一种基于介数的双层复杂网络级联失效模型
- 格式:docx
- 大小:43.21 KB
- 文档页数:9
指挥信息系统双层耦合网络模型级联失效研究崔琼;李建华;王鹏;冉淏丹【摘要】Aimed at the disadvantages of simple construction and attack mode in study of the Command Information System (CIS) cascading failure,a CIS bi-layer coupled network model is constructed.We analyze some characteristics of CIS cascading failure by setting different attack modes based on it.Firstly,the model is constructed by coupling communication network and function network of CIS architecture,and the node weightiness parameter is proposed based on the multilayer network theory.Secondly,by setting three attack modes and defining attack intensity,we analyze cascading failure mechanism of the bi-layer coupled network stly,simulation results show that the bi-layer coupled network model can reflect characteristics of CIS network structure,and based on this model,we can analyze cascading failure mechanism of CIS under conditions of setting different attack modes and attack intensities.%针对指挥信息系统级联失效研究中存在的结构建模简单和攻击方式单一的不足,提出指挥信息系统双层耦合网络模型,在此基础上设置不同的攻击方式,分析系统的级联失效特性.首先,根据指挥信息系统体系结构和层级网络理论,构建了由通信网络和功能网络构成的双层耦合网络模型,并提出节点重要度指标;其次,设置实体打击、赛博攻击和混合攻击三种攻击方式,以及不同的攻击强度对指挥信息系统进行攻击,分析其级联失效机理;最后,仿真分析表明,双层耦合网络模型能够反映指挥信息系统的结构特征,基于该模型能够分析指挥信息系统在多种攻击方式和攻击强度下的级联失效特性.【期刊名称】《哈尔滨工业大学学报》【年(卷),期】2017(049)005【总页数】9页(P100-108)【关键词】指挥信息系统;双层耦合网络;级联失效;攻击方式;攻击强度【作者】崔琼;李建华;王鹏;冉淏丹【作者单位】空军工程大学信息与导航学院,西安710071;空军工程大学信息与导航学院,西安710071;空军工程大学信息与导航学院,西安710071;空军工程大学信息与导航学院,西安710071【正文语种】中文【中图分类】TP391.9基于军事信息栅格构建的指挥信息系统,不仅是网络化体系作战的基础支撑,也是网络化体系对抗中的重要目标. 随着网络化程度的提高,指挥信息系统受到攻击后产生级联失效和系统崩溃的可能性越来越大. 对不同攻击条件下指挥信息系统的级联失效特性进行分析,对于提升指挥信息系统的攻防能力十分必要. 首先需要对指挥信息系统进行结构建模,复杂网络是建模的重要工具[1]. 文献[2]提出将复杂网络理论用于分析指挥信息系统结构建模,并建立了FINC模型;文献[3-5]分别针对指挥信息系统的拓扑结构和复杂特性等问题建立了网络模型,并基于各自模型分析了指挥信息系统的异质异构特点、拓扑结构特征和动态交互方式. 近年来,复杂网络级联失效成为国内外复杂网络理论研究的热点之一. 文献[6]认为耦合网络较单层网络更能反映现实中电力、交通和信息设施等的网络结构特征,并重点研究耦合网络的级联失效问题;文献[7-8]则分别研究了耦合网络在面对级联失效时的脆弱性和鲁棒性,为耦合网络级联失效问题的研究提供了参考. 目前,已有学者将相关理论用于研究指挥信息系统级联失效问题. 文献[9]将指挥信息系统抽象为复杂网络,对网络节点进行攻击并分析其级联失效特性,较好地度量了指挥信息系统功能网络结构的鲁棒性,但只考虑了系统在功能层面的级联失效问题;文献[10]从节点和业务两个层面构建了双层军事指挥系统网络,克服了单层网络结构建模的不足,但攻击策略设置较单一,无法从不同角度考察系统级联失效特性,不能适应多样化攻击的现实情况. 以上成果为指挥信息系统级联失效问题的研究提供了有益借鉴,但对系统结构建模和攻击策略设置等的研究还有待深入.针对以上问题,本文依据指挥信息系统的结构特征和功能特性构建了双层耦合网络模型,分析了该双层耦合网络的级联失效机理. 在此基础上,根据攻击方式和攻击强度的不同,设置了不同的攻击策略,建立了指挥信息系统级联失效特性分析模型. 最后以某区域联合防空指挥信息系统为例,构建了双层耦合网络模型,并对模型的基本网络特性和级联失效过程进行了仿真分析,不仅验证了指挥信息系统双层耦合网络模型的有效性,而且分析了该系统在不同攻击策略下的级联失效特性,为进一步提升指挥信息系统的攻防能力提供参考.新一代指挥信息系统是支撑网络化体系作战的复杂军事信息系统,建立在军事信息栅格之上,由情报侦察监视系统、指挥控制系统和武器装备系统构成,是集承载网与各功能网于一体,融合多种通信网系、集成多类业务系统的层级复杂系统[11].传统利用单层复杂网络理论对系统进行结构建模的方法,由于仅考虑底层信息栅格或上层信息系统,因此无法描述两层网络之间的关系,而层级复杂网络建模方法[12-14]能够解决具有耦合关系的多层网络相关问题,更真实地反映层级复杂系统特性,从而为指挥信息系统结构建模提供了新的手段.层级复杂网络是指由多个复杂子网构成的层级网络,与单层复杂网络相比,层级复杂网络在描述复杂系统时更全面有效且具实际意义,近年来广泛应用于供应链、交通和通信网络等复杂系统的建模. 根据结构特征和功能组成,指挥信息系统可分为通信网络层和功能网络层,如图2所示. 下层是由物理实体节点和通信连接关系构成的通信网络,上层是由功能节点(如情报、指控和火力)和信息交互关系构成的功能网络. 