CN101478426A - 网络拓扑模型生成方法和系统 - Google Patents

Abstract

本发明实施例公开了网络拓扑模型生成方法和系统，其中，所述方法为：在预先建立的连通随机网络中随机确定一个当前网络的参考局域；以预定的概率，对当前网络的所述参考局域进行边的增加和消亡操作，最终使得网络总节点数达到期望节点数，本发明实施例所提供的方法，以局域世界的概念，综合考虑节点的加入，链接的产生、消亡，局域内部演化以及局域内与局域外增加链接的情况，并通过“三角形形成”的机制得到一个基于局域世界的可调簇系数网络演化模型，该模型充分考虑了真实世界网络拓扑结构的特点，实现了对真实网络的有效模拟。

Description

网络拓扑模型生成方法和系统

技术领域

本发明涉及通信技术领域，尤其涉及网络拓扑模型生成方法和系统。

背景技术

在计算机网络研究中，经常需要对新的应用程序、体系结构或者协议等进行评估，因此基于真实网络的网络模拟就成了计算机网络研究的一种重要方法。由于网络存在多样性和复杂性，影响网络模拟稳定性的重要因素就是所使用的网络拓扑模型。

由此可见，网络拓扑模型是研究计算机网络的内在特征和形成机理的关键技术之一，拓扑建模不仅为网络仿真环境的建立提供理论基础，利于高效的路由协议和网络算法的设计；还能通过对网络拓扑结构的研究达到优化网络的目的。

目前网络拓扑模型的生成方法主要是基于度分布的，模型呈现出无标度性质。如1999年提出的经典的BA网络模型，它是通过增长机制和优先连接机制得到网络度分布的幂律特性。此后提出了引入了重连机制的改进BA模型，局域世界演化模型以及基于局域世界概念的各种演化模型。

发明人通过对现有技术的研究发现，虽然这些现有模型反映了现实世界度分布的幂律特性，但是在现有模型的建立过程中仅考虑了网络演化的过程增长和优先连接这两种现象，而忽视了在实际网络上还存在着链接的消亡、局域内部演化以及局域与局域外增加链接的情况，导致现有的网络拓扑模型并不能很好地对真实的网络进行有效模拟。

