行计算，得到有向网络的节点入度、节点出度，节点入度是指从其他节点指向该节点的边的数目，节点出度是指从一个节点指向其他节点的边的数目，并采用如下三种算法分别得到所对应的值：B1、PageRank算法：对有向网络根据PageRank算法得到有向网络的所有节点的PageRank值；B2、HITS算法：对有向网络根据HITS算法得到有向网络的所有节点的Authority值与Hub值，所述Authority值为根据HITS算法得到的节点的权威值，所述Hub值为根据HITS算法得到的节点的枢纽值；B3、LeaderRank算法：对有向网络根据LeaderRank算法得到有向网络的所有节点的LeaderRank值；C、对步骤B所采用的算法所得到的值排序后并进行有向网络节点的攻击，具体如下：C1、将有向网络根据PageRank算法得到所有节点的PageRank值，则按照如下三种攻击策略之一对有向网络的节点进行攻击：C11、将有向网络的所有节点的PageRank值按照大小随机排序，按照此排序结果对所有节点进行攻击；C12、将有向网络的所有节点的PageRank值按照由小到大的顺序排序，按照此排序结果对所有节点进行攻击；C13、将有向网络的所有节点的PageRank值按照由大到小的顺序排序，按照此排序结果对节点进行攻击；C2、将有向网络根据HITS算法得到所有节点的Authority值与Hub值，然后以所有节点的Authority值进行排序并按照如下三种攻击策略之一对有向网络的节点进行攻击：C21、将有向网络的所有节点的Authority值按照大小随机排序，按照此排序结果对所有节点进行攻击；C22、将有向网络的所有节点的Authority值按照由小到大的顺序排序，按照此排序结果对所有节点进行攻击；C23、将有向网络的所有节点的Authority值按照由大到小的顺序排序，按照此排序结果对所有节点进行攻击；C3、将有向网络根据HITS算法得到所有节点的Authority值与Hub值，然后以所有节点的Hub值进行排序并按照如下三种攻击策略之一对有向网络的节点进行攻击：C31、将有向网络的所有节点的Hub值按照大小随机排序，按照此排序结果对所有节点进行攻击；C32、将有向网络的所有节点的Hub值按照由小到大的顺序排序，按照此排序结果对所有节点进行攻击；C33、将有向网络的所有节点的Hub值按照由大到小的顺序排序，按照此排序结果对所有节点进行攻击；C4、将有向网络根据LeaderRank算法得到所有节点的LeaderRank值，则按照如下三种攻击策略之一对有向网络的节点进行攻击：C41、将有向网络的所有节点的LeaderRank值按照大小随机排序，按照此排序结果对所有节点进行攻击；C42、将有向网络的所有节点的LeaderRank值按照由小到大的顺序排序，按照此排序结果对所有节点进行攻击；C43、将有向网络的所有节点的LeaderRank值按照由大到小的顺序排序，按照此排序结果对节点进行攻击；D、在步骤C中攻击有向网络的节点时，分别通过计算机软件同步计算出有向网络节点的攻击成本ρ；D1、若有向网络选择PageRank算法并按照步骤C1以PageRank值进行排序攻击，则总的攻击成本ρ通过如下公式计算得到：...

【技术特征摘要】
1.一种有向网络中节点攻击成本与鲁棒性关系的预测方法，其特征在于：其方法步骤如下：A、得到有向网络，该有向网络包括人工合成网络和实际使用的有向网络；B、对步骤A中的有向网络相关属性进行计算，得到有向网络的节点入度、节点出度，节点入度是指从其他节点指向该节点的边的数目，节点出度是指从一个节点指向其他节点的边的数目，并采用如下三种算法分别得到所对应的值：B1、PageRank算法：对有向网络根据PageRank算法得到有向网络的所有节点的PageRank值；B2、HITS算法：对有向网络根据HITS算法得到有向网络的所有节点的Authority值与Hub值，所述Authority值为根据HITS算法得到的节点的权威值，所述Hub值为根据HITS算法得到的节点的枢纽值；B3、LeaderRank算法：对有向网络根据LeaderRank算法得到有向网络的所有节点的LeaderRank值；C、对步骤B所采用的算法所得到的值排序后并进行有向网络节点的攻击，具体如下：C1、将有向网络根据PageRank算法得到所有节点的PageRank值，则按照如下三种攻击策略之一对有向网络的节点进行攻击：C11、将有向网络的所有节点的PageRank值按照大小随机排序，按照此排序结果对所有节点进行攻击；C12、将有向网络的所有节点的PageRank值按照由小到大的顺序排序，按照此排序结果对所有节点进行攻击；C13、将有向网络的所有节点的PageRank值按照由大到小的顺序排序，按照此排序结果对节点进行攻击；C2、将有向网络根据HITS算法得到所有节点的Authority值与Hub值，然后以所有节点的Authority值进行排序并按照如下三种攻击策略之一对有向网络的节点进行攻击：C21、将有向网络的所有节点的Authority值按照大小随机排序，按照此排序结果对所有节点进行攻击；C22、将有向网络的所有节点的Authority值按照由小到大的顺序排序，按照此排序结果对所有节点进行攻击；C23、将有向网络的所有节点的Authority值按照由大到小的顺序排序，按照此排序结果对所