通信网络根据通信基础网抽象得到,每个节点表示一个物理实体,即物理节点,物理节点之间的连边表示通信连接关系,即两个物理节点间若存在有效通信链路,表示通信连边存在. 每个物理节点具有一种或多种功能(如雷达具有情报功能、预警机具有指控功能和情报功能),可“一对一”或“一对多”耦合映射为功能节点,每个功能节点唯一对应于一个物理节点,表示此功能由该物理节点产生. 不同功能节点间可进行信息交互,如情报节点向指控节点传输态势信息、火力节点之间传输协同信息,这种信息交互关系由功能连边表示,功能节点和功能连边构成功能网络.分析可知,指挥信息系统网络结构是一个由通信网络和功能网络耦合而成的双层网络,两层网络之间相互影响、相互作用,并通过节点映射的关系进行耦合. 其中,通信网络是功能网络的物理载体,对功能网络形成约束,功能网络是通信网络的保障对象,在一定程度上能够影响通信网络的结构.指挥信息系统在增强作战体系信息优势的同时,也增大了由多样化攻击导致的级联失效风险. 在体系作战过程中,一方面可通过精确打击和火力压制等“硬打击”(实体打击)方式破坏指挥信息系统,使部分物理节点失效,导致通信网络层内部级联失效;另一方面,还可通过数据篡改、网络欺骗和拒绝服务等“软攻击”(赛博攻击)方式破坏系统功能,导致功能节点失效,并引发功能网络层内级联失效. 由于指挥信息系统层间耦合关系,物理节点失效将导致与之耦合的功能节点失效,而功能节点失效由于影响信息的生成、传输、处理和共享,同样会给物理节点带来影响. 不同攻击方式毁伤指挥信息系统的过程如图3所示,指挥信息系统在T1阶段遭遇实体打击,网络结构由A变为A*,在T2阶段遭遇赛博攻击,网络结构由B变为B*.综上,指挥信息系统可看作由通信网络和功能网络耦合形成的双层网络,基于双层耦合网络模型分析指挥信息系统级联失效特性,相比传统单层网络模型更接近真实情况. 首先构建指挥信息系统双层耦合网络模型,在此基础上,分析指挥信息系统级联失效机理,建立指挥信息系统级联失效特性分析模型.首先进行如下假设:1)不考虑指挥信息系统各节点的属性和级别;2)物理节点受到战场空间地理位置和约束,两个物理节点之间为通信连接关系,没有方向性;3)功能节点间通过信息交互形成信息连边,具有方向性,如由A节点指向B节点的信息连边表示A向B发送某种类型的信息.2.1 模型构建2.1.1 通信网络通信网络GP是无向赋权连通网,表示为GP=(VP,EP,WP),VP表示物理节点集合. 若GP含有NP个节点,则VP={pi|i=1,2,…,NP};EP={eij|eij=(pi,pj),pi,pj∈VP}表示任意两个物理节点之间通信链路的集合. 设GP中有MP条通信连边,即|EP|=MP;WP=[wpij]NP×NP={w1,w2,w3,…,wMP}为GP边权值的集合,边权wpij用来表示对应通信连边ep的属性特征. 若网络结构边权值为1,令aij表示eij=(pi,pj)的存在性,(pi,pj)∈EP时aij=1,否则为0,则GP的网络结构可用邻接矩阵表示为AP=(aij)NP×NP.2.1.2 功能网络功能网络GF是有向赋权连通网,表示为GF=(VF,EF,WF),VF为功能节点集合,功能节点由物理节点映射得到. 设GF有NF个功能节点,VF={fi|i=1,2,…,NF}. 功能节点通过信息交互实现一定的信息功能,满足指挥信息系统作战任务的信息需求,信息交互连边集合记为EF={e1,2,e2,1,e3,4,…,ei,j},i,j∈NF,i≠j,|EF|=Mf为信息连边数. 由于功能节点之间传输的是不同类型的信息流,因此ei,j为有向边. 根据功能节点间的信息交互次数可定义边权值WF,WF={wi,j|i,j∈NF,i≠j}. 同样定义AF为GF邻接矩阵,AF=(ai,j)NF×NF,其中ai,j为矩阵元素,且当ai,j=1时,表明存在由fi到fj的信息交互,即(fi,fj)∈EF,i≠j,否则ai,j=0.2.1.3 双层耦合网络指挥信息系统双层耦合网络GP-F由通信网络GP和功能网络GF耦合形成,表示为GP-F={GP,GF,RP-F},其中RP-F表示GP的耦合关系,分析知,∀pi∈VP,∃fj∈VF,使pi→fj. 当RP-F 为“一对一”映射时,物理节点映射为唯一功能节点;当RP-F为“一对多”映射时,物理节点映射为“功能节点簇”. 设矩阵R为耦合矩阵,矩阵元素rij表示节点pi和fj间的耦合关系,则R=[rij]NP×NF,其中将GP和GF之间的耦合关系看作耦合边,双层耦合网络还可表示为GP-F=(V,E,W). 其中:V表示表示网络GP-F节点的集合,V=VP∪VF;E表示网络GP-F连边的集合,E=EP∪EF∪ER,ER表示GP和GF之间存在耦合边的集合;W表示网络GP-F边权值的集合,且W=W P∪WF∪WR,其中WR表示耦合边权值集合,为不失一般性,令W中的权值均为1. 2.1.4 耦合强度耦合强度是指不同网络间耦合边数占规模较小网络节点数的比值. 在指挥信息系统双层耦合网络结构中,每个物理节点均可耦合映射为一或多个功能节点,根据耦合强度的概念可知,指挥信息系统耦合强度δ为功能节点数与物理节点数的比值,即由于δ是反映指挥信息系统“物理—功能”耦合特征的一个结构参数,因此,δ值越大,表示每个物理节点平均承载的功能越多,即指挥信息系统的服务承载能力越强. δ值应根据实际指挥信息系统中物理节点所承载的信息功能数确定. 在仿真分析时,考虑到指挥信息系统去中心化、负载均衡和分布式服务的特征,可通过计算实际指挥信息系统的δ值,将功能平均耦合于物理节点.综上,构建指挥信息系统双层耦合网络模型GM,并表示为多元组GM=Θ(GP,GF,GP-F).2.2 节点重要度网络统计特性是揭示网络拓扑结构特征的重要参考,包括节点度、度分布、特征路径长度和聚类系数等[2],根据级联失效问题研究需要,本文重点分析与节点重要性相关的网络统计特性,包括节点度和节点介数,并在此基础上定义节点重要度. 2.2.1 节点度与度分布节点度d(vi)是指与节点vi相连的边的数目,在一定程度上反映了节点的重要程度,是网络局部结构特性的表征. 对于无向网络,节点度表示与该节点直接相连的节点数,即邻居节点个数;对于有向网络,节点度可根据边的指向进一步分为节点入度和节点出度;对于赋权网络,则在节点度的基础上进一步定义节点强度w(vi),即节点vi相邻边的权重之和. 双层耦合网络中的节点度可分为节点内部度和节点外部度. 其中,节点内部度d(vi)是指节点vi在该节点所处网络层内部所拥有的边的数目,平均内部度用dm表示;节点外部度d'(vi)是指节点vi所拥有的耦合边的数目,平均外部度用dm′表示. 分析知,功能网络的平均外部度为1,通信网络的平均外部度为δ.