发明内容

有鉴于此，本发明实施例的目的在于提供网络拓扑模型生成方法和系统，建立一个与真实的网络更为接近的网络模型。

为实现上述目的，本发明实施例提供了如下技术方案：

一种网络拓扑模型生成方法，包括：

在预先建立的连通随机网络中随机确定一个当前网络的参考局域；

以预定的概率，对当前网络的所述参考局域进行边的增加和消亡操作，最终使得网络总节点数达到期望节点数。

所述以预定的概率，对当前网络的所述参考局域进行边的增加操作包括：

以第一扩展概率从所述参考局域内向所述参考局域外增加m₁条边；

以第二扩展概率在所述参考局域内增加m₂条边；

以第三扩展概率在所述参考局域外加入一个新节点，将所述新节点与所述参考局域中m₃个节点相连；

所述以预定的概率，对当前网络的所述参考局域进行边的消亡操作包括：

以消亡概率从现有的节点所形成的网络中删除一条边；

其中，所述第一扩展概率、第二扩展概率、第三扩展概率和消亡概率的和为1。

从所述参考局域内向所述参考局域外增加m₁条边包括：

以择优连接概率从所述参考局域中选取第一节点；

根据度分布优先原则从所述参考局域外选取第二节点；

将所述第一节点和所述第二节点连接形成一条边；

判断增加的边的条数是否达到m₁，如果否，就返回以择优连接概率从所述参考局域中选取第一节点的步骤；如果是，则结束。

在所述参考局域内增加m₂条边包括：

以择优连接概率从所述参考局域中选取第一节点；

从所述参考局域中随机地选取第二节点；

将所述第一节点和所述第二节点连接形成一条边；

判断增加的边的条数是否达到m₂，如果否，就返回按照择优连接概率从所述参考局域中选取第一节点的步骤；如果是，则结束。

在所述参考局域外加入一个新节点，将所述新节点与所述参考局域中m₃个节点相连包括：

以第三扩展概率在所述参考局域外加入一个新节点；

以择优连接概率从所述参考局域中选取第一节点；

将所述新节点与所述第一节点相连形成一条边；

判断增加的边的条数是否达到m₃，如果否，就返回以择优连接概率从所述参考局域中选取第一节点的步骤；如果是，则结束。

在将所述新节点与所述待连接节点相连形成一条边时，还包括：

将所述新节点以第四概率与所述第一节点的任意一个相邻节点相连。

在所述以择优连接概率从所述参考局域中选取第一节点前还包括：

获取当前网络的平均节点度；

在所述以择优连接概率从所述参考局域中选取第一节点后还包括：

判断所述第一节点的度值是否大于所述当前网络的平均节点度；

如果是，在返回以择优连接概率从所述参考局域中选取第一节点的步骤；

如果否，在保留所述第一节点。

该方法还包括：

获取当前网络的平均节点度；

根据所述平均节点度最大化当前网络结构熵。

该方法还包括：

根据当前网络各个节点的度值确定关键节点，所述关键节点为节点度值超过预设阈值的节点；

将当前网络中的所述关键节点分裂为非关键节点，所述非关键节点为节点度值不超过预设阈值的节点。

一种网络拓扑模型生成系统包括：

确定单元，用于在预先建立的连通随机网络中随机确定一个当前网络的参考局域；

设置单元，用于设置网络模型扩展概率和消亡概率，其中所述扩展概率和所述消亡概率的总和为1；

调整单元，用于根据所述设置单元中设置的概率对所述确定单元确定的当前网络的参考局域进行边的增加和消亡操作；

控制单元，用于对调整单元调整后的网络节点进行监控，当网络节点达到期望值时指示所述调整单元停止工作，当所述网络节点未达到期望值时指示所述调整单元继续工作。

所述调整单元包括：

扩展子单元，用于根据所述设置单元设置的扩展概率为所述参考局域增加边；

消亡子单元，用于根据所述设置单元设置的消亡概率为所述参考局域删除边。

所述扩展子单元包括：

第一扩展模块，用于根据所述设置单元设置的第一扩展概率从所述参考局域内向所述参考局域外增加m₁条边；

第二扩展模块，用于根据所述设置单元设置的第二扩展概率在所述参考局域内增加m₂条边；

第三扩展模块，用于根据所述设置单元设置的第三扩展概率向所述参考局域外加入一个新节点，将所述新节点与所述参考局域中m₃个节点相连，形成m₃条边。

该系统还包括：

第一优化单元，用于最大化根据所述调整单元调整后获得的网络的结构熵。

该系统还包括：

第二优化单元，用于分裂根据所述调整单元调整后获得的网络的关键节点。

所述第二优化单元包括：

确定子单元，用于根据当前网络中各个节点的度值确定关键节点，所述关键节点为节点度值超过预设阈值的节点；

分裂子单元，用于将确定子单元确定的关键节点分裂为非关键节点，所述非关键节点为节点度值不超过预设阈值的节点。

可见，在本发明实施例中，在预先建立的连通随机网络中随机确定一个当前网络的参考局域；以预定的概率，对当前网络的所述参考局域进行边的增加和消亡操作，最终使得网络总节点数达到期望节点数，本发明实施例所提供的方法，以局域世界的概念，综合考虑节点的加入，链接的产生、消亡，局域内部演化以及局域内与局域外增加链接的情况，并通过“三角形形成”的机制得到一个基于局域世界的可调簇系数网络演化模型，该模型充分考虑了真实世界网络拓扑结构的特点，实现了对真实网络的有效模拟。