有节点进行攻击；C3、将有向网络根据HITS算法得到所有节点的Authority值与Hub值，然后以所有节点的Hub值进行排序并按照如下三种攻击策略之一对有向网络的节点进行攻击：C31、将有向网络的所有节点的Hub值按照大小随机排序，按照此排序结果对所有节点进行攻击；C32、将有向网络的所有节点的Hub值按照由小到大的顺序排序，按照此排序结果对所有节点进行攻击；C33、将有向网络的所有节点的Hub值按照由大到小的顺序排序，按照此排序结果对所有节点进行攻击；C4、将有向网络根据LeaderRank算法得到所有节点的LeaderRank值，则按照如下三种攻击策略之一对有向网络的节点进行攻击：C41、将有向网络的所有节点的LeaderRank值按照大小随机排序，按照此排序结果对所有节点进行攻击；C42、将有向网络的所有节点的LeaderRank值按照由小到大的顺序排序，按照此排序结果对所有节点进行攻击；C43、将有向网络的所有节点的LeaderRank值按照由大到小的顺序排序，按照此排序结果对节点进行攻击；D、在步骤C中攻击有向网络的节点时，分别通过计算机软件同步计算出有向网络节点的攻击成本ρ；D1、若有向网络选择PageRank算法并按照步骤C1以PageRank值进行排序攻击，则总的攻击成本ρ通过如下公式计算得到：其中，PR为PageRank值的简写，Z为有向网络中被移除节点的数量总和，N为有向网络的节点总数，PRi是节点i的PageRank值，PRl是被攻击节点对应的PageRank值；D2、若有向网络选择HITS算法并按照步骤C2以Authority值进行排序攻击，则总的攻击成本ρ通过如下公式计算得到：其中，Z为有向网络中被移除节点的数量总和，N为有向网络的节点总数，Authorityi是节点i的Authority值，Authorityl是被攻击节点对应的Authority值；D3、若有向网络选择HITS算法并按照步骤C3以Hub值进行排序攻击，则总的攻击成本ρ通过如下公式计算得到：其中，Z为有向网络中被移除节点的数量总和，N为有向网络的节点总数，Hubi是节点i的Hub值，Hubl是被攻击节点对应的Hub值；D4、若有向网络选择LeaderRank算法并按照步骤C4以LeaderRank值进行排序攻击，则总的攻击成本ρ通过如下公式计算得到：其中，LR为LeaderRank值的简写，Z为有向网络中被移除节点的数量总和，N为有向网络的节点总数，LRi是节点i的LeaderRank值，LRl是被攻击节点对应的LeaderRank值；E、在步骤D攻击有向网络的节点过程中，分别通过计算机软件根据最大连通子图同步计算出有向网络的网络鲁棒性，计算方法如下：E1、在攻击有向网络的节点前，通过计算机软件计算出原始有向网络的所有节点个数的总数N；E2、在攻击有向网络的节点时，每攻击一个节点，就移除有向网络的该节点，并依次计算出被攻击后的有向网络的最大连通子图所含有的节点个数N'；将有向网络分解成两个及以上的分支，把各连通分支中包含节点数最多的分支叫做最大连通子图；E3、在攻击有向网络的节点完毕后，通过如下公式计算出在节点攻击过程中所有的最大连通子图相对值S；其中，N'为有向网络受攻击后的最大连通子图所含有的节点个数；N为有向网络被破坏前的节点总数；最大连通子图相对值S的值越大，则说明该有向网络鲁棒性越强；F、分别通过计算机软件按照有向网络节点攻击过程绘制出有向网络的鲁棒性与节点的攻击成本之间的关系曲线图：在有向网络的节点攻击过程中关联出如下的同步数据，所述同步数据包括步骤E中有向网络的最大连通子图相对值S和步骤D中有向网络节点的攻击成本ρ，然后通过计算机软件以步骤D中有向网络节点的攻击成本ρ为横坐标、以步骤E中有向网络的最大连通子图相对值S为纵坐标绘制出关系曲线图，并在同一坐标系中得到四条关系曲线图，根据四条关系曲线图综合判断节点的攻击成本对有向网络鲁棒性的影响。2.按照权利要求1所述的一种有向网络中节点攻击成本与鲁棒性关系的预测方法，其特征在于：其方法步骤如下：A、得到有向网络，该有向网络包括人工合成网络和实际使用的有向网络；B、对步骤A中的有向网络相关属性进行计算，得到有向网络的节点入度、节点出度，节点入度是指从其他节点指向该节点的边的数目，节点出度是指从一个节点指向其他节点的边的数目，并采用如下三种算法分别得到所对应的值：B1、PageRank算法：对有向网络根据PageRank算法得到有向网络的所有节点的PageRank值；B2、HITS算法：对有向网络根据HITS算法得到有向网络的所有节点的Authority值与Hub值，所述Authority值为根据HITS算法得到的节点的权威值，所述Hub值为根据HITS算法得到的节点的枢纽值；B3、LeaderRank算法：对有向网络根据LeaderRank算法得到有向网络的所有节点的LeaderRank值；C、对步骤B所采用的算法所得到的值排序后并进行有向网络节点的攻击，具体如下：C1、将有向网络根据PageRank算法得到所有节点的PageRank值，则按照如下三种攻击策略分别对有向网络的节点进行攻击：C11、将有向网络的所有节点的PageRank值按照大小随机排序，按照此...

【专利技术属性】
技术研发人员：王玉伟，
申请(专利权)人：航科院中宇北京新技术发展有限公司，
类型：发明
国别省市：北京,11