CN110719191A - 一种面向次生失效的网络可靠性评估方法 - Google Patents

一种面向次生失效的网络可靠性评估方法 Download PDF

Info

Publication number
CN110719191A
CN110719191A CN201910815248.6A CN201910815248A CN110719191A CN 110719191 A CN110719191 A CN 110719191A CN 201910815248 A CN201910815248 A CN 201910815248A CN 110719191 A CN110719191 A CN 110719191A
Authority
CN
China
Prior art keywords
network
node
failure
nodes
maximum
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.)
Pending
Application number
CN201910815248.6A
Other languages
English (en)
Inventor
张庚
王亚男
汪洋
丁慧霞
柳源
顾仁涛
刘冬梅
刘军
王颖
高凯强
王智慧
邱丽君
尹弘亮
张书林
姜辉
王乔木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Information And Communication Branch Of Jiangsu Electric Power Co Ltd
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
Beijing University of Posts and Telecommunications
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
Information And Communication Branch Of Jiangsu Electric Power Co Ltd
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
Beijing University of Posts and Telecommunications
China Electric Power Research Institute Co Ltd CEPRI
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Information And Communication Branch Of Jiangsu Electric Power Co Ltd, State Grid Corp of China SGCC, State Grid Information and Telecommunication Co Ltd, Beijing University of Posts and Telecommunications, China Electric Power Research Institute Co Ltd CEPRI filed Critical Information And Communication Branch Of Jiangsu Electric Power Co Ltd
Priority to CN201910815248.6A priority Critical patent/CN110719191A/zh
Publication of CN110719191A publication Critical patent/CN110719191A/zh
Pending legal-status Critical Current

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
    • H04L41/06—Management of faults, events, alarms or notifications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种面向次生失效的网络可靠性评估方法，包括：将网络的设备拓扑、数据流源节点等映射为网络的拓扑图和流分布；以聚类系数作为网络中评判节点重要性的指标，根据网络评估需求确定网络区域半径、网络中聚类系数最大区域和次生失效次数；获取网络中聚类系数最大区域中剩余正常节点集合，从集合中随机选择一个失效源点，根据流关联相继故障失效规则，计算移除网络中的任一正常节点所导致的网络相继故障，直到网络达到稳态；并根据所述网络的次生失效次数多次执行本步骤；计算剩余网络的失效节点比例和最大连通子图比例，网络效率和容量参数阈值，作为评估网络面向次生失效的可靠性的指标，用于满足对网络次生失效的可靠性进行评估的需求。

