[发明专利]一种基于节点度值的复杂网络聚类算法攻击方法

说明书

一种基于节点度值的复杂网络聚类算法攻击方法，包括以下步骤：S1：导入网络；S2：采用复杂网络聚类算法对网络进行聚类，得到团簇；S3：按以下步骤选择网络中的K个可操控节点：3.1)计算网络中各节点度值；3.2)选择度值最大的节点；3.3)从剩下的团簇中选择度值最大的节点；3.4)如果K＞h，则重复步骤3.2)和3.3)直至选满K个节点；S4：从K个可操控节点中随机选取一个节点，获得它的簇内邻居节点集合和簇间非邻居节点集合；S5：随机删除一条它与簇内邻居节点的连边，同时增加一条它与簇间非邻居节点的连边；S6：更新网络；S7：重复步骤S4～S6过程T次。本发明可以选择攻击对象，并实现较好的攻击效果。

技术领域

本发明涉及复杂网络聚类领域和网络攻击领域，特别是涉及一种基于节点度值的复杂网络聚类算法攻击方法。

背景技术

复杂网络是当前多学科交叉的热点研究领域之一。除了小世界、无标度等性质，越来越多的研究表明社团结构也是许多复杂网络共有的性质之一。发现网络中的社团结构对了解网络的功能、探寻网络中隐藏的规律、预测网络的行为等都具有十分重要的意义。至今，已经有许多复杂网络聚类算法被应用于社团结构的发现，包括Girvan和Newman提出的以边介数为分裂条件的GN算法(参考文献[1]:Girvan M,Newman M E J.Communitystructure in social and biological networks[J].Proceedings of the nationalacademy of sciences,2002,99(12):7821-7826.即Girvan M,Newman M E J,社交网络和生物网络中的社团结构,Proceedings of the national academy of sciences,2002,99(12):7821-7826.)，通过迭代删除网络中边介数高的节点进行网络分裂；Newman提出的基于“贪婪”思想的fast newmans算法(参考文献[2]:Newman M E.Fast algorithm fordetecting community structure in networks[J].Physical Review E StatisticalNonlinear&Soft Matter Physics,2004,69(6Pt 2):066133.即Newman M E,识别网络社团结构的快速算法,Physical Review E Statistical Nonlinear&Soft Matter Physics,2004,69(6Pt 2):066133.)，以模块度为优化目标，自下而上进行凝聚。

从量化网络社团结构的显著性角度出发，Karrer等提出了一种对网络添加微小扰动以评估网络社团结构鲁棒性的方法(参考文献[3]:Karrer B,Levina E,Newman ME.Robustness of community structure in networks[J].Physical Review EStatistical Nonlinear&Soft Matter Physics,2007,77(2):046119.即Karrer B,LevinaE,Newman M E,网络社团结构的鲁棒性,Physical Review E Statistical Nonlinear&Soft Matter Physics,2007,77(2):046119.)，根据标准配置模型构建随机图，遍历原网络图中的各个连边，以α的概率移除连边并用已构建的随机图中对应连边替换，得到扰动后的网络。比较原网络与扰动网络的社团发现结果来衡量网络社团结构的鲁棒性，发现空手道俱乐部网络具有强社团结构。

随着复杂网络聚类算法研究的深入，网络结构信息被进一步挖掘，新的关注点应运而生。如何改变网络中的一些连边关系，对复杂网络聚类算法进行攻击，使得部分网络社团结构信息不易被发现。

发明内容

为了克服现有技术中无法实现有效的攻击、攻击成本较大的不足，本发明提供一种结合网络属性选择攻击对象、效果较好的基于节点度值的复杂网络聚类算法攻击方法。