附图说明

图1为本发明一实施例所提供的方法的流程图；

图2为本发明一实施例所提供的方法的示意图；

图3为本发明另一实施例所提供的方法的示意图；

图4为本发明另一实施例所提供的方法的流程图；

图5为本发明一实施例所提供的另一方法的流程图；

图6a为本发明一实施例所提供的方法处理前的节点图；

图6b为本发明一实施例所提供的方法处理后的节点图；

图7为本发明一实施例所提供的系统的结构示意图；

图8为本发明另一实施例所提供的系统的结构示意图；

图9为本发明一实施例所提供的另一种结构的示意图。

具体实施方式

本发明实施例公开了网络拓扑模型生成方法和系统，为使本发明的目的、技术方案及优节点更加清楚明白，以下参照附图并举实施例，对本发明作进一步详细说明。

参见图1，本发明实施例所提供的网络拓扑模型生成方法具体包括：

步骤101：在预先建立的连通随机网络中随机确定一个当前网络的参考局域。

现实世界中的网络偏好局域连接，局部网络内部往往连接较为紧密，存在着“物以类聚”的现象，本发明采用局域世界的概念，在网络规模不断扩大演化时，即在新节点和新链接产生的同时，由于随机破坏、自然灾害或其它重大打击将造成网络中已有链接的消亡；不仅局域内部会发生演化，产生新的内部链接，局域与局域外也将产生新的链接。

考虑到现实世界中网络的上述特点，本发明实施例所提供的方法是以局域世界的概念建立一个网络拓扑模型，首先要初始化网络，即建立一个具有m₀个节点和e₀条边的连通随机网络。该随机网络中的节点数和边数是网络建立时随机产生的，本发明对此不做限定。

第二准备工作就是从当前的随机网络中确定一个参考局域。

具体的方法是，在每一个时间步，随机地从网络已有的节点中选取M个节点，由这M个节点组成参考局域。

步骤102：以预定的概率，对当前网络的所述参考局域进行边的增加和消亡操作，最终使得网络总节点数达到期望节点数。

在确定当前随机网络的参考局域后，要做的就是通过以一定的概率对所述参考局域进行增加边和删除边的操作，使得网络节点能够增长到期望的数目，实现网络拓扑模型的生成。

其中，所述以预定的概率，对当前网络的所述参考局域进行边的增加操作包括：

1、从参考局域内向参考局域外部增加边

以第一扩展概率p₁从所述参考局域内向所述参考局域外增加m₁条边，实现参考局域内与参考局域外的连接。其中，p₁控制从所述参考具有内向所述参考局域外增加m1条边这一事件发生的概率，参见图2，从所述参考局域内向所述参考局域外增加m1条边包括：

首先，以择优连接概率∏从所述参考局域中选取第一节点v。其中，所述择优连接概率∏按照式1得到。

${\mathrm{\Π}}_{\mathrm{Local}}\left(k_i\right)=\mathrm{\Π}\′(i\∈\mathrm{Local})\frac{k_i}{\underset{j\∈\mathrm{Local}}{\mathrm{\Σ}}{k}_j}\≡\frac{M}{m_0+p_{3}t}\frac{k_i}{\underset{j\∈\mathrm{Local}}{\mathrm{\Σ}}{k}_j}$       式1

需要注意的是，由于通常参考局域内与参考局域外的连接较参考局域内的连接要少很多，所以，所述第一扩展概率p₁的取值较小。

然后，按照度分布优先的原则从参考局域外选取第二点u。有了这两个端点后，将所述第一点和第二点连接形成一条边。

因为要增加m₁条边，所以要将上述过程重复进行m₁次。

2、参考局域内部增加边

以第二扩展概率p₂在所述参考局域内增加m2条边。实现参考局域内部的演化。其中，p₂控制在所述参考局域内增加m2条边这一事件发生的概率。在所述参考局域内增加m2条边包括：

