CN108259245B - 基于桥接系数的指挥控制网络桥边识别方法 - Google Patents
基于桥接系数的指挥控制网络桥边识别方法 Download PDFInfo
- Publication number
- CN108259245B CN108259245B CN201810035302.0A CN201810035302A CN108259245B CN 108259245 B CN108259245 B CN 108259245B CN 201810035302 A CN201810035302 A CN 201810035302A CN 108259245 B CN108259245 B CN 108259245B
- Authority
- CN
- China
- Prior art keywords
- network
- edge
- node
- edges
- command control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于桥接系数的指挥控制网络桥边识别方法,具体包括:步骤一:建立指挥控制网络模型,构造网络节点邻接矩阵;步骤二:统计网络中各个节点的度值;步骤三:计算网络中任意边的两端点的公共邻居节点个数;步骤四:计算网络中任意边的两端点的邻居节点之间相互连接的边数;步骤五:计算网络中任意边的两端点及其邻居节点之间可能存在的所有边数;步骤六:计算网络中各条边的桥接系数;步骤七:计算网络中各条边的边关键度。本方法针对识别出的关键边加以保护,以提高指挥控制网络的抗毁性。
Description
技术领域
本发明属于军事指挥与控制学领域,具体说是一种基于桥接系数的指控网络桥边识别方法。
背景技术
信息化条件下的指挥控制网络通过物理通信网络连接形成各种非线性逻辑关系,网络结构具有非线性、层次性及适应性等复杂网络特征。在信息化战争中,指控网络作为夺取信息优势进而转化为决策和行动优势的基础,是连接预警探测、指挥控制和火力打击等系统的纽带,也是各作战要素充分发挥作战效能、同步遂行作战任务的重要保障。目前,指挥控制网络抗毁性研究中大多通过保护关键节点来提高网络抗毁性,没有考虑关键边的作用,而关键边是作战单元之间信息传输的主要通道,也成为敌方攻击的重点目标。
指挥控制网络抗毁性研究主要仍是通过识别关键节点并加以保护来提高网络抗毁性。关键边一旦被摧毁,信息传输将会遭受重大破坏,导致整个网络瘫痪,从而影响作战进程,甚至可以决定战争的胜负。如何识别关键边已成为提高指挥控制网络抗毁性亟待研究的重要问题。
现有研究多以节点自身属性来评估边的重要性,研究重点均以边两端点的度或边介数为出发点,未考虑边两端点的邻居节点之间也相互连接对该边信息流转造成衰减的影响。
发明内容
针对现有技术的不足,本发明通过深入分析指控网络的拓扑结构和功能特性,根据复杂网络理论,新提出了桥接系数的关键边测度,给出了桥接系数的计算方法,提出了基于桥接系数的指挥控制网络桥边识别方法,针对识别出的关键边加以保护,以提高指挥控制网络的抗毁性。
为实现上述目的,本申请采用的技术方案是:基于桥接系数的指挥控制网络桥边识别方法,具体步骤如下:
步骤一:建立指挥控制网络模型,构造网络节点邻接矩阵;
步骤二:统计网络中各个节点的度值;
步骤三:计算网络中任意边的两端点的公共邻居节点个数;
步骤四:计算网络中任意边的两端点的邻居节点之间相互连接的边数;
步骤五:计算网络中任意边的两端点及其邻居节点之间可能存在的所有边数;
步骤六:计算网络中各条边的桥接系数;
步骤七:计算网络中各条边的边关键度。
进一步的,所述的指挥控制网络模型包括感知节点、指挥节点、活力打击节点;所述感知节点指具有预警、探测、侦察、监视能力的作战单元,如预警雷达、侦察雷达等;指挥节点指具有空情融合、指挥决策、信息协同与分发能力的作战单元,如指挥机构、情报处理机构等;火力打击节点指具有拦截、攻击、毁伤等能力的作战单元,如各类防空武器等。
其中,E表示网络中所有边的集合,(vi,vj)为节点对,表示网络中可能存在的连边,当节点vi与节点vj直接相连时,邻接矩阵的元素aij=1。
进一步的,统计网络中各个节点的度值,节点的度表示为与该节点直接相连的边的个数之和,表示为:
进一步的,所述网络中任意边的两端点的公共邻居节点个数,表示为:
进一步的,所述的网络中任意边的两端点的邻居节点之间相互连接的边数,表示为:
其中,amn为邻接矩阵的元素。
进一步的,所述的网络中任意边的两端点及其邻居节点之间可能存在的所有边数,表示为:
Num=(|M|+1)×(|N|+1)
其中,M、N分别为与边eij直接连接的两个节点vi和vj的邻居节点v′i和v′j的集合。
进一步的,所述的网络中各条边的桥接系数的计算公式为:
进一步的,所述的网络中各条边的边关键度表述为:
式中,log为以10为底的对数,α为调节参数。
边关键度用于衡量边在指挥控制网络中的重要程度,桥接系数Qij越小,边关键度Xij就越大,节点vi和vj所组成的边就越关键,在网络中的影响力也就越大。