度分布p(k)是指随机选择节点vi的度d(vi)等于k的概率,根据度分布可初步判断网络的连通性和均匀性.2.2.2 节点介数节点vi的介数,是指经过节点vi的最短路径数占所有最短路径数的比例,反映了节点vi对信息传递的控制和影响能力,可表示为其中i≠j≠k,k>j,gkj(i)表示vj和vk间经过vi的最短路径数,gjk表示vj和vk间所有最短路径数. 节点介数度量了节点位于其他节点对中间的程度,反映了节点控制信息传递和流通的能力. 分析知b(vi)∈[0,1],b(vi)=0表示vi处于网络边缘,b(vi)=1表示vi处于网络核心,其值越大表明该节点在网络中起到越重要的中介和核心作用.2.2.3 节点重要度节点度和节点介数分别从节点对局部网络结构和信息传递控制两个方面体现了节点的重要程度,在节点度和节点介数的基础上,提出节点重要度的概念. 节点重要度是指节点对于节点所处网络的影响程度,已知节点vi的度为d(vi),节点介数为b(vi),则节点vi的重要度为s(vi)=αd(vi)+βb(vi).其中∀α,β∈[0,1],α+β=1. 通过设置α,β,可调节网络结构和信息传递在确定节点重要度中的比例,考虑到一般性,可令α=β=0.5. 一般来讲,敌方针对指挥信息系统的攻击为蓄意攻击,且首选节点重要度较大的节点进行攻击,因此,对指挥信息系统进行攻击时,节点重要度是重要参考,可根据节点重要度来确定攻击强度,攻击强度越大,表示攻击越多的重要度较高的节点.3.1 级联失效机理级联失效是指网络内某节点的失效将引发更多节点失效的情况,指挥信息系统双层耦合网络级联失效存在层内失效和层间失效两种级联失效类型.3.1.1 层内失效层内失效是指由于单层网络节点失效引起的在该层网络内部的节点级联失效的过程. 具体过程为:当某节点失效时,与该节点相连的连边(通信链路或信息交互关系)失效,因此,若该节点的邻居节点度值为1,则该节点失效将导致其邻居节点失效. 例如在图4(a)中,实体攻击GP中的p1节点导致其失效,由于该节点是p2节点的唯一相邻节点,因此p2节点失效. 现有指挥信息系统级联失效问题大多仅考虑了层内失效的情况.3.1.2 层间失效层间失效是指在双层耦合网络中,由某层节点失效引起的与之耦合的另一网络层节点失效的过程. 由于功能网络层GF的节点是由通信网络层GP的物理节点映射得到,GP-F两层网络之间存在耦合关系,因此,若GP中某物理节点失效,将导致GF中与之耦合的功能节点失效;反之,若与某物理节点耦合的所有功能节点均失效,则该物理节点将不再与其他物理节点进行通信,可认为该物理节点功能丧失,成为无效节点.3.1.3 失效规模极大互联簇是衡量网络受攻击后维持性能的重要指标[15],假设GP中某物理节点受到攻击失效,则对应GF中的功能节点失效,与之相连的信息连边消失,经多次迭代后,网络GP-F处于稳定状态,此时处于极大互联簇的节点才能够保持相应功能. 在极大互联簇的基础上,定义基于节点度的失效规模测度,设GP-F为初始网络结构,GP-F′为节点vi失效后的网络结构,则由节点失效vi引起的网络失效规模S(vi)为3.2 级联失效模型假设1 攻击策略为蓄意攻击[16],即敌方优先攻击重要度较大的节点,攻击方式包括实体打击、赛博攻击和混合攻击三种.假设2 网络节点受到攻击失效时,只有属于网络极大互联簇的节点能够保持功能,计算极大互联簇节点度变化情况即可判断网络受损情况.3.2.1 攻击方式1)实体打击. 实体打击包括对指挥信息系统物理实体的精确打击和摧毁等,主要以节点毁伤的方式破坏通信网络的网络结构. 实体打击导致的级联失效过程如图4(a)所示:t1阶段,通信网络GP中重要度较大的节点p1遭受敌方实体打击而失效,耦合节点f11,f12,f13失效,且与此3个节点相连的边e12,e14消失;t2阶段,不属于GP极大互联簇的物理节点p2失效,导致与p2耦合的功能节点f21,f22,f23失效,与之相连的信息连边被删除;不属于GF极大互联簇的功能节点f32失效,被删除;t3阶段,由于f21与f42之间的信息连边消失,导致不属于GF极大簇的节点f42失效被删除;网络结构达到稳态.2)赛博攻击. 赛博攻击能够通过数据篡改、网络欺骗和拒绝服务等方式,造成指挥信息系统功能失效、信息交互阻断,并间接影响通信网络中的物理节点(如果物理节点所有信息功能失效,则认为该物理节点失效). 赛博攻击导致的级联失效过程如图4(b)所示:t1阶段,功能网络GF中重要度较大的节点f21,f31受到赛博攻击失效,节点和对应信息连边消失;t2阶段,不属于GF极大互联簇的节点f12,f22,f42失效,被删除;网络结构达到稳态.3)混合攻击. 混合攻击是指在给定攻击强度条件下,按照一定比例向实体打击和赛博攻击分配攻击强度,并根据所分配的攻击强度对指挥信息系统进行混合攻击,从而破坏系统的网络结构、降低系统的网络性能.假设某指挥信息系统初始状态的网络结构为GP-F,某时刻系统遭遇敌方攻击(实体打击、赛博攻击或混合攻击),致使部分节点失效,随着网络失效特性不断传播,网络结构不断变化,直至节点数不再发生改变为止,设此时网络结构为网络结构计算网络失效规模,并分析指挥信息系统级联失效特性.3.2.2 攻击强度体系对抗过程中,破坏指挥信息系统关键节点是敌方的首要目标,因此,敌方在对指挥信息系统进行攻击时,会首选节点重要度较大的节点,称这些节点为重要节点. 据此定义攻击强度,即受到攻击的重要节点的数目占总的网络节点数的比例,设为ρ,0<ρ<1. 改变ρ值并计算网络平均失效规模S,可分析不同攻击强度下,指挥信息系统的级联失效特性. 在设置ρ时,应首先按照节点重要度对网络节点进行降序排列,然后选择其中排序靠前的节点进行攻击,以实体打击为例,步骤如下:1)将通信网络GP中NP个物理节点按照节点重要度进行降序排列,序号为1,2,…,NP;2)设对GP-F实施攻击强度为ρ的实体打击,攻击序号为1,2,…,[NPρ]的节点,上述节点的失效将引发GP和GF两层网络的级联失效;3)自步骤1)开始循环执行,至网络节点数不再发生变化后,分别统计GP、GF和GP-F的平均失效规模.混合攻击包括实体打击和赛博攻击,用比例系数α来表示实体攻击占混合攻击的比重,0<α<1. 当混合攻击的攻击强度为ρ时,实体打击的攻击强度为αρ,赛博攻击的攻击强度为(1-α)ρ. 混合攻击时,攻击强度、实体打击与赛博攻击的比例和顺序均可能导致不同的级联失效.以某作战想定中的区域联合防空指挥信息系统为例,进行仿真分析. 根据想定,该指挥信息系统可抽象为双层耦合网络,且耦合强度为2. 其中,通信网络包括41个物理节点和67条通信链路,网络结构如图5(a)所示. 根据指挥信息系统负载均衡、去中心化和分布式服务思想,平均分配82个功能节点,一个物理节点可耦合映射为两个功能节点,且pi→fi,i+41,i∈(1,2,…,41). 