首先，以择优连接概率∏从所述参考局域中选取第一节点。所述择优连接概率∏的形式与式1相同。

然后，从参考局域中随机地选取第二点。有了这两个端点后，将所述第一点和第二点连接形成一条边。

因为要增加m₂条边，所以要将上述过程重复进行m₂次。

3、新节点的加入和新链接的产生

以第三扩展概率p₃在所述参考局域外加入一个新节点，将所述新节点与所述参考局域中m₃个节点相连，实现网络的增长。其中，p₃控制在所述参考局域外加入一个新节点，将所述新节点与所述参考局域中m₃个节点相连这一事件发生的概率。参见图3，在所述参考局域外加入一个新节点，将所述新节点与所述参考局域中m₃个节点相连包括：

首先，以概率p₃在所述参考局域外加入一个新节点v。

然后，以择优连接概率∏从所述参考局域中选取第一节点u。其中，所述择优连接概率∏的形式与式1相同。

在获取了这两个端点后，将所述新节点与所述第一节点相连形成一条边。在每一条新边形成的同时，以概率q执行一次“三角形形成”，以改进局域世界演化模型中，网络规模很大时，簇系数趋于零的不足。

其中，所述“三角形形成”包括：当新节点v以概率∏与参考局域中的节点u连接时，则在u的邻居中任选一节点w，以概率q将节点v连向节点w。

如果节点u的所有相邻节点均与v相连，则无需重复连接。

因为要增加m₃条边，所以要按照上述方法，从所述参考局域内选取m₃个点，反复执行上述操作m₃次。

在本发明实施例中，所述以预定的概率，对当前网络的所述参考局域进行边的删除操作包括：

以消亡概率p₄从现有的节点所形成的网络中删除一条边，实现网络内链接的消亡。p₄控制从现有的节点所形成的网络中删除一条边这一事件发生的概率，其中，所删除的这条边是随机从整个网络中选取的。如果随机选择移除边将造成网络中存在孤立节点，则放弃删除当前选取的边，再随机选取另一条边去除，避免造成孤立节点的产生。

在上述处理过程中，p₁+p₂+p₃+p₄＝1，例如，在本发明一实施例中所提供的方法中，p₁＝0.06，p₂＝0.12，p₃＝0.8，p₄＝0.02。

在整个网络演化的过程中，对网络的节点总数进行监控，当网络中的节点总数增长到期望值N时结束网络演化过程。在网络演化过程中，节点间不允许重连和自连。

按照本发明实施例所提供的方法，在执行t个时间步后，网络将会有N_t＝m₀+p₃t个节点，有E_t＝e₀+[p₁m₁+p₂m₂+(1+q)p₃m₃-p₄]t条边。经过推导，本发明实施例所生成的网络拓扑模型的度分布p(k)呈现无标度特性。

令 $P\left(k\right)=\frac{{[(1+q)m_3+B/A]}^{\frac{1}{A}}}{{A(k+B/A)}^{1+\frac{1}{A}}}$ 等于Ck^-λ             式2

其中， $A=\frac{{2p}_1{m}_1+p_2{m}_2+(1+q)p_3{m}_3}{2[p_1{m}_1+p_2{m}_2+(1+q)p_3{m}_3-p_4]},$ $B=\frac{p_2{m}_{2}M-2p_4(M-1)}{p_3(M-1)}.$

本发明实施例所提供的方法，以局域世界的概念，综合考虑节点的加入，链接的产生、消亡，局域内部演化以及局域内与局域外增加链接的情况，并通过“三角形形成”的机制得到一个基于局域世界的可调簇系数网络演化模型，该模型充分考虑了真实世界网络拓扑结构的特点，实现了对真实网络的有效模拟。

在网络演化过程中，当新节点涌现时，它们更倾向于连接到已经拥有较多连接的节点，并且随着网络规模的不断扩大，这些节点就拥有比其它节点更多的连接数目，形成了网络中的关键节点。

虽然网络对于随机打击具有较强的鲁棒性，但它同时也存在着脆弱性的一面。由于网络中关键节点拥有大量连接，如果去除这些关键节点，或者对关键节点进行恶意攻击，将足以使整个网络瘫痪，后果不堪设想。所以应该尽量减少网络中的关键节点。