本发明采用以上技术方案,能够取得如下的技术效果:基于桥接系数的指挥控制网络桥边识别方法,较传统边介数、度乘积等边识别方法更加精确,能够精确的识别出网络中的桥边,针对桥边进行保护,可以有效的提高网络的抗毁性。
附图说明
本发明共有附图7幅:
图1为网络的桥接现象说明图;
图2为指挥控制网络模型图;
图3为不同调节参数下谱距离随删边数量的变化图;
图4为不同攻击策略下网络平均效率变化图;
图5为网络连通系数随删边数量的变化趋势图;
图6为最大连通子图边数占总边数的比值变化图;
图7为网络平均效率下在不同测度下随删边数量下降百分比变化图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
下面对本申请中涉及到的词语进行解释说明:
定义1:桥接系数,假设网络中与边eij直接连接的两个节点vi和vj的邻居节点v′i和v′j的集合分别为M、N,则节点vi和vj的度分别可以表示为ki=|M|和kj=|N|,定义节点v′i和v′j之间的实际连边数量与节点vi和vj的公共邻居节点数量之和占其可能存在的总边数和总节点数之和的比例为桥接系数。
定义2:网络连通系数,网络连通系数反映了抗毁性能与连通分支数的关系,可以分析删除关键边后网络被分割情况,网络连通系数越小,则网络被分割的越严重,抗毁性相应越差。公式如下:
其中,ω为网络的连通子图个数,Ni为第i个连通子图内部的节点个数,li为第i个连通子图内部平均距离,表示为:
定义3:网络平均效率,网络平均效率Φ表示网络中任意两节点间距离倒数之和的平均值,Φ反映了网络中信息流的传输能力,从信息传输路径角度衡量网络的抗毁度,当网路受到攻击时,效率越高,网络抗毁性能越好,可表示为:
其中,N表示网络中的节点数,dij表示任意节点对之间的最短距离。
实施例1
本实施例提供一种基于桥接系数的指挥控制网络桥桥边识别方法,具体步骤如下:
步骤一:建立指挥控制网络模型,构造网络邻接矩阵;所述的构建指挥控制网络模型将作战单元描述为节点,构成各作战单元之间信息传输的链路描述为边,利用复杂网络理论建立指挥控制网络模型;进一步的,所述的作战单元可以分为侦察单元、指挥控制单元、火力打击单元等。
步骤二:计算网络中各个节点的度值,度值计算公式为:
步骤三:计算网络中任意边的两端点的公共邻居节点个数,计算公式为:
步骤四:计算网络中任意边的两端点的邻居节点之间相互连接的边数,计算公式为:
步骤五:计算网络中任意边的两端点及其邻居节点之间可能存在的所有边数,计算公式为:
Num=(|M|+1)×(|N|+1)
其中,M、N分别为与边eij直接连接的两个节点vi和vj的邻居节点v′i和v′j的集合。
步骤六:计算网络中各条边的桥接系数,计算公式如下式所示:
步骤七:计算网络中各条边的边关键度,计算公式如下式所示:
边关键度可以用于衡量边在指挥控制网络中的重要程度,将计算出的边关键度从大到小进行排序,可以得到网络中各边的重要度情况,边关键度Xij越大,节点vi和vj所组成的边就越关键,在网络中的影响力也就越大。
实施例2
本实施例对本发明提出的基于桥接系数的指挥控制网络桥边识别方法识别出的关键边进行分析,在随机攻击和蓄意攻击边的情况下对网络平均效率进行对比,利用边删除法分析网路连通系数、最大连通子图边数比例、网络平均效率等参数的变化,从不同的角度说明本发明所提方法的有效性。
附图1为网络的桥接现象说明图。指挥控制网络的关键边不仅与边两端节点直接相关,还与节点的共同邻居节点相关。如图1所示,节点v4与节点v6之间存在边e4,6,节点v4的度为5,节点v6的度为6,节点v4与节点v6公共邻居节点为节点v5,度值越高且共同邻居节点的数量越少,或者度值越高且两端点的邻居节点之间的连边数越少,则边e4,6的关键度就越高。
附图2为指挥控制网络模型图。为了验证本文方法的有效性,以典型防空指挥控制系统为例,建立防空指挥控制网络模型,如图2所示。构建的指挥控制网络模型节点数量为N=121,边数量为256。
附图3不同调节参数下谱距离随删边数量的变化图。在桥接系数定义中,考虑到有些边的端节点的邻居节点之间存在互不连接的情况,有可能造成桥系数为零,从而使边失去权值。为此,引入调节参数α,避免边权重为零的情况,同时,为了不影响边权重,调节参数α取值不应大于某一阈值。为了验证仿真调节参数α对网络性能的影响,采用谱距离测度对网络进行仿真验证,谱距离反映的是网络遭到蓄意攻击之后任意节点间的距离疏远程度,谱距离越大,网络性能越差。
由附图3可以看出,随着删除边数的不断增加,网络谱距离不断增大,当α=0.8或α=1时,网络谱距离变化较大,说明调节参数过大时已经对边重要度造成了影响。因此,为了不影响边的权重值,调节参数值不应过大。为了不失一般性,本发明后续仿真中均取α=0.4,以保证关键边识别的可靠性。
附图4为不同攻击策略下网络平均效率变化图。指挥控制网络常遭受两种攻击策略,分别为随机攻击和蓄意攻击,随机攻击是指以一定概率对指挥控制网络中的节点(或边)进行攻击;蓄意攻击是指按照节点(或边)重要性大小依次攻击节点;本方法采用随机攻击策略和蓄意攻击策略对指挥控制网络边进行攻击,通过网络平均效率来判断关键链路识别的准确性,其中蓄意攻击策略选取桥接系数攻击策略。由附图4可以看出,蓄意攻击下,网络平均效率下降速度明显比随机攻击下快,这说明蓄意攻击对网络具有较大影响。
