一种基于图卷积网络的空间信息网络抗毁性评估方法技术

本发明专利技术公开了一种基于图卷积网络的空间信息网络抗毁性评估方法，包括：步骤1，确定目标网络的网络拓扑；步骤2，计算网络均衡度：(1)对目标网络中的网络节点的重要性进行排序；(2)计算目标网络中的网络节点的重要性数学期望；(3)根据网络节点的重要性数学期望计算网络均衡度；步骤3，计算网络桥接度；(1)训练图卷积神经网络模型，以进行网络节点分类；(2)计算网络分割攻击效率；(3)根据网络分割攻击效率计算网络桥接度；步骤4，根据网络均衡度和网络桥接度计算得到网络抗毁性。分析本发明专利技术与经典的跳面节点法、结构差异度法在计算网络抗毁性方面的特点，证明本发明专利技术能够更为准确地区分出不同规模网络的抗毁性大小。

【技术实现步骤摘要】
一种基于图卷积网络的空间信息网络抗毁性评估方法
本专利技术涉及空间信息网络安全
，尤其是一种基于图卷积网络的空间信息网络抗毁性评估方法。
技术介绍
空间信息网络由天基骨干网、天基接入网、地基节点网、地面互联网、移动通信网等多种异构网络互联融合而成，并将在提供长距离、全覆盖的互联网服务方面发挥越来越重要的作用，对实现国家“国家利益到哪里，信息网络就覆盖到哪里”的安全战略目标具有重要意义。由于空间信息网络具有卫星节点暴露且信道开放、异构网络互连、网络拓扑高度动态变化、星上节点处理能力受限等独有的特点。根据以上的特点，攻击者通过信号干扰、欺骗攻击、路由伪造/篡改等手段对网络中的重要节点实施蓄意攻击。当一个或几个网络节点遭到打击失效后，整个空间信息网络的性能将大幅下降，甚至发生级联失效现象，从而使整个网络瘫痪。除此之外，空间信息网络是一个庞大且复杂的系统，这导致了前期建设的成本高昂且后期节点维护困难。在此背景下，对空间信息网络的安全性和抗毁性进行准确和有效的评估就变得尤为重要。网络的抗毁性是描述网络失效情况下通信业务的损伤程度的重要指标。Albert等在论文《Errorandattacktoleranceofcomplexnetworks》中阐述了如何使用网络的一些基本特征来衡量网络的抗毁性，并指出相对于随机网络，无标度网络在随机攻击下抗毁性相对较强，而在选择性攻击下抗毁性相对较弱。随后，其他学者从不同角度对网络的抗毁性进行了深入研究。然而，已有的抗毁性算法在空间信息网络抗毁性分析方面存在不足之处，一是没有针对空间信息网络的拓扑结构和路由特点进行分析，二是没有针对卫星通信网络可能受到的重要节点攻击以及网络分割攻击等方式进行抗毁性分析。
技术实现思路
本专利技术所要解决的技术问题是：针对上述存在的问题，提供一种基于图卷积网络的空间信息网络抗毁性评估方法，该方法在目前已有的基于节点重要性算法评估网络抗毁性的基础上，引入图卷积神经网络的相关理论，实现对空间信息网络的抗毁性评估。本专利技术采用的技术方案如下：一种基于图卷积网络的空间信息网络抗毁性评估方法，包括如下步骤：步骤1，确定目标网络的网络拓扑；步骤2，计算网络均衡度：(1)对目标网络中的网络节点的重要性进行排序；(2)计算目标网络中的网络节点的重要性数学期望；(3)根据网络节点的重要性数学期望计算网络均衡度；步骤3，计算网络桥接度；(1)训练图卷积神经网络模型，以进行网络节点分类；(2)计算网络分割攻击效率；(3)根据网络分割攻击效率计算网络桥接度；步骤4，根据网络均衡度和网络桥接度计算得到网络抗毁性。进一步地，步骤1中采用邻接矩阵抽象目标网络的网络拓扑。进一步地，步骤2中采用特征向量中心性算法对目标网络中的网络节点的重要性进行排序，计算公式如下：其中，xi为网络节点i的重要性度量值，c是一个比例系数；记x＝[x1,x2,…,xn]T，经过多次迭代到达稳态时得到网络节点的重要性排序结果。进一步地，步骤2中计算目标网络中的网络节点的重要性数学期望的公式如下：其中，E表示目标网络中的网络节点的重要性数学期望，pi表示网络节点i受到攻击的概率，ri表示目标网络归一化后的网络节点i的重要性度量值。进一步地，步骤2中根据网络节点的重要性数学期望计算网络均衡度的方法为：令pi＝ri，则定义网络均衡度S为：S＝1-E其中，E表示目标网络中的网络节点的重要性数学期望。进一步地，步骤3中训练图卷积神经网络模型的方法为：(a)对目标网络进行归一化；(b)将归一化后的目标网络中的网络节点以及网络节点的特征矩阵进行内积运算；(c)将激励函数应用在对内积运算和权重的乘积上。进一步地，步骤3中计算网络分割攻击效率的方法为：计算网络分割度d：其中，n表示目标网络中包含n个网络节点；k表示目标网络受到攻击后形成k个子网，第i个子网包含ni个网络节点；则网络分割攻击效率η为：其中，r是网络中受到分割攻击的网络节点的数量。进一步地，步骤3中根据网络分割攻击效率计算网络桥接度的公式为：Q＝1-η其中，Q表示网络桥接度，η表示网络分割攻击效率。进一步地，步骤4中根据网络均衡度和网络桥接度计算得到网络抗毁性的公式为：其中，R表示网络抗毁性，S表示网络均衡度，Q表示网络桥接度。进一步地，所述图卷积神经网络模型具有两层神经网络隐藏层。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：本专利技术是基于图神经卷积网络，将空间信息网络抵御重要节点攻击和分割攻击两种攻击方式的能力相综合，提出的空间信息网络抗毁性评估算法。通过对一系列网络抗毁性评估实验，分析本专利技术提出的算法与经典的跳面节点法、结构差异度法在计算网络抗毁性方面的特点，证明本专利技术所提出的抗毁性算法具有很强的实用性，能够更为准确地区分出不同规模网络的抗毁性大小，对星形网络等桥节点较突出的网络抗毁性分析更加符合现实情况，并且方法计算简单，避免了传统方法需要的复杂矩阵运算。同时通过对空间信息网络进行抗毁性评估仿真实验，验证该算法能够适用于规模较大的卫星星座网络抗毁性评估。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术的基于图卷积网络的空间信息网络抗毁性评估方法的流程框图。图2为本专利技术实施例采用的图卷积神经网络模型的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术，即所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，一种基于图卷积网络的空间信息网络抗毁性评估方法，包括如下步骤：步骤1，确定目标网络的网络拓扑；步骤2，计算网络均衡度：(1)对目标网络中的网络节点的重要性进行排序；(2)计算目标网络中的网络节点的重要性数学期望；(3)根据网络节点的重要性数学期望计算网络均衡度；步骤3，计算网络桥接度；(1)训练图卷积神经网络模型，以进行网络节点分本文档来自技高网...