在本发明一实施例中，通过优化网络结构熵实现网络均匀化，从而弱化网络关键节点。参见图4，该方法包括：

步骤401：获取当前网络的平均节点度。

将网络结构熵反映到一个具体的网络拓扑模型上来讲就是，拓扑模型越均匀，熵值越大。而一个越均匀的网络，由于其中关键节点不明显，其抗攻击能力也就越强，面对一些蓄意攻击或者军事上的智能打击，网络将有更强的抗毁性。于是在网络建设费用尽量小的条件下，优化其抗攻击能力就转化为最大化网络结构熵问题，即在网络建设费用尽量小，网络参数取值范围一定的约束条件下，最大化网络结构熵，使得优化后网络拓扑结构尽量均匀。

而网络的建设费用可以通过网络的平均节点度<k>来反映。用k_min、k_max分别表示网络节点的最小度和最大度，则网络的平均节点度可以进行如下计算：

$\&lang;k\&rang;={\&Integral;}_{k_{\min }}^{k_{\max }}k\&CenterDot;p\left(k\right)\mathrm{dk}={\&Integral;}_{k_{\min }}^{k_{\max }}k\&CenterDot;{\mathrm{Ck}}^{-\mathrm{\&lambda;}}\mathrm{dk}$

$=\left\{\begin{array}{cc}\frac{C}{2-\mathrm{\&lambda;}}({k_{\max }}^{2-\mathrm{\&lambda;}}-{k_{\min }}^{2-\mathrm{\&lambda;}})& 2<\mathrm{\&lambda;}\&le;3\\ C(\ln k_{\max }-\ln k_{\min })& \mathrm{\&lambda;}=2\end{array}\right.$                      式3

其中，系数C可度分布的归一化估计如下：

${\&Integral;}_{k_{\min }}^{+\&infin;}p\left(k\right)\mathrm{dk}={\&Integral;}_{k_{\min }}^{+\&infin;}{\mathrm{Ck}}^{-\mathrm{\&lambda;}}\mathrm{dk}=1$

故：C＝(λ-1)k_min ^λ-1                  式4

网络的最大节点度k_max可用下式进行估计：

${\&Integral;}_{k_{\max }}^{+\&infin;}p\left(k\right)\mathrm{dk}=1/N$

所以有： $k_{\max }=k_{\min }{N}^{\frac{1}{\mathrm{\&lambda;}-1}}$                            式5

将式(5)和式(6)代入(4)式，可以得到<k>：

$\&lang;k\&rang;=\left\{\begin{array}{cc}\frac{\mathrm{\&lambda;}-1}{2-\mathrm{\&lambda;}}(N^{\frac{2-\mathrm{\&lambda;}}{\mathrm{\&lambda;}-1}}-1)k_{\min }& 2<\mathrm{\&lambda;}\&le;3\\ k_{\min }\ln N& \mathrm{\&lambda;}=2\end{array}\right.$              式6

402：根据所述平均节点度最大化当前网络结构熵。

对于节点度分布为p(k)＝Ck^-λ(C>0，2≤λ≤3)的可调簇系数网络演化模型，根据定义利用连续估计可以得到无标度网络的网络结构熵E为：

$E(\mathrm{\&lambda;},k_{\min },N)=\left\{\begin{array}{cc}\frac{\mathrm{\&alpha;}{N}^{1-\mathrm{\&alpha;}}\ln N}{N^{1-\mathrm{\&alpha;}}-1}+\ln \frac{N^{1-\mathrm{\&alpha;}}-1}{1-\mathrm{\&alpha;}}-\frac{1}{1-\mathrm{\&alpha;}},\mathrm{\&alpha;}=\frac{1}{\mathrm{\&lambda;}-1}& 2<\mathrm{\&lambda;}\&le;3\\ \frac{1}{2}\ln \left[(N+B)(1+\mathrm{\&beta;})\right]+\ln \left(\ln \frac{N+B}{1+\mathrm{\&beta;}}\right),\mathrm{\&beta;}=\frac{k_{\min }N}{N-1}& \mathrm{\&lambda;}=2\end{array}\right.$        式7