Description

一种面向次生失效的网络可靠性评估方法
技术领域
本申请涉及信息通信息领域，具体涉及一种面向次生失效的网络可靠性评估方法，同时涉及一种面向次生失效的网络可靠性评估装置。
背景技术
随着网络技术的不断革新，对大规模网络抵御相继故障的安全性能评估日益受到重视；而其中，网络受到来自内外部微扰导致部分节点失效的现象多以如何选择失效源点的方式展开讨论。在现有的研究中，失效源点大多从全局网络中选择，按照移除比例的不断增加，寻找网络抵御外部扰动的阈值点，以分析网络相继故障的动力学问题。
而在实际的应用中，节点失效除了从全局范围内选择单个或多个节点作为失效源点外，还存在另一种情况——局域失效，例如一片区域中的一组节点失效，这些节点彼此之间相连或距离较近。同时，在此局部区域中，除了常见的按一定比例移除多个节点，即多节点同时失效的情况外，还存在随时间推移导致多节点分步失效的情况，它们由于破坏性的叠加迭代，对网络进行二次或多次打击，从而对网络造成更严重的破坏性影响。因此，分析网络次生失效可靠性能，是目前亟需解决的问题。
发明内容
本申请提供一种面向次生失效的网络可靠性评估方法，用于满足对网络次生失效的可靠性进行评估的需求。
本申请提供一种面向次生失效的网络可靠性评估方法，包括：
将网络的设备拓扑、数据流源节点、目的节点以及数据流路径信息，映射为网络的拓扑图和流分布；
以聚类系数作为网络中评判节点重要性的指标，根据网络评估需求确定网络区域半径和网络中聚类系数最大区域，以及网络的次生失效次数；
获取网络中聚类系数最大区域中剩余正常节点集合，从所述集合中随机选择一个失效源点，根据流关联相继故障失效规则，计算移除网络中的任一正常节点所导致的网络相继故障，直到网络达到稳态；并根据所述网络的次生失效次数多次执行本步骤；
计算剩余网络的失效节点比例和最大连通子图比例，以及网络效率和容量参数阈值，以此作为评估网络面向次生失效的可靠性的指标。
优选的，所述将网络的设备拓扑、数据流源节点、目的节点以及数据流路径信息，映射为网络的拓扑图和流分布，包括：
将网络中的设备映射为网络中的节点；
合并网络内同一方向上的单条或多条信息通信线路以消除多重边和自环；
将网络内的信息通信线路映射为网络中的边，并以邻接矩阵的方式进行储存；
将网络中的源节点传至目的节点的分组映射为网络中的流。
优选的，所述以邻接矩阵的方式进行储存，具体的为：
以邻接矩A＝[ai,j]的方式进行储存，其中ai,j的定义如下：若网络A内源节点i和目的节点j之间存在边，则ai,j取值为1，否则取值为0。
优选的，所述聚类系数的计算公式为：
Figure BDA0002186168930000021
其中，Ci为网络A中所有节点的聚类系数，Ei为网络A中与节点i相连的三角形的数目，ki为网络A中节点i的邻居节点数目。
优选的，所述根据网络评估需求确定网络区域半径和网络中聚类系数最大区域，以及网络的次生失效次数，包括：
根据网络评估需求确定所述网络A的区域半径d；选择所述网络A的根节点i，利用广度优先搜索算法求得所述根节点i在所述区域半径d内的所有节点集合ki，计算集合ki中节点聚类系数之和Sumi；
遍历所述网络A中的所有节点，选择Sumi最大区域，并记为区域Smax；
根据网络评估需求，确定网络的次生失效总次数r。
优选的，所述获取网络中聚类系数最大区域中剩余正常节点集合，从所述集合中随机选择一个失效源点，根据流关联相继故障失效规则，计算移除网络中的任一正常节点所导致的网络相继故障，直到网络达到稳态，包括：
获取网络A中聚类系数最大区域Smax中剩余正常节点集合Rmax，Rmax＝N-(Ne+Ni)，其中，N为Smax中的总结点集合，Ne为Smax中的失效节点集合，Ni为Smax中的孤立节点集合；
从Smax中随机选择一个失效源点，根据流关联相继故障失效规则，确定下一步失效节点集合M；
多次重复移除网络A中的任一正常节点，直到M为空集，则相继故障过程结束，网络达到稳态。
优选的，所述流关联相继故障失效规则，具体的为：
节点i在时刻t的负载Lit定义为：此时经过节点i的流的数量。节点的容量与节点的初始负载成正比：Ci＝(1+α)Li0，任意时刻节点负载超过其容量则判断为失效，该节点并入网络A总失效节点集合NE；任意时刻节点邻居节点个数为0则判断为孤立，该节点并入网络A总孤立节点集合NI；规定当网络A中节点失效时移除该节点，同时移除以该节点为源节点或目的节点的流；途经该节点的流重新选路；
定义节点i的拥塞度是与节点i实时负载相关的函数，即
Figure BDA0002186168930000031