对功能节点间的信息交互关系进行统计,得到如图5(b)所示的功能网络结构,计算知该指挥信息系统共有434条有向信息连边.在指挥信息系统中,存在少量节点如情报和指控中心,既是通信网络中的重要节点,又因承担较重的信息收集、处理和分发任务,也是功能网络中的重要节点. 此外还存在部分节点,由于在执行作战任务时能够与其他多个节点进行信息交互,因此在功能网络中的重要程度较高,但由于受到地理位置、层次级别和通信手段等的约束,这些节点与其他节点通信连接少,并不属于通信网络中的重要节点.4.1 GM模型已知NP=41,NF=82,MP=67,MF=434,邻接矩阵AP和AF,耦合矩阵R=[I41I41],分别计算度分布和节点介数,结果如图6所示. 图6(a)为GP和GF的节点度分布图,可以看出,两层网络都表现出无标度特征,表示网络由少数度值较大的节点和大量度值较小的节点构成,因此,若对网络实施蓄意攻击,特别是对拥有较大度值的节点进行攻击,网络将迅速失效[17-18]. 图6(b)为节点介数图,其中大部分物理节点的介数值为0,表示GP中处于边缘的节点较多,而功能节点介数值为0的节点较少,且介数值的分布更加均匀,表示GF扁平化特征更明显[10]. 计算可知,GP具有较高的平均介数值,为0.217,而GF的平均介数值为0.112,因此,相比于GF,GP表现出更明显的向某个点集中的趋势,这主要是由于通信网络受到通信方式、地理位置和气象环境等现实条件的限制,大量物理节点不能同任意多个其他物理节点进行通信连接,因此存在大量处于网络边缘的物理节点,而功能网络不受此条件限制. 以上分析与实际指挥信息系统的结构特性一致,说明GM能够较好地描述指挥信息系统结构. 在此基础上,对指挥信息系统级联失效特性进行仿真分析.4.2 级联失效仿真分析攻击方式包括实体打击、赛博攻击和混合攻击三种;攻击强度0<ρ<1,具体设置方法见3.2.2节,仿真分析时令ρ∈(0.01,0.99),递进步长为0.025.4.2.1 级联失效特性对比分析4.2.1.1单层网络级联失效考察单层网络的级联失效特性,包括实体打击所导致的通信网络GP层内级联失效,以及赛博攻击所导致的功能网络GF层内级联失效,结果如图7(a)所示. 可知:攻击强度不同,系统失效规模不同;实体打击和赛博攻击导致的层内级联失效趋势一致;蓄意攻击破坏性强,当ρ=0.2时,GP和GF的失效规模均高达70%,当ρ=0.6时,GP和GF已完全崩溃,系统瘫痪;当ρ∈(0.2,0.35)时,GP失效规模较大,当ρ∈(0.35,0.55)时,GF失效规模较大.分析可知,在敌方蓄意攻击下,网络级联失效规模将随着ρ的增加而迅速扩大,当ρ=0.6时,系统已完全瘫痪,以上结论与传统基于单层网络建模方法对指挥信息系统级联失效分析所得的结论基本一致[16]. 4.2.1.2 双层网络级联失效考察基于双层耦合网络模型的指挥信息系统级联失效特性. 实施攻击强度为ρ的实体打击,级联失效结果如图7(b)所示. 在遭受实体打击后,GP的失效将迅速引发GF的级联失效,且当ρ∈(0.25,0.35)时,两层网络失效规模保持一致,但当ρ∈(0,0.25)∪(0.35,1)时,GP失效规模大于GF. 分析可知,这是由于在GF中存在部分节点重要度与相耦合物理节点的节点重要度不一致的功能节点,该结论符合4.1节的分析,说明了模型的一致合理性.实施攻击强度为ρ的赛博攻击,级联失效结果如图7(c)所示. 在系统完全失效前,赛博攻击导致的GF失效规模总是大于GP的失效规模,这是由于若要物理节点失效,则必须满足与之耦合的所有功能节点均失效. 当ρ=0.25时,实体打击造成的失效规模为0.8,高于赛博攻击(0.72),即实体打击对系统的破坏更严重;当ρ>0.45时,无论赛博攻击还是实体打击,均导致系统完全失效.4.2.1.3 对比分析图7(a)表示了基于传统单层复杂网络理论所建立的网络模型,在受到实体打击或赛博攻击后的级联失效特性;图7(b)和(c)则分别表示了在实体打击和赛博攻击方式下,双层耦合网络模型的级联失效特性. 对比图7(a)、(b)和(c)可以看出:当ρ∈(0,0.25)时,单层网络级联失效特性与双层网络级联失效特性相似,采用双层耦合网络分析指挥信息系统级联失效问题的优势不明显;但当ρ>0.25时,双层耦合网络的级联失效规模迅速增加,在ρ=0.45时即造成系统完全失效,而单层网络级联失效的曲线相对平缓,这是由于双层耦合网络考虑了指挥信息系统的“物理—功能”耦合关系,级联失效传播效应更明显,也更加贴近真实指挥信息系统级联失效情况. 此外,对比图7(b)和(c)可知,攻击强度较小时,赛博攻击能够达到与。
复杂电网级联失效模型综述摘要:电力网络是人工创造的复杂网络之一,担负着将电能从发电机节点输送至负荷节点的任务,而且电网是一类耦合方式多样,具有复杂的层次结构和多时间尺度等特性。
个别元件往往会造成电网发生级联失效,导致整体网络崩溃,带来巨大的损失。
本文主要对电网失效模型进行总结,主要包括容量负载模型、基于直流潮流的OPA模型、基于负荷转移的CASCADE模型和非线性容量负载模型,理论结果可为解决实际电网建设提供理论依据和合理的保护策略。
关键词:复杂网络,级联失效,动力学模型0 引言复杂网络理论已成为复杂系统与复杂性科学重要的研究工具与方法,并被广泛地应用于各个领域,包括社会经济、交通电力及生命科学等。
随着信息和网络技术的快速发展,现代社会对各类网络系统的依赖日益加深。
而且,实际中的网络并不总是稳定的,一个节点或连边的失效往往会对多个其它元素造成影响,使得它们失效,这些新节点的失效同样地又可能使得更多其它节点失效,最终导致大规模的故障,这种现象叫做级联失效。
过去十几年,大规模电网连锁停电事故频繁发生,2003年8月,美国及加拿大出现的严重停电事故,因为少量输电线的故障导致了大范围的停电事故;2012年印度三大电网先后出现故障,造成印度北部、东北部地区电网全面崩溃,这些突发事件造成了大规模的灾难性后果,大停电事故会造成社会经济的极大损失,也会对个人生活产生影响,大停电的主要演变形式是以故障蔓延为特征的级联失效,电网从单一故障演变为多次故障,最终可能导致整个电网崩溃。
因此,学者致力于研究级联失效原理并构建相应模型,以减少级联失效带来的损害。
本文主要总结了Motter和Lai最早提出的容量负载模型[1],Dobson等提出直流潮流OPA模型[2]、和CASCADE连锁故障模型[4,5],非线性容量负载模型[6]。
1 容量负载模型(ML模型)Motter和Lai假设电网中节点的初始负载和容量呈线性关系,得到以下模型:(1)其中为容量;为负载;a为公差参数,表示节点负荷变化时引起的抗干扰能力的变化,a值越小,负载攻击对电网损害越大。