【技术保护点】
1.一种基于图卷积网络的空间信息网络抗毁性评估方法，其特征在于，包括如下步骤：/n步骤1，确定目标网络的网络拓扑；/n步骤2，计算网络均衡度：/n(1)对目标网络中的网络节点的重要性进行排序；/n(2)计算目标网络中的网络节点的重要性数学期望；/n(3)根据网络节点的重要性数学期望计算网络均衡度；/n步骤3，计算网络桥接度；/n(1)训练图卷积神经网络模型，以进行网络节点分类；/n(2)计算网络分割攻击效率；/n(3)根据网络分割攻击效率计算网络桥接度；/n步骤4，根据网络均衡度和网络桥接度计算得到网络抗毁性。/n

【技术特征摘要】
1.一种基于图卷积网络的空间信息网络抗毁性评估方法，其特征在于，包括如下步骤：
步骤1，确定目标网络的网络拓扑；
步骤2，计算网络均衡度：
(1)对目标网络中的网络节点的重要性进行排序；
(2)计算目标网络中的网络节点的重要性数学期望；
(3)根据网络节点的重要性数学期望计算网络均衡度；
步骤3，计算网络桥接度；
(1)训练图卷积神经网络模型，以进行网络节点分类；
(2)计算网络分割攻击效率；
(3)根据网络分割攻击效率计算网络桥接度；
步骤4，根据网络均衡度和网络桥接度计算得到网络抗毁性。


2.根据权利要求1所述的基于图卷积网络的空间信息网络抗毁性评估方法，其特征在于，步骤1中采用邻接矩阵抽象目标网络的网络拓扑。


3.根据权利要求1所述的基于图卷积网络的空间信息网络抗毁性评估方法，其特征在于，步骤2中采用特征向量中心性算法对目标网络中的网络节点的重要性进行排序，计算公式如下：



其中，xi为网络节点i的重要性度量值，c是一个比例系数；记x＝[x1,x2,…,xn]T，经过多次迭代到达稳态时得到网络节点的重要性排序结果。


4.根据权利要求3所述的基于图卷积网络的空间信息网络抗毁性评估方法，其特征在于，步骤2中计算目标网络中的网络节点的重要性数学期望的公式如下：



其中，E表示目标网络中的网络节点的重要性数学期望，pi表示网络节点i受到攻击的概率，ri表示目标网络归一化后的网络节点i的重要性度量值。


5.根据权利要求1所述的基于图卷积网络的空间信息网络抗毁性评估方法，其特征在于，步骤2中根据网络节点的重要性...

【专利技术属性】
技术研发人员：禚明，刘乐源，万思敏，杨鹏，周世杰，黄文，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51