附图5为网络连通系数随删边数量的变化趋势图。网络连通系数反映了抗毁性能与连通分支数的关系,可以分析删除关键边后网络被分割情况,网络连通系数越小,则网络被分割的越严重,抗毁性相应越差。由图5可以看出,按照以桥接系数方法识别出的关键链路删除边时网络连通系数下降最快,说明本方法能够最先找到网络中起到桥梁作用的边,针对该边进行保护,可以极大地增加指挥控制网络的抗毁性。
附图6为最大连通子图边数占总边数的比值变化图。由图6可以看出,随着边的删除,网络中最大连通子图的边数占比均呈下降趋势,并且本方法所提的边重要度评估方法效果要好于其他三种方法,网络最大连通子图的边数最先下降到初始网络总边数的20%以下,说明桥接系数测度在关键边识别中具有较高的准确率。
附图7为网络平均效率下在不同测度下随删边数量下降百分比变化图。网络平均效率Φ表示网络中任意两节点间距离倒数之和的平均值,Φ反映了网络中信息流的传输能力,从信息传输路径角度衡量网络的抗毁度,当网路受到攻击时,效率越高,网络抗毁性能越好。由附图7可以看出,随着删边数量的增加,网络平均效率均呈下降趋势,在删除同样边数的情况下,基于桥接系数的删边方法使得网络平均效率百分比下降最快,说明桥接系数测度相比其他测度在关键边识别方面具有更好的识别精度,从而验证了桥接系数的优越性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (2)
1.基于桥接系数的指挥控制网络桥边识别方法,其特征在于,具体步骤如下:
步骤一:建立指挥控制网络模型,构造网络节点邻接矩阵;
步骤二:统计网络中各个节点的度值;
步骤三:计算网络中任意边的两端点的公共邻居节点个数;
步骤四:计算网络中任意边的两端点的邻居节点之间相互连接的边数;
步骤五:计算网络中任意边的两端点及其邻居节点之间可能存在的所有边数;
步骤六:计算网络中各条边的桥接系数;
步骤七:计算网络中各条边的边关键度;
所述网络节点邻接矩阵A={aij}N×N,表示为:
其中,E表示网络中所有边的集合,(vi,vj)为节点对,表示网络中可能存在的连边,当节点vi与节点vj直接相连时,邻接矩阵的元素aij=1;
统计网络中各个节点的度值,节点的度表示为与该节点直接相连的边的个数之和,表示为:
所述网络中任意边的两端点的公共邻居节点个数,表示为:
所述的网络中任意边的两端点的邻居节点之间相互连接的边数,表示为:
其中,amn为邻接矩阵的元素;
所述的网络中任意边的两端点及其邻居节点之间可能存在的所有边数,表示为:
Num=(|M|+1)×(|N|+1)
所述的网络中各条边的桥接系数的计算公式为:
所述的网络中各条边的边关键度表述为:
式中,log为以10为底的对数,α为调节参数;
边关键度用于衡量边在指挥控制网络中的重要程度,桥接系数Qij越小,边关键度Xij就越大,节点vi和vj所组成的边就越关键,在网络中的影响力也就越大。
2.根据权利要求1所述基于桥接系数的指挥控制网络桥边识别方法,其特征在于,所述的指挥控制网络模型包括感知节点、指挥节点、火力打击节点;所述感知节点指具有预警、探测、侦察、监视能力的作战单元;指挥节点指具有空情融合、指挥决策、信息协同与分发能力的作战单元;火力打击节点指具有拦截、攻击、毁伤能力的作战单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810035302.0A CN108259245B (zh) | 2018-01-15 | 2018-01-15 | 基于桥接系数的指挥控制网络桥边识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810035302.0A CN108259245B (zh) | 2018-01-15 | 2018-01-15 | 基于桥接系数的指挥控制网络桥边识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108259245A CN108259245A (zh) | 2018-07-06 |
CN108259245B true CN108259245B (zh) | 2021-02-19 |
Family
ID=62727102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810035302.0A Active CN108259245B (zh) | 2018-01-15 | 2018-01-15 | 基于桥接系数的指挥控制网络桥边识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108259245B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114021319A (zh) * | 2021-10-26 | 2022-02-08 | 岭南师范学院 | 一种基于改进桥接系数的指挥控制网络关键边识别方法 |