双层网、群落、级联事件等研究(申请扬州大学理学博士学位论文)邹盛荣导师:何大韧教授培养单位:扬州大学专业名称:基础数学研究方向:复杂网络的理论与应用2010年11月Research of Bi-layer Network、Community andCascade Event(Applying for the Degree of Doctor of Science)BySheng-Rong ZouUnder the guidance and supervision ofProfessor Da-Ren HeThesis Submitted toYangzhou UniversityYangzhou University, Yangzhou, P. R. China,November, 2010摘要I摘要以还原论方法论为基础的近代物理学取得了极大的成功,并且导致了一系列现代科学技术的产生与发展。
然而,典型的复杂系统,例如生命系统和社会系统,由于存在自组织和自适应的特点,全体不等于部分的简单组合,从根本上不适用于还原论。
如何建立复杂系统的定量科学系统,是整个科学界长期以来的关注热点之一。
近二十年来,复杂系统研究受到了分外的重视。
上世纪末作为复杂系统描述工具出现的复杂网络的研究热潮对此也起了推动作用。
我们课题组也从事了复杂系统和复杂网络的研究。
本论文的前两部分报告我们对复杂网络中的两个热点问题,即关联双层网和群落划分的研究;后两部分分别报告我们对一类复杂系统中的重要现象——雪崩,以及一个重要复杂系统——科研论文发表系统的研究。
典型的复杂系统可以被划分为许多层次和子系统,每个层次和子系统中存在许多种互相作用的基本单元,这些层次和子系统之间又存在复杂的关联。
这使得对系统整体的研究具有很大困难。
人们自然地首先研究一种基本单元及其相互作用,暂时抛开它们与其它基本单元的相互作用。
这就是为什么到目前为止大多数研究的复杂网络都仅包括一种节点及其相互作用。
复杂金融网络级联失效模型仿真及可靠性分析
张权;莫祯祥;杨璐瑞
【期刊名称】《运筹与管理》
【年(卷),期】2024(33)4
【摘要】复杂网络中级联失效现象会导致网络大面积崩溃进而导致一系列灾难性后果,通过对其建模、仿真和定量分析可以有效预防和解决级联失效问题。
本文在复杂网络理论基础上,基于复杂网络的动力学特征和级联失效机理,运用图论语言建立了金融网络模型;首次将级联失效经典模型运用到复杂金融网络研究中,提出了金融网络级联失效模型。
然后通过仿真定量分析了不同条件下金融网络级联失效模型的可靠性,验证了模型的有效性,有助于复杂金融网络失效的预防及进一步研究。
研究发现:第一、在金融网络级联失效模型仿真过程中,增加迭代次数,会导致网络效率下降,节点失效率上升。
当网络受到蓄意攻击时,网络效率迅速下降,节点失效率快速上升;网络受到极大冲击,且这种冲击远大于随机攻击情况下。
第二、同一种攻击方式下,提升风险容忍系数α,有助于提高网络效率、降低失效率,提升网络可靠性,甚至可以避免网络级联失效的发生,但这会付出相应的成本。
【总页数】6页(P112-117)
【作者】张权;莫祯祥;杨璐瑞
【作者单位】齐齐哈尔大学理学院
【正文语种】中文
【中图分类】O213;O211.62
【相关文献】
1.基于复杂网络的企业创新网络级联失效可靠性模型
2.基于复杂分层网络的城际路网级联失效可靠性仿真
3.基于级联失效的复杂保障网络抗毁性仿真分析
4.基于多子网复合复杂网络模型的级联失效研究
5.考虑拥堵指数的城市群复杂交通网络级联失效模型
因版权原因,仅展示原文概要,查看原文内容请购买。
基于复杂网络的轨道交通网络级联失效机理研究基于复杂网络的轨道交通网络级联失效机理研究交通事故和交通拥堵是当代城市面临的重要问题之一,影响着城市的运行效率和居民的出行体验。
随着城市人口的增加和城市化进程的加快,轨道交通在解决城市交通问题方面具有不可替代的作用。
然而,在城市轨道交通系统中,由于系统复杂性和网络连接性的特点,一旦发生故障,可能会导致级联失效,随之造成更严重的交通问题。
因此,研究轨道交通网络的级联失效机理对于保障城市交通系统的稳定运行具有重要意义。
复杂网络理论提供了一种分析和研究轨道交通网络级联失效的有效方法。
复杂网络是由许多相互连接的节点和边组成的网络结构,其中节点表示系统中的个体或要素,而边则表示它们之间的关系。
复杂网络的网络拓扑结构和动态行为特征可以用来解释和预测轨道交通网络中的级联失效。
在研究中,首先需要构建轨道交通系统的复杂网络模型。
可以将不同的车站和站间线路作为网络的节点,而车站之间的联系则表示为网络中的边。
节点之间的连接可以通过车站之间的相邻关系或乘客流量进行建立。
然后需要对网络的拓扑结构进行分析,包括节点的度分布、网络的平均路径长度和聚类系数等。
通过这些网络特征指标可以评估网络的稳定性和脆弱性。
接下来,通过引入故障模型,研究节点的失效对整个网络的影响。
可以选择一些关键节点进行模拟故障,观察网络中节点失效的扩散。
一旦一个节点失效,其邻近的节点可能会受到影响,进而导致级联失效。
通过研究级联失效的传播速度和规模,可以评估系统的脆弱性和抗干扰能力。
此外,还可以分析网络的重构能力。
在发生故障后,系统是否能够通过调整节点之间的连接关系来恢复正常运行。
通过重新连接节点,并且增加额外的边以增加网络的冗余,可以提高网络的鲁棒性和恢复能力。
通过研究网络的重构过程,可以得出一些优化原则,来指导轨道交通系统的设计和运营。
最后,基于复杂网络的分析结果,可以提出一些预防和应急措施来减少轨道交通网络的级联失效。
基于二阶图自编码器的复杂网络分析作者:袁立宁刘义江莫嘉颖罗恒雨来源:《现代信息科技》2024年第10期摘要:為了充分利用复杂网络中蕴含的信息,增强图自编码器模型的表征能力,提出一种基于二阶图卷积网络的自编码器模型SeGCN-AE。
先使用二阶图卷积网络提取实体属性和关系信息,生成低维特征表示;然后使用内积解码器重构复杂网络链接关系矩阵,并通过重构损失对模型进行优化。
在两个基准复杂网络数据集实验中,SeGCN-AE的性能始终优于当前较为先进的基线模型,表明二阶关系的引入能够增强模型的表征能力,提升复杂网络分析任务的表现。