其中，β∈(0,1)为网络轻负载上限，为可调参数；节点负载小于βCi无拥塞；节点负载超过βCi但小于Ci会产生一定拥塞，若节点负载超过Ci，则该节点失效。
优选的，所述失效节点比例的计算方法为：
Figure BDA0002186168930000032
其中，NE为网络A总失效节点数，NI为网络A总孤立节点数，N为网络A初始总节点数；
所述最大连通子图比例的计算方法为：
Figure BDA0002186168930000033
其中，NG为剩余网络最大连通子图节点数；
所述网络效率的计算方法为：
Figure BDA0002186168930000034
其中，dij为节点i到节点j的最短路径长度；
所述容量参数阈值的计算方法为：逐渐增加α，当剩余网络最大连通子图比例>90％时，记此时的α值为容量参数阈值αc。
优选的，还包括：
所述失效节点反映相继故障规模大小，网络失效节点比例越小，可靠性越强；
所述最大连通子图展现网络的完整性和局部性，网络最大连接子图比例越大，网络完整性越高，网络可靠性越强；
所述网络效率体现网络的全局有效性，网络效率越低，网络被冲击为碎片化程度越高，网络可靠性越差；
所述容量参数阈值反映网络中节点处理额外负载的能力，是节点个体性能的度量，所述容量参数阈值越小，网络鲁棒性越强，投入成本也越低。
与本申请提供的方法相对应的，本申请同时提供一种面向次生失效的网络可靠性评估装置，其特征在于，包括：
映射单元，将网络的设备拓扑、数据流源节点、目的节点以及数据流路径信息，映射为网络的拓扑图和流分布；
网络节点评判单元，以聚类系数作为网络中评判节点重要性的指标，根据网络评估需求确定网络区域半径和网络中聚类系数最大区域，以及网络的次生失效次数；
网络稳态获取单元，获取网络中聚类系数最大区域中剩余正常节点集合，从所述集合中随机选择一个失效源点，根据流关联相继故障失效规则，计算移除网络中的任一正常节点所导致的网络相继故障，直到网络达到稳态；并根据所述网络的次生失效次数多次执行本步骤；
评估单元，计算剩余网络的失效节点比例和最大连通子图比例，以及网络效率和容量参数阈值，以此作为评估网络面向次生失效的可靠性的指标。
本申请提供一种面向次生失效的网络可靠性评估方法，通过将网络节点之间传输的分组映射为流，同时由于节点自身负载压力会产生一定拥塞，从而改变流的传输路径；在多次打击情况下，本发明通过计算网络的失效节点比例、最大连通子图比例、网络效率和容量参数阈值参数，综合评估网络的可靠性能。
附图说明
图1是本申请实施例提供的一种面向次生失效的网络可靠性评估方法的流程图；
图2是本申请实施例涉及的一种面向次生失效的网络可靠性评估方法的详细流程图；
图3是本申请实施例涉及的一种面向次生失效的网络可靠性评估方法的网络拓扑和流分布图；
图4是本申请实施例涉及的一种面向次生失效的网络可靠性评估方法考虑拥塞度的流重路由示意图；
图5是本申请实施例提供的一种面向次生失效的网络可靠性评估装置图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
图1为本申请实施例提供的一种面向次生失效的网络可靠性评估方法，下面结合图1对本申请提供的方法进行详细说明。
步骤S1，将网络的设备拓扑、数据流源节点、目的节点以及数据流路径信息，映射为网络的拓扑图和流分布。
将网络中的设备映射为网络中的节点，合并网络内同一方向上的单条或多条信息通信线路以消除多重边和自环，具体的，将网络中的设备映射为网络A中的节点，不考虑节点之间的差异性；合并信息网络内同一方向上的单条或多条信息通信线路以消除多重边和自环。将网络内的信息通信息线路映射为网络A中的边；以邻接矩A＝[ai,j]的方式进行储存，其中ai,j的定义如下：若网络A内源节点i和目的节点j之间存在边，则ai,j取值为1，否则取值为0。
将网络中由设备i传至设备j的分组映射为网络A中的流fi-j，其中i和j分别为网络A中的源节点和目的节点。
步骤S2，以聚类系数作为网络中评判节点重要性的指标，根据网络评估需求确定网络区域半径和网络中聚类系数最大区域，以及网络的次生失效次数。
所述聚类系数的计算公式为：
Figure BDA0002186168930000051
其中，Ci为网络A中所有节点的聚类系数，Ei为网络A中与节点i相连的三角形的数目，ki为网络A中节点i的邻居节点数目。
根据网络评估需求确定所述网络A的区域半径d；选择所述网络A的根节点i，利用广度优先搜索算法求得所述根节点i在所述区域半径d内的所有节点集合ki，计算集合ki中节点聚类系数之和Sumi；
