[发明专利]一种结合虚拟树映射和中心性的网络鲁棒性增强方法

权利要求书

1.一种结合虚拟树映射和中心性的网络鲁棒性增强方法，包括：

步骤1)、将多个具有树形拓扑的虚拟网络映射到同一个物理网络，得到物理网络的近似拓扑结构，然后选择待计算的网络中心性指标，得到中心性指标集合，并设置中心性加权函数和中心性加权函数阈值；

步骤2)、获取待识别当前节点的拓扑属性，基于所述拓扑属性计算步骤1)所选择的待计算的网络中心性指标，然后将计算结果代入步骤1)中所设置的中心性加权函数中，得到该节点的中心性加权函数值，接着将其与步骤1)中所设置的中心性加权函数阈值进行比较，以判断当前节点是否为关键节点，若为关键节点，将当前节点加入关键节点集合中；

步骤3)、基于虚拟树映射、中心性指标和保护等级量化函数，为关键节点集合中的任意一个关键节点划分关键节点的保护级别，依据保护级别的高低，执行相应的保护措施；

步骤4)、如果关键节点集合中的所有节点都判断完毕，或者满足用户设置的终止条件，结束关键节点保护过程；否则，获取下一个节点作为当前节点，返回步骤2)。

2.根据权利要求1所述的结合虚拟树映射和中心性的网络鲁棒性增强方法，其特征在于，在所述步骤1)中，所述网络中心性指标包括度中心性指标、介数中心性指标、紧密度中心性指标、特征向量中心性指标中的一种或多种。

3.根据权利要求2所述的结合虚拟树映射和中心性的网络鲁棒性增强方法，其特征在于，将介数中心性指标、紧密度中心性指标一起作为待计算的网络中心性指标。

4.根据权利要求1所述的结合虚拟树映射和中心性的网络鲁棒性增强方法，其特征在于，在所述步骤1)中，所述中心性加权函数采用多项式函数，或指数函数，或高斯函数。

5.根据权利要求4所述的结合虚拟树映射和中心性的网络鲁棒性增强方法，其特征在于，所述中心性加权函数为高斯函数，其表达式如下：

f(Vi,θ)=(W1*BCVcur+W2*CCVcur)*e-(dk‾δ)2,]]>

其中，V_i为物理网络中节点的ID，其中0≤i≤N-1，N为节点个数；V_cur为待识别的当前节点，BC_Vcur和CC_Vcur分别为待识别的当前节点的介数中心性指标和紧密度中心性指标，0<W₁，W₂≤1且W₁+W₂＝1，W₁和W₂的默认值皆为0.5，δ表示方差，表示V_cur到其K跳内节点距离的平均值，δ和K的默认值皆为1。