关键词:图自编码器;图卷积网络;标签预测;关系预测中图分类号:TP183 文献标识码:A 文章编号:2096-4706(2024)10-0064-04Analysis of Complex Network Based on Second-order Graph AutoencoderYUAN Lining1,2, LIU Yijiang1, MO Jiaying2, LUO Hengyu2(1.People's Public Security University of China, Beijing 100038, China; 2.Guangxi Police College, Nanning 530028, China)Abstract: In order to make full use of the information contained in complex networks and enhance the representation ability of graph autoencoder models, we propose an autoencoder model SeGCN-AE based on second-order graph convolutional networks (SeGCN). First, SeGCN is used to extract entity attributes and relationship information, and generate low-dimensional feature representations. Then, the inner product decoder is used to reconstruct the complex network link relationship matrix, and the model is optimized by reconstruction loss. On the two baseline complex network dataset experiments, the performance of SeGCN-AE is always better than current advanced baseline model, indicating that the introduction of second-order relationships can enhance representation ability of the model and improve the performance of complex network analysis tasks.Keywords: graph autoencoder; graph convolutional network; label prediction; relationship prediction0 引言复杂网络是一种理解和表征现实世界复杂系统的方法,能够将复杂系统中的实体表示为节点,实体之间的某种关系表示为链接(边),例如社交网络、犯罪网络和交通网络。
doi:10.3969/j.issn.1671-1122.2021.05.011基于最优有效路径的域间路由系统级联失效模型张俊1,2,王永杰1,2,张敬业1,2,杨林1,2(1.国防科技大学电子对抗学院,合肥 230037;2.安徽省网络空间安全态势感知与评估重点实验室,合肥 230037)摘 要:域间路由系统级联失效对域间路由网络安全影响较大,因此有必要对级联失效建模并进行深入研究。
文章在分析域间路由网络商业关系和路由策略的基础上,提出了符合实际情况的最优有效路径发现算法和VIRS介数,基于VIRS介数定义链路初始负载和容量,基于最优有效路径发现算法设计负载重分配过程,进而构建域间路由系统级联失效模型。
模型弥补了已有研究的一些短板,既分开考虑了节点和链路的失效原因,也加入了节点和链路的恢复机制。
算法复杂度分析和实验说明了最优有效路径发现算法的有效性和准确性,模型仿真实验研究了不同参数及恢复机制对级联失效的影响。
研究结果对分析域间路由系统级联失效成因和维护网络安全以防发生级联失效有一定参考和借鉴作用。
关键词:复杂网络;域间路由系统;网络攻击;仿真模型;级联失效中图分类号:TP309 文献标志码: A 文章编号:1671-1122(2021)05-0090-10中文引用格式:张俊,王永杰,张敬业,等.基于最优有效路径的域间路由系统级联失效模型[J].信息网络安全,2021,21(5):90-99.英文引用格式:ZHANG Jun, WANG Yongjie, ZHANG Jingye, et al. Cascading Failure Model for Inter-domain Routing System Based on Optimal Valid Path[J]. Netinfo Security, 2021, 21(5): 90-99.Cascading Failure Model for Inter-domain Routing System Based onOptimal Valid PathZHANG Jun1,2, WANG Yongjie1,2, ZHANG Jingye1,2, YANG Lin1,2(1. College of Electronic Engineering, National University of Defense Technology, Hefei 230037, China;2. Anhui Province Key Laboratory of Cyberspace Security Situation Awareness and Evaluation,Hefei 230037, China)Abstract: The cascading failure of the inter-domain routing system has a great impact on the security of inter-domain routing network, so it is necessary to conduct an in-depth study oncascading failure modeling. Based on the analysis of business relationship and routing strategy ofinter-domain routing network, this paper proposes an optimal valid path discovery algorithm and收稿日期:2020-09-22基金项目:国家自然科学基金[61802422]作者简介:张俊(1994—),男,安徽,硕士研究生,主要研究方向为网络空间安全和复杂网络;王永杰(1974—),男,安徽,副教授,博士,主要研究方向为网络空间安全、风险评估和信息系统建模;张敬业(1985—),男,安徽,讲师,硕士,主要研究方向为网络态势感知和网络空间安全;杨林(1995—),男,湖南,硕士研究生,主要研究方向为网络空间安全和群体智能。