结合前面对问题的分析，最大化网络的结构熵可用如下数学模型来表述：

max E(λ，k_min，N)

min<k>

s.t.2<λ<3                                              式8

1≤_kmin≤N-1 and k_min∈Z⁺

N＝const and N∈Z⁺

为了将多目标优化问题转化为单目标优化问题，先采用极差法对变量E和<k>进行无量纲处理，再通过对变量E和<k>分别赋予权值w₁和w₂，w₁和w₂的大小反映了对各个变量的重视程度，则可将上述多目标优化问题转化为如下优化问题：

$\max S=w_1\frac{E(\mathrm{\&lambda;},k_{\min },N)-E_{\min }}{E_{\max }-E_{\min }}+w_2\left(\frac{{\&lang;k\&rang;}^{-1}-{k_{\max }}^{-1}}{{k_{\min }}^{-1}-{k_{\max }}^{-1}}\right)$

s.t.2≤λ≤3

1≤k_min≤N-1 and k_min∈Z⁺        式9

N＝const and N∈Z⁺

w₁+w₂＝1

求解可以得到在不同网络规模N的条件下求最优值S，以及对应的最优解λ和k_min。再根据式5可以得到k_max的最优解。

本发明实施例所提供的方法通过优化网络结构熵来使网络尽量平均，从而弱化了网络关键点，提高了网络的抗攻击能力。

在本发明一实施例中，根据熵优化的最优解，可以对可调簇系数网络演化模型的参数可通过下式进行优化：

$\left\{\begin{array}{c}C=(\mathrm{\&lambda;}-1){k_{\min }}^{\mathrm{\&lambda;}-1}=\frac{{[(1+q)m_3+B/A]}^{\frac{1}{A}}}{A}\\ \mathrm{\&lambda;}=-(1+1/A)\end{array}\right.$               式11

同时由于k_min、k_max的限制，对可调簇系数网络演化模型的生成算法做出相应的改进：即在从参考局域内向参考局域外部增加边、参考局域内部增加边和新节点的加入和新链接的产生这三个过程中，以择优连接概率选择连接点后，加入一个判断机制，判断该节点的度是否大于k_max，如果大于，则另外再选取一个节点，否则，该节点可以进行择优连接。

本发明实施例所提供的方法在原有的可调簇系数网络演化模型形成过程中考虑了对结构熵的调整，使得该网络模型的抗攻击能力大大增强。

在本发明另一实施例中通过分裂网络关键节点来实现减少网络关键点，参考图5，该方法包括：

步骤501：根据当前网络各个节点的度值确定关键节点。

通过统计当前网络各个节点的度值，根据实际应用情况预设一个阈值K，K为判断一个节点是否为关键节点的门限制。如果发现网络中节点v_i的度值k_i>K，则认为v_i是网络中的一个关键节点。

步骤502：将当前网络中的所述关键节点分裂为非关键节点。

如果判定一个节点v_i为网络中的关键节点，则将v_i分裂为n个节点，也就是增加n-1个新节点，这n个节点间保证全连通。原先附着在节点v_i上的边均匀分成n部分，连接在n个节点上。在满足阈值K的前提下，为尽量减小新增节点带来的开销以及管理难度，n的取值应满足下式：

               式10

图6a所示为未进行分裂法处理的局部网络节点拓扑图，v_i为关键节点。图6b为将关键节点分裂后的局部网络拓扑图，按照式10将图中关键节点v_i分裂成了三个节点，分别为v_i1，v_i2和v_i3。为了简单说明，图示例子中K＝4。两图对比可以明显看出，此种方法简单而有效地解决了无标度网络中关键节点的问题。