遍历所述网络A中的所有节点，选择Sumi最大区域，并记为区域Smax；在区域半径d＝1的前提下，网络A的局部区域Smax中含节点{1,3,5,7,9}；
根据网络评估需求，确定网络的次生失效总次数r。
步骤S3，获取网络中聚类系数最大区域中剩余正常节点集合，从所述集合中随机选择一个失效源点，根据流关联相继故障失效规则，计算移除网络中的任一正常节点所导致的网络相继故障，直到网络达到稳态；并根据所述网络的次生失效次数多次执行本步骤。
获取网络A中聚类系数最大区域Smax中剩余正常节点集合Rmax，Rmax＝N-(Ne+Ni)，其中，N为Smax中的总结点集合，Ne为Smax中的失效节点集合，Ni为Smax中的孤立节点集合；
从Smax中随机选择一个失效源点，根据流关联相继故障失效规则，确定下一步失效节点集合M；
多次重复移除网络A中的任一正常节点，直到M为空集，则相继故障过程结束，网络达到稳态。
所述流关联相继故障失效规则，具体的为：
节点i在时刻t的负载Lit定义为：此时经过节点i的流的数量。节点的容量与节点的初始负载成正比：Ci＝(1+α)Li0，任意时刻节点负载超过其容量则判断为失效，该节点并入网络A总失效节点集合NE；任意时刻节点邻居节点个数为0则判断为孤立，该节点并入网络A总孤立节点集合NI；规定当网络A中节点失效时移除该节点，同时移除以该节点为源节点或目的节点的流；途经该节点的流重新选路；
定义节点i的拥塞度是与节点i实时负载相关的函数，即
其中，β∈(0,1)为网络轻负载上限，为可调参数；节点负载小于βCi无拥塞；节点负载超过βCi但小于Ci会产生一定拥塞，若节点负载超过Ci，则该节点失效。
该拥塞函数值可映射为网络A的边权值，流的路由选择依据最短路径优先法则进行；若两相邻节点具有不同的边权值，则这条边取较大的一个边权值。
步骤S4，计算剩余网络的失效节点比例和最大连通子图比例，以及网络效率和容量参数阈值，以此作为评估网络面向次生失效的可靠性的指标。
所述失效节点反映相继故障规模大小，网络失效节点比例越小，可靠性越强。所述失效节点比例的计算方法为：
Figure BDA0002186168930000071
其中，NE为网络A总失效节点数，NI为网络A总孤立节点数，N为网络A初始总节点数。
所述最大连通子图展现网络的完整性和局部性，网络最大连接子图比例越大，网络完整性越高，网络可靠性越强。所述最大连通子图比例的计算方法为：
Figure BDA0002186168930000072
其中，NG为剩余网络最大连通子图节点数，网络完整性越高，网络可靠性越强；
所述网络效率体现网络的全局有效性，网络效率越低，网络被冲击为碎片化程度越高，网络可靠性越差。所述网络效率的计算方法为，
Figure BDA0002186168930000073
其中，dij为节点i到节点j的最短路径长度。
所述容量参数阈值反映网络中节点处理额外负载的能力，是节点个体性能的度量，所述容量参数阈值越小，网络鲁棒性越强，投入成本也越低。
所述容量参数阈值的计算方法为：逐渐增加α，当剩余网络最大连通子图比例>90％时，记此时的α值为容量参数阈值αc。当α>αc时，不会有相继故障产生，网络中绝大部分节点都有足够大的容量处理额外负荷；而当α<αc时，网络中节点处理额外负荷能力不足，会发生局部或全局相继故障问题。因此，αc可作为评判网络可靠性的参数之一，容量参数阈值越小，网络鲁棒性越强，投入成本也越低。
网络达到稳态时，下一步失效节点集合M为空集，以上四个指标数值不变，最后以上述四个指标作为评估网络面向次生失效的可靠性的指标。
下面再通过具体的实施例，对本申请提供的方法进一步说明。
请参阅图1、图2所示，分别为本申请实施例中的一种面向次生失效的网络可靠性评估方法的流程图和详细流程图，所述方法包含以下步骤：
步骤s101：将网络A中的设备映射为网络A中的节点，不考虑节点之间的差异性；合并网络内同一方向上的单条或多条信息通信线路以消除多重边和自环；将网络A内的信息通信线路映射为网络A中的边，并以邻接矩阵A＝[ai,j]的方式进行储存，其中ai,j的定义如下：若网络A内源节点i和目的节点j之间存在边，则ai,j取值为1，否则取值为0。可得图3中网络A的邻接矩阵为
Figure BDA0002186168930000081
步骤s102：将信息网络中由设备i传至设备j的分组映射为网络A中的流fi-j，其中i和j分别为网络A中的源节点和目的节点。如图3所示，由2→4,3→10,10→9的分组可以映射为流f2-4，f3-10和f10-9；