基于负载容量的计算机网络级联失效模型王红伟;赵慧娜【期刊名称】《计算机与现代化》【年(卷),期】2014(000)007【摘要】Based on computer system initialized load capability , routing control strategy and node forwarding rate , in view of the cascading failure influence in computer system network service performance , we construct a kind of computer network cascading failure model considering the service performance .From multiple levels of influence parameters , the model effectively measures the influence factors variable values of cascading failure for the computer network service performance .Through comprehensive a-nalysis, the model could offer certain practice guidance for preventing and controlling the network cascading failure .%基于计算机系统初始化负载能力、路由控制策略与节点转发速率,针对级联失效在计算机系统网络服务性能上的影响,构造一种考虑服务性能的计算机网络级联失效模型。
该模型从多个影响参数层面考虑,有效衡量级联失效对于计算机网络服务性能的影响因素变量值。
通过综合分析,该模型对于防控网络级联失效问题能够给予一定的实践指导。
复杂网络中的级联失效研究进展
张渡淯;吴建军;杨欣;马智傲;朱天雷
【期刊名称】《山东科学》
【年(卷),期】2024(37)2
【摘要】随着网络科学的发展和复杂系统理论的兴起,学者们开始对复杂网络的结构和动力学特性展开深入研究。
在复杂网络动力学特征中,级联失效作为复杂网络动力学特征中重要的研究领域之一,描述了一个系统或过程中的一个故障或错误导致其他相关组件或环节的连锁反应性故障。
学者们针对复杂网络中的级联失效提出了多种级联失效模型和恢复策略。
本文对级联失效的发生机理进行了分析,总结了国内外针对复杂网络中级联失效的研究成果,并概括了应对级联失效的恢复策略,同时指出了现有研究存在的问题与不足之处,为未来的研究提供了一定的思路。
【总页数】12页(P85-96)
【作者】张渡淯;吴建军;杨欣;马智傲;朱天雷
【作者单位】北京交通大学系统科学学院
【正文语种】中文
【中图分类】N945.17
【相关文献】
1.多层复杂网络上的渗流与级联失效动力学
2.具有弱依赖组的复杂网络上的级联失效
3.基于复杂网络理论的有向多关系网络级联失效研究
4.基于节点重要度动态评估的复杂网络级联失效分析
因版权原因,仅展示原文概要,查看原文内容请购买。
一种基于介数的双层复杂网络级联失效模型沈迪;李建华;熊金石;张强;朱瑞【摘要】针对单层网络级联失效模型难以有效分析层状网络抗毁性的问题,基于介数分析法,研究了面向双层网络的级联失效模型.分析了网络两个层面之间信息(或能量)交互以及级联失效时的影响关系,并通过定义交互强度因子改进了节点介数计算方法,突出了节点业务对网络流量的影响.重设节点失效判定准则和负荷重分配准则,使网络两个层面在级联失效分析过程中得到关联.最后,仿真实验验证了模型有效性和可行性.【期刊名称】《复杂系统与复杂性科学》【年(卷),期】2014(011)003【总页数】7页(P12-18)【关键词】介数;复杂网络;双层网络;级联失效;模型【作者】沈迪;李建华;熊金石;张强;朱瑞【作者单位】空军工程大学信息与导航学院,西安710077;空军工程大学信息与导航学院,西安710077;空军工程大学信息与导航学院,西安710077;空军工程大学信息与导航学院,西安710077;中国人民解放军93801部队,陕西咸阳712200【正文语种】中文【中图分类】TP391.9复杂网络的抗毁性研究一直是学界关注的对象。
近年来,多种针对不同类型复杂网络的级联失效模型被相继提出,文献[1]研究了生物学中纤维素网的级联失效模型,该模型认为网络中所有节点和边的负荷均相同,且其最大负荷人为设定,这与现实中许多情况不符。
文献[2]和[3]针对如电网、天然气网等能量传递网络的节点失效后不会消失的情况,提出了基于效能分析的级联失效模型,并以2003年美国北部电网大规模瘫痪为具体示例做分析。
文献[4]和[5]研究了复杂作战指挥网络的级联失效模型,文献[4]提出了将作战环数量作为评估网络效能的标准,文献[5]通过定义指挥网络节点的过载函数,描述了节点在正常和失效之间的状态模型。
在众多级联失效模型的研究中,介数分析法具有较高认同度,文献[6]提出了基于介数的级联失效模型,其模型将网络节点的负荷定义为节点的介数,其最大负荷与其初始负荷成正比,并以此为基础分析网络的级联失效情况,但该模型假设信息是沿着最短路径传播,与大多实际情况不符。
对此,文献[7]提出了基于随机行走介数的级联失效模型,该模型假设信息在节点中通过随机行走传递,并得出该模型下节点介数差距较小的结论。
但上述研究在分析网络级联失效时均只考虑了单层网络情况,而实际中大多数网络都具有双层甚至多个层面属性[8],网络节点之间的信息(或能量)交流往往与各个层面有关。
对此,本文将针对双层网络结构特征构建模型,通过改进节点介数计算式,将网络的两个层面关联,并以此为基础设定节点失效判定和负荷重分配准则,分析其整体级联失效特性。
双层复杂网是层状复杂网络最典型的网络模型[9-10]。
在现实社会中,常见的双层网络一般由基础联通网和业务关联网两个层面组成,前者用于保持网络节点之间信息(或能量)的交互,属于下层网络NL,后者主要由节点的功能属性决定,属于上层网络NT,在这类双层网络中,每层网络所包含的节点是相同的,不同的是节点之间的连接关系。
一些常见的例子如城市公交网,军事指挥网等。
如果将城市公交车站作为网络的节点,则连接各节点之间的城市道路网构成其基础联通网络,而路经各个车站的公交路线网则构成其业务关联网,显然,公交线路网对于城市道路网络的流量具有很大影响。
在军事指挥网中如果将各指挥中心作为网络节点,则连接各中心的通信网构成其基础联通网络,而由各中心所在部队角色构成的指挥关系网则构成其业务关联网,显然,指挥关系网对通信网的信息流向会产生较大程度的影响。
在双层复杂网络级联失效研究中,以下若干问题区分于单层网络,需重点考虑:问题1:上层网对下层网信息(或能量)交互的影响。