与方法实施例相对应，本发明实施例还提供一种网络拓扑模型生成系统，参见图7，该系统包括：

确定单元701，用于在预先建立的连通随机网络中随机确定一个当前网络的参考局域；

设置单元702，用于设置网络模型扩展概率和消亡概率，其中所述扩展概率和所述消亡概率的总和为1；

调整单元703，用于根据所述设置单元中设置的概率对所述确定单元确定的当前网络的参考局域进行边的增加和消亡操作。

控制单元704，用于对调整单元调整后的网络节点进行监控，当网络节点达到期望值时指示所述调整单元停止工作，当所述网络节点未达到期望值时指示所述调整单元继续工作。

其中，所述调整单元703包括：

扩展子单元，用于根据所述设置单元设置的扩展概率为所述参考局域增加边。

消亡子单元，用于根据所述设置单元设置的消亡概率为所述参考局域删除边。

具体的，所述扩展子单元包括：

第一扩展模块，用于根据所述设置单元设置的第一扩展概率从所述参考局域内向所述参考局域外增加m₁条边；

第二扩展模块，用于根据所述设置单元设置的第二扩展概率在所述参考局域内增加m₂条边；

第三扩展模块，用于根据所述设置单元设置的第三扩展概率在所述参考局域外加入一个新节点，将所述新节点与所述参考局域中m₃个节点相连，形成m₃条边。

在上述系统中，所述第一扩展概率+第二扩展概率+第三扩展概率+消亡概率＝1。

本发明实施例所提供的系统，以局域世界的概念，综合考虑节点的加入，链接的产生、消亡，局域内部演化以及局域内与局域外增加链接的情况，并通过“三角形形成”的机制得到一个基于局域世界的可调簇系数网络演化模型，该模型充分考虑了真实世界网络拓扑结构的特点，实现了对真实网络的有效模拟。

为了提高图7所示的系统所建立的网络的抗攻击能力，在本发明的一实施例中，参见图8，该系统还包括：

第一优化单元705，用于最大化根据所述调整单元调整后获得的网络的结构熵。

所述系统通过所述第一优化单元705通过优化网络的结构熵使得网络更加平均，关键点被弱化，所以抗攻击能力增加。

参见图9，在本发明另一实施例中，图7所示的系统还包括：

第二优化单元706，用于分裂根据所述调整单元调整后获得的网络的关键节点。

所述第二优化单元706具体包括：

确定子单元，用于根据当前网络中各个节点的度值确定关键节点，所述关键节点为节点度值超过预设阈值的节点；

分裂子单元，用于将确定子单元确定的关键节点分裂为非关键节点，所述非关键节点为节点度值不超过预设阈值的节点。

本发明实施例所提供的系统通过所述第二优化单元706对网络中的关键节点进行分裂处理，使得分类处理后的网络中不存在关键节点，极大地提高了网络的抗攻击能力。

本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (15)