步骤s201：计算网络A中所有节点的聚类系数Ci。节点聚类系数计算公式为
Figure BDA0002186168930000082
其中，Ei为网络A中与节点i相连的三角形的数目，ki为网络A中节点i的邻居节点数目；
步骤s202：根据实际网络评估需求，确定区域半径d；选择根节点i，利用广度优先搜索算法求得节点i在范围d内的所有节点集合ki，计算集合ki中节点聚类系数之和Sumi；
步骤s203：遍历网络中所有节点i重复步骤s202，选择Sumi最大区域，并记为区域Smax；如图3所示，在区域半径d＝1的前提下，网络A的局部区域Smax中含节点{1,3,5,7,9}。
步骤s204：根据实际网络评估需求，确定网络的次生失效总次数r；
步骤s301：记Smax中剩余正常节点集合为Rmax，Rmax＝N-(Ne+Ni)。其中N为Smax中的总结点集合，Ne为Smax中的失效节点集合，Ni为Smax中的孤立节点集合；
步骤s302：依据流关联相继故障失效规则，确定下一步失效节点集合M；移除网络A中所有孤立节点；
其中，流关联相继故障失效规则如下：
(1)节点i在时刻t的负载Lit定义为：此时经过节点i的流的数量。节点的容量与节点的初始负载成正比：Ci＝(1+α)Li0。任意时刻节点负载超过其容量则判断为失效，该节点并入网络A总失效节点集合NE；任意时刻节点邻居节点个数为0则判断为孤立，该节点并入网络A总失效节点集合NI。规定当网络A中节点失效时移除该节点，同时移除以该节点为源节点或目的节点的流；途经该节点的流重新选路；
(2)定义节点i的拥塞度是与节点i实时负载相关的函数，即
Figure BDA0002186168930000091
其中，β∈(0,1)为网络轻负载上限，为可调参数。节点负载小于βCi无拥塞；节点负载超过βCi但小于Ci会产生一定拥塞，若节点负载超过Ci，则该节点失效。
该拥塞函数值可映射为网络A的边权值，流的路由选择依据最短路径优先法则进行；若两相邻节点具有不同的边权值，则这条边取较大的一个边权值。
请参考图4例子所示，节点m由于自身经过的流数量较多，达到轻负载上限产生拥塞，边权值由1更新为2，流fij依据最短路径优先法则进行重路由；
步骤s303：重复步骤s302直到集合M为空集，则相继故障过程结束，网络达到稳态。
步骤s4：将步骤3执行r次。计算最终剩余网络的失效节点比例、最大连通子图比例、网络效率和容量参数阈值，以此作为评价网络面向次生失效可靠性能的综合指标。
以上步骤中，四个评价指标的介绍与计算方法如下：
(1)失效节点比例：失效节点比例反映相继故障规模大小，网络失效节点比例越小，可靠性越强。
失效节点比例计算公式为
Figure BDA0002186168930000101
其中，NE为网络A总失效节点数，NI为网络A总孤立节点数，N为网络A初始总节点数；
(2)最大连通子图比例：最大连通子图展现网络的完整性和局部性。网络最大连通子图比例越大，网络完整性越高，网络可靠性越强。
最大连通子图比例计算公式为
Figure BDA0002186168930000102
其中，NG为剩余网络最大连通子图节点数；
(3)网络效率：网络效率体现网络的全局有效性。网络效率越低，网络被冲击为碎片化程度越高，网络可靠性越差。
网络效率计算公式为
Figure BDA0002186168930000103
其中，dij为节点i到节点j的最短路径长度；
(4)容量参数阈值：容量参数阈值反映网络中节点处理额外负载的能力，是节点个体性能的度量。α>αc时，不会有相继故障产生，网络中绝大部分节点都有足够大的容量处理额外负荷；而当α<αc时，网络中节点处理额外负荷能力不足，会发生局部或全局相继故障问题。因此，αc可作为评判网络可靠性的参数之一，αc越小，网络鲁棒性越强，投入成本也越低。
容量参数阈值计算方法：逐渐增加α，当剩余网络最大连通子图比例>90％时，记此时的α值为容量参数阈值αc。
易知，当网络达到稳态时，下一步失效节点集合M为空集，以上四个指标数值不变。
与本申请提供的方法相对应的，本申请同时提供一种面向次生失效的网络可靠性评估装置，如图5所示，其特征在于，包括：
映射单元510，将网络的设备拓扑、数据流源节点、目的节点以及数据流路径信息，映射为网络的拓扑图和流分布；
网络节点评判单元520，以聚类系数作为网络中评判节点重要性的指标，根据网络评估需求确定网络区域半径和网络中聚类系数最大区域，以及网络的次生失效次数；
网络稳态获取单元530，获取网络中聚类系数最大区域中剩余正常节点集合，从所述集合中随机选择一个失效源点，根据流关联相继故障失效规则，计算移除网络中的任一正常节点所导致的网络相继故障，直到网络达到稳态；并根据所述网络的次生失效次数多次执行本步骤；
