[发明专利]一种有向网络中节点攻击成本与鲁棒性关系的预测方法

说明书

本发明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。

技术领域

本发明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。

背景技术

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＝{e_ij|i∈V,j∈V,e_ij≠0}表示边的集合，若e_ij≠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e_ij≠e_ji，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。

发明内容

针对现有技术存在的不足之处，本发明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。

本发明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；