1、一种网络拓扑模型生成方法，其特征在于，包括：

在预先建立的连通随机网络中随机确定一个当前网络的参考局域；

以预定的概率，对当前网络的所述参考局域进行边的增加和消亡操作，最终使得网络总节点数达到期望节点数。

2、根据权利要求1所述的方法，其特征在于，所述以预定的概率，对当前网络的所述参考局域进行边的增加操作包括：

以第一扩展概率从所述参考局域内向所述参考局域外增加m₁条边；

以第二扩展概率在所述参考局域内增加m₂条边；

以第三扩展概率在所述参考局域外加入一个新节点，将所述新节点与所述参考局域中m₃个节点相连；

所述以预定的概率，对当前网络的所述参考局域进行边的消亡操作包括：

以消亡概率从现有的节点所形成的网络中删除一条边；

其中，所述第一扩展概率、第二扩展概率、第三扩展概率和消亡概率的和为1。

3、根据权利要求2所述的方法，其特征在于，从所述参考局域内向所述参考局域外增加m1条边包括：

以择优连接概率从所述参考局域中选取第一节点；

根据度分布优先原则从所述参考局域外选取第二节点；

将所述第一节点和所述第二节点连接形成一条边；

判断增加的边的条数是否达到m₁，如果否，就返回以择优连接概率从所述参考局域中选取第一节点的步骤；如果是，则结束。

4、根据权利要求2所述的方法，其特征在于，在所述参考局域内增加m2条边包括：

以择优连接概率从所述参考局域中选取第一节点；

从所述参考局域中随机地选取第二节点；

将所述第一节点和所述第二节点连接形成一条边；

判断增加的边的条数是否达到m₂，如果否，就返回按照择优连接概率从所述参考局域中选取第一节点的步骤；如果是，则结束。

5、根据权利要求2所述的方法，其特征在于，在所述参考局域外加入一个新节点，将所述新节点与所述参考局域中m₃个节点相连包括：

以第三扩展概率在所述参考局域外加入一个新节点；

以择优连接概率从所述参考局域中选取第一节点；

将所述新节点与所述第一节点相连形成一条边；

判断增加的边的条数是否达到m₃，如果否，就返回以择优连接概率从所述参考局域中选取第一节点的步骤；如果是，则结束。

6、根据权利要求5所述的方法，其特征在于，在将所述新节点与所述待连接节点相连形成一条边时，还包括：

将所述新节点以第四概率与所述第一节点的任意一个相邻节点相连。

7、根据权利要求2～5中任意一项所述的方法，其特征在于，在所述以择优连接概率从所述参考局域中选取第一节点前还包括：

获取当前网络的平均节点度；

在所述以择优连接概率从所述参考局域中选取第一节点后还包括：

判断所述第一节点的度值是否大于所述当前网络的平均节点度；

如果是，在返回以择优连接概率从所述参考局域中选取第一节点的步骤；

如果否，在保留所述第一节点。

8、根据权利要求1～6任意一项所述的方法，其特征在于，还包括：

获取当前网络的平均节点度；

根据所述平均节点度最大化当前网络结构熵。

9、根据权利要求1～7任意一项所述的方法，其特征在于，还包括：

根据当前网络各个节点的度值确定关键节点，所述关键节点为节点度值超过预设阈值的节点；

将当前网络中的所述关键节点分裂为非关键节点，所述非关键节点为节点度值不超过预设阈值的节点。

10、一种网络拓扑模型生成系统，其特征在于，包括：

确定单元，用于在预先建立的连通随机网络中随机确定一个当前网络的参考局域；

设置单元，用于设置网络模型扩展概率和消亡概率，其中所述扩展概率和所述消亡概率的总和为1；

调整单元，用于根据所述设置单元中设置的概率对所述确定单元确定的当前网络的参考局域进行边的增加和消亡操作；

控制单元，用于对调整单元调整后的网络节点进行监控，当网络节点达到期望值时指示所述调整单元停止工作，当所述网络节点未达到期望值时指示所述调整单元继续工作。

11、根据权利要求10所述的系统，其特征在于，所述调整单元包括：

扩展子单元，用于根据所述设置单元设置的扩展概率为所述参考局域增加边；

消亡子单元，用于根据所述设置单元设置的消亡概率为所述参考局域删除边。

12、根据权利要求11所述的系统，其特征在于，所述扩展子单元包括：

第一扩展模块，用于根据所述设置单元设置的第一扩展概率从所述参考局域内向所述参考局域外增加m₁条边；

第二扩展模块，用于根据所述设置单元设置的第二扩展概率在所述参考局域内增加m₂条边；

第三扩展模块，用于根据所述设置单元设置的第三扩展概率在所述参考局域外加入一个新节点，将所述新节点与所述参考局域中m₃个节点相连，形成m₃条边。

13、根据权利要求10所述的系统，其特征在于，还包括：

第一优化单元，用于最大化根据所述调整单元调整后获得的网络的结构熵。

14、根据权利要求10所述的系统，其特征在于，还包括：

第二优化单元，用于分裂根据所述调整单元调整后获得的网络的关键节点。

15、根据权利要求14所述的系统，其特征在于，所述第二优化单元包括：

确定子单元，用于根据当前网络中各个节点的度值确定关键节点，所述关键节点为节点度值超过预设阈值的节点；

分裂子单元，用于将确定子单元确定的关键节点分裂为非关键节点，所述非关键节点为节点度值不超过预设阈值的节点。

Images