CN116055384B (zh) * | 2022-12-13 | 2024-08-27 | 岭南师范学院 | 一种兼顾网络结构和传输性能的边重要性识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105827688A (zh) * | 2016-01-08 | 2016-08-03 | 同济大学 | 城市场景中车联网大规模异构网络连通性质的研究方法 |
CN106506231A (zh) * | 2016-11-30 | 2017-03-15 | 大连大学 | 面向结构洞的指控网络关键节点识别方法 |
-
2018
- 2018-01-15 CN CN201810035302.0A patent/CN108259245B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105827688A (zh) * | 2016-01-08 | 2016-08-03 | 同济大学 | 城市场景中车联网大规模异构网络连通性质的研究方法 |
CN106506231A (zh) * | 2016-11-30 | 2017-03-15 | 大连大学 | 面向结构洞的指控网络关键节点识别方法 |
Non-Patent Citations (1)
Title |
---|
Measure of Invulnerability for Command and Control Network Based on Network Invulnerability Entropy;Yunming Wang etc;《IEEE》;20161231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108259245A (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106899442B (zh) | 基于作战链路效率的指控网络抗毁测度方法 | |
CN107682195B (zh) | 基于复杂网络与大数据结合的通信网络鲁棒性评估方法 | |
CN104348652A (zh) | 基于关联分析的系统安全评估方法和装置 | |
CN107483487B (zh) | 一种基于topsis的多维网络安全度量方法 | |
CN111784135B (zh) | 基于超网络和ooda环理论的体系作战能力量化分析方法 | |
CN106953754A (zh) | 基于作战链路熵的指控网络抗毁测度方法 | |
CN112749496B (zh) | 基于时序作战环的装备体系作战效能评估方法及系统 | |
CN108319779B (zh) | 基于m阶邻接矩阵的指挥控制网络级联失效模型建立方法 | |
CN108259245B (zh) | 基于桥接系数的指挥控制网络桥边识别方法 | |
Abdalzaher et al. | Using Stackelberg game to enhance node protection in WSNs | |
CN105306248A (zh) | 基于作战环的武器装备体系作战网络作战效能评估方法 | |
CN110099045A (zh) | 基于定性微分博弈和演化博弈的网络安全威胁预警方法及装置 | |
CN106941502B (zh) | 一种内部网络的安全度量方法和装置 | |
CN112702208B (zh) | 一种基于关系的异质多层作战体系打击链路生成方法 | |
CN113395280A (zh) | 基于生成对抗网络的抗混淆性网络入侵检测方法 | |
CN114629674A (zh) | 一种基于注意力机制的工业控制网络安全风险评估方法 | |
CN114862152A (zh) | 基于复杂网络的目标重要度评估方法 | |
CN113992375B (zh) | 一种基于遗传算法的异质复杂网络防御方法 | |
CN115438467A (zh) | 一种基于杀伤链的装备体系任务可靠度评估方法 | |
CN110336806B (zh) | 一种结合会话行为和通信关系的隐蔽通信检测方法 | |
CN110298170B (zh) | 一种考虑盲目攻击因子的电力scada系统安全性评估方法 | |
Song et al. | Network security situation prediction of improved lanchester equation based on time action factor | |
CN117291002A (zh) | 基于熵权法-topsis的无人机集群网络毁伤评估方法 | |
CN117217598A (zh) | 一种作战网络的脆弱性计算方法、装置及设备 | |
CN110048885B (zh) | 战术互联网中基于虚拟三角形效能评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |