[发明专利]一种基于时序移除的网络脆弱性辨识方法

摘要

本发明提供一种基于时序移除的网络脆弱性辨识方法，步骤如下：1，预处理网络数据；2，定义网络脆弱性度量指标；3，识别网络关键节点集；4，优化节点移除时序；通过以上步骤，本发明在空间上降低了网络攻击节点总数量，时间上提高了网络早期攻击灵敏度，实现了优化网络蓄意攻击效果，从而在总体上提高了网络攻击效率和能力。

主权项

一种基于时序移除的网络脆弱性辨识方法，其特征在于：其具体实施步骤如下：步骤1，预处理网络数据本步骤是通过梳理节点、连边的结构关系，将网络对象抽象成为网络模型，包括以下内容：(1)节点信息：统计节点编号，节点类型属性；(2)连边信息：连边编号，连边的属性；步骤2，定义网络脆弱性度量指标为衡量网络攻击效果，本步骤定义网络脆弱性度量指标；数学表示为：R=1NΣi=1Nσ(iN)]]>其中R表示网络脆弱性，N表示网络节点总数，σ表示移除比例为的节点后网络最大连通子团的规模比例；该指标表示以σ为横坐标，ρ为纵坐标的σ‑ρ曲线与坐标横轴所围面积，不仅表明了网络连通性能随移除节点数变化的整体关系，同时从节点移除比例和连通子团下降速度两个角度反映网络攻击方法的优劣，优秀的网络攻击方法能得到更小的R值；步骤3，识别网络关键节点集本步骤采用置信度传播算法即BPD识别网络关键节点集；置信度传播算法是利用平均场理论构建自洽方程进行迭代计算，将网络关键节点集识别转化为寻找网络反馈节点集即FVS，从而获得关键节点集的方法；其中反馈节点集是指包含网络每个环路至少一个节点所组成的节点集合；随着FVS集合内所有节点移除，网络将形成不包含环路的复数个树状结构；此时，即使移除网络少数根节点也将发生大范围的崩溃，从而获得相比传统方法更好的攻击效果；包括三个子步骤：步骤3.1定义节点状态；步骤3.2建立并求解平均场自洽方程；步骤3.3确定网络反馈节点集(FVS)；步骤4，优化节点移除时序针对步骤3中计算得到的FVS节点集，本步骤通过逆向重置入这些节点，获得网络攻击节点移除最优时序，包括两个子步骤：步骤4.1逆向重置入连接子团数最少节点，直至添加完所有FVS集合节点；步骤4.2反向排序，获得网络蓄意攻击最优节点移除顺序；逆向重置入FVS节点集的过程是对节点移除时序进行优化的过程，该方法充分利用时间全局信息使得网络按照此方法得出的节点攻击时序能够在前期快速降低网络连通性和鲁棒性，使得网络攻击获得时间优势；通过以上步骤，本发明在空间上降低了网络攻击节点总数量，时间上提高了网络早期攻击灵敏度，实现了优化网络蓄意攻击效果，从而在总体上提高了网络攻击效率和能力。