评估单元540，计算剩余网络的失效节点比例和最大连通子图比例，以及网络效率和容量参数阈值，以此作为评估网络面向次生失效的可靠性的指标。
本申请提供一种面向次生失效的网络可靠性评估方法，通过将网络节点之间传输的分组映射为流，同时由于节点自身负载压力会产生一定拥塞，从而改变流的传输路径；在多次打击情况下，本发明通过计算网络的失效节点比例、最大连通子图比例、网络效率和容量参数阈值参数，综合评估网络的可靠性能。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应该说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种面向次生失效的网络可靠性评估方法，其特征在于，包括：
将网络的设备拓扑、数据流源节点、目的节点以及数据流路径信息，映射为网络的拓扑图和流分布；
以聚类系数作为网络中评判节点重要性的指标，根据网络评估需求确定网络区域半径和网络中聚类系数最大区域，以及网络的次生失效次数；
获取网络中聚类系数最大区域中剩余正常节点集合，从所述集合中随机选择一个失效源点，根据流关联相继故障失效规则，计算移除网络中的任一正常节点所导致的网络相继故障，直到网络达到稳态；并根据所述网络的次生失效次数多次执行本步骤；
计算剩余网络的失效节点比例和最大连通子图比例，以及网络效率和容量参数阈值，以此作为评估网络面向次生失效的可靠性的指标。
2.根据权利要求1所述的方法，其特征在于，所述将网络的设备拓扑、数据流源节点、目的节点以及数据流路径信息，映射为网络的拓扑图和流分布，包括：
将网络中的设备映射为网络中的节点；
合并网络内同一方向上的单条或多条信息通信线路以消除多重边和自环；
将网络内的信息通信线路映射为网络中的边，并以邻接矩阵的方式进行储存；
将网络中的源节点传至目的节点的分组映射为网络中的流。
3.根据权利要求2所述的方法，其特征在于，所述以邻接矩阵的方式进行储存，具体的为：
以邻接矩A＝[ai,j]的方式进行储存，其中ai,j的定义如下：若网络A内源节点i和目的节点j之间存在边，则ai,j取值为1，否则取值为0。
4.根据权利要求1所述的方法，其特征在于，所述聚类系数的计算公式为：
Figure FDA0002186168920000011
其中，Ci为网络A中所有节点的聚类系数，Ei为网络A中与节点i相连的三角形的数目，ki为网络A中节点i的邻居节点数目。
5.根据权利要求1所述的方法，其特征在于，所述根据网络评估需求确定网络区域半径和网络中聚类系数最大区域，以及网络的次生失效次数，包括：
根据网络评估需求确定所述网络A的区域半径d；选择所述网络A的根节点i，利用广度优先搜索算法求得所述根节点i在所述区域半径d内的所有节点集合ki，计算集合ki中节点聚类系数之和Sumi；
遍历所述网络A中的所有节点，选择Sumi最大区域，并记为区域Smax；
根据网络评估需求，确定网络的次生失效总次数r。
6.根据权利要求1所述的方法，其特征在于，所述获取网络中聚类系数最大区域中剩余正常节点集合，从所述集合中随机选择一个失效源点，根据流关联相继故障失效规则，计算移除网络中的任一正常节点所导致的网络相继故障，直到网络达到稳态，包括：
获取网络A中聚类系数最大区域Smax中剩余正常节点集合Rmax，且Rmax＝N-(Ne+Ni)，其中，N为Smax中的总结点集合，Ne为Smax中的失效节点集合，Ni为Smax中的孤立节点集合；
从Smax中随机选择一个失效源点，根据流关联相继故障失效规则，确定下一步失效节点集合M；
多次重复移除网络A中的任一正常节点，直到M为空集，则相继故障过程结束，网络达到稳态。
7.根据权利要求1所述的方法，其特征在于，所述流关联相继故障失效规则，具体为：
节点i在时刻t的负载Lit定义为：此时经过节点i的流的数量。节点的容量与节点的初始负载成正比：Ci＝(1+α)Li0，任意时刻节点负载超过其容量则判断为失效，该节点并入网络A总失效节点集合NE；任意时刻节点邻居节点个数为0则判断为孤立，该节点并入网络A总孤立节点集合NI；规定当网络A中节点失效时移除该节点，同时移除以该节点为源节点或目的节点的流；途经该节点的流重新选路；
定义节点i的拥塞度是与节点i实时负载相关的函数，即
Figure FDA0002186168920000021
其中，β∈(0,1)为网络轻负载上限，为可调参数；节点负载小于βCi无拥塞；节点负载超过βCi但小于Ci会产生一定拥塞，若节点负载超过Ci，则该节点失效。
