[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

摘要

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。

主权项

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，PR_i是节点i的PageRank值，PR_l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，Authority_i是节点i的Authority值，Authority_l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，Hub_i是节点i的Hub值，Hub_l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，LR_i是节点i的LeaderRank值，LR_l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。