在基于介数分析的单层网络级联失效模型研究[6,11-12]中,对于网络节点介数的定义式一般为式中,l(g,k)为网络中节点vg 和vk 间的可达最短路径的总数,l(g,k,vi)为其中经过点vi的路径数。
但式(1)对介数的计算将遍历所有网络节点,并认为所有节点在网络中的地位是对等的。
这与实际情况有所不符,因为在大多数实际网络中任意两个节点vg和vk之间是否具有信息(或能量)交互,或者其交互的强度应该与节点实际的功能属性紧密相关,即涉及到其上层网络的业务关系。
问题2:网络两个层面之间级联失效的影响。
在双层网络中,每层节点级联失效与各层的拓扑结构和连接特性有关,必须分层建模分析。
同时,网络两个层面之间也存在相互影响[13]。
下层网络对上层网络的影响:NL→NT,网络节点联通能力失效,其节点业务必然受重大影响,极可能同时失效;上层网络对下层网络的影响:NT→NL,当节点业务能力失效时,其业务负荷将依照一定法则在网络中被重新分配,同样会对基础联通网络产生影响。
问题3:节点负荷重分配寻径问题。
当网络中节点失效时,其原来的负荷会分流至其他节点,联通流量负荷的分配比较简单,可按照一定的择优概率分配[14-15],如式(2):其中,Γi为失效节点i的邻居节点的集合,pj为节点j分流节点i负荷的概率,xj为节点j的择优属性,可以为节点的介数、初始负荷、与失效节点之间的链路带宽等。
但失效节点业务负荷重新分配的问题则要比流量分配复杂,因为具有专业性,不能随意分配,必须需找具有相同业务能力的节点,当相邻节点中无对应业务时,则需扩大搜索范围,在迭代搜索过程中,路径的选择问题往往与下层通信网有关。
在下层网络NL中,节点之间的连接关系受到节点坐标和方位约束,相邻较近的节点产生连接关系,一个简单例子:某军事指挥网络的NL拓扑结构如图1所示,但在上层网络NT中,节点之间的连接关系完全由业务逻辑决定,相互之间的连接不受位置约束,关系较为复杂,如图2所示。
但如问题1所说,NT对NL的信息(或能量)交互有较大影响,而NL节点失效对NT也有极大影响,建模时必须同时考虑。
定义1 A(m×n)为节点业务承载矩阵,m为网络节点的数量,n为网络所具备功能业务的种类数量,aij为0-1值,表示一个网络节点是否承载某个业务。
定义2 S(n×n)为业务关联矩阵,sij为0-1值,表示业务si和sj之间是否存在信息(或能量)的交互,S为对称矩阵。
定义3 R(m×m)=A·S·AT/2,则根据A和S定义,矩阵R意义为网络节点关联矩阵,rij为信息节点vi和vj之间信息(或能量)交流的强度,其值越大表示节点之间有关的业务越多,信息交流强度大,R也是对称矩阵。
以上述定义为基础,将交流的强度作为因子引入介数计算式,则定义节点vi介数为式(3)在点介数的计算中,将节点间信息(或能量)交互强度rij作为权值相乘,从而使节点介数更切合实际的反应网络中的流量情况。
则在式(3)基础上,参照文献[6-7],[11-12]定义NL 节点初始负荷:式(4)中,di为节点i的度,m为节点i的一个邻居节点,bm为节点m的介数,α为可调参数。
定义NT节点初始负荷:其中,di为节点i的度,ek为节点i所承载的业务sk所需的系统开销,Ωi为节点i所承载的业务集合,β为可调参数。
参照文献[6-7],[11-12]定义 NL 节点最大负荷:CLi= (1+η)Li ,i=1,2,3,…,n,η为能力调节参数。
定义NT 节点最大负荷:CTi= (1+λ)Ti ,i=1,2,3,…,n,λ为能力调节参数。
设NL节点失效状态为EL,NT节点失效状态为ET,则当节点i被分配到的额外通信负荷超出最大负荷时,其信息(或能量)能力将崩溃,产生级联失效,其NL节点失效条件为其中,Πi为与节点i相邻的已毁伤节点的集合,ΔLj为节点i接收到的关于已毁伤节点j的额外通信负荷。
当节点i被分配到的额外业务负荷超出NT节点最大负荷时,NT节点崩溃,产生级联失效,此时NT节点失效条件为其中,Φi为对节点i造成影响的已毁伤节点的集合,ΔTj为节点i接收到的关于已毁伤节点j的额外业务负荷。
但当NL节点失效情况下显然不可承载业务,故有:EL→ET,所以NT节点失效条件应为NL失效节点i上的负荷重新分配到它的邻居节点j上,择优概率定义为式(9)和式(10)的意义为:在NL中,失效节点的邻居节点收到的额外负荷与其初始负荷成正比,初始负载能力大的节点将接收到更多失效节点产生的额外负荷。
NT失效节点i上的负荷重新分配如问题3所述,须通过迭代搜索寻找具有对应业务的节点,定义1次迭代择优概率为式(11)表达的意义为,对于NT失效节点的某个业务k的负荷,将被配到相邻的具备承载该业务的节点中,且被选节点的负荷分配概率与该节点的初始业务负荷以及节点的度dj_1成正比。
节点j_1收到的额外关于业务sk负荷为当1次迭代搜索失败,即相邻节点均无对应业务时,则进入迭代搜索,经过h次迭代后,节点j_h被选择的概率为式(13)表达的意义为,在迭代搜索节点时,搜索路径的择优概率与路径包含的节点介数成正比,当迭代至发现可承载业务的节点时,以与初始业务负荷成正比的概率分配负荷。
节点j_h收到的额外关于业务sk的负荷为根据2.3对节点介数、初始(最大)负荷以及负荷重分配的定义,模型的计算步骤设计为:步骤1 初始化NT节点业务承载矩阵A和业务关联矩阵S,并计算NT关联矩阵R;步骤2 计算NL每个节点的度di和介数bi,并计算NL节点初始负荷Li,最大负荷CLi;步骤3 初始化NT中所有业务的开销sk,并计算NT点初始负荷Ti,最大负荷CTi;步骤4 选择网络初始受攻击节点,并分别将其归入失效节点集ΛL和ΛT;步骤5 根据式(9)和式(13)将失效节点集ΛL和ΛT的负荷重分配给其他节点,并将两个集合中的节点从网络中删除,同时置ΛL和ΛT为Ø;步骤6 遍历审核NL每个节点,当节点满足式(6),将其归入ΛL,再遍历审核NT每个节点,当节点满足式(8),将其归入ΛT;步骤7 判断ΛL和ΛT是否为Ø,当其中有一个不为Ø时,进入Step5,当两个均为Ø时,级联失效终止,计算步骤结束。
利用MATLAB2010VA仿真实验验证模型有效性,实验以某军事指挥网络为模型对象,其NL拓扑结构如图1所示,共20个节点,该网络承载17种业务,节点业务承载矩阵A和业务关联矩阵为S。
在本实验中,业务的开销定义为该业务与其他业务的信息(或能量)交流需求总和,即业务Sk所需的系统开销为ek=∑skj,所有节点初始负荷能力参数α和β均设为1,最大负荷能力参数η和λ在(0,1)内调节。
为衡量级联失效对整个网络的影响,分别定义NL节点存活率μl和NT服务存活率μt,μl=np/N,μt=ns/M,其中np 和ns 分别表示网络中存活的节点数和业务数,N和M分别为节点和业务总数。