8.根据权利要求1所述的方法，其特征在于：
所述失效节点比例的计算方法为：
Figure FDA0002186168920000031
其中，NE为网络A总失效节点数，NI为网络A总孤立节点数，N为网络A初始总节点数；
所述最大连通子图比例的计算方法为：
Figure FDA0002186168920000032
其中，NG为剩余网络最大连通子图节点数；
所述网络效率的计算方法为：
其中，dij为节点i到节点j的最短路径长度；
所述容量参数阈值的计算方法为：逐渐增加α，当剩余网络最大连通子图比例>90％时，记此时的α值为容量参数阈值αc。
9.根据权利要求1或8所述的方法，其特征在于，还包括：
所述失效节点反映相继故障规模大小，网络失效节点比例越小，可靠性越强；
所述最大连通子图展现网络的完整性和局部性，网络最大连接子图比例越大，网络完整性越高，网络可靠性越强；
所述网络效率体现网络的全局有效性，网络效率越低，网络被冲击为碎片化程度越高，网络可靠性越差；
所述容量参数阈值反映网络中节点处理额外负载的能力，是节点个体性能的度量，所述容量参数阈值越小，网络鲁棒性越强，投入成本也越低。
10.一种面向次生失效的网络可靠性评估装置，其特征包括：
映射单元，将网络的设备拓扑、数据流源节点、目的节点以及数据流路径信息，映射为网络的拓扑图和流分布；
网络节点评判单元，以聚类系数作为网络中评判节点重要性的指标，根据网络评估需求确定网络区域半径和网络中聚类系数最大区域，以及网络的次生失效次数；
网络稳态获取单元，获取网络中聚类系数最大区域中剩余正常节点集合，从所述集合中随机选择一个失效源点，根据流关联相继故障失效规则，计算移除网络中的任一正常节点所导致的网络相继故障，直到网络达到稳态；并根据所述网络的次生失效次数多次执行本步骤；
评估单元，计算剩余网络的失效节点比例和最大连通子图比例，以及网络效率和容量参数阈值，以此作为评估网络面向次生失效的可靠性的指标。
CN201910815248.6A 2019-08-30 2019-08-30 一种面向次生失效的网络可靠性评估方法 Pending CN110719191A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910815248.6A CN110719191A (zh) 2019-08-30 2019-08-30 一种面向次生失效的网络可靠性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910815248.6A CN110719191A (zh) 2019-08-30 2019-08-30 一种面向次生失效的网络可靠性评估方法

Publications (1)

Publication Number Publication Date
CN110719191A true CN110719191A (zh) 2020-01-21

Family

ID=69209583

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910815248.6A Pending CN110719191A (zh) 2019-08-30 2019-08-30 一种面向次生失效的网络可靠性评估方法

Country Status (1)

Country Link
CN (1) CN110719191A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114928546A (zh) * 2022-04-06 2022-08-19 杭州电子科技大学 一种基于空间网络的识别关键恢复节点的方法
CN115204761A (zh) * 2022-09-19 2022-10-18 中国兵器科学研究院 一种多节点投送网络的失效评估方法、系统及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107239821A (zh) * 2017-06-08 2017-10-10 内蒙古大学 随机攻击策略下的城市群交通网络可靠性修复方法
CN107482626A (zh) * 2017-08-17 2017-12-15 广东电网有限责任公司惠州供电局 一种区域电网关键节点识别方法
CN108011817A (zh) * 2017-11-09 2018-05-08 中国电力科学研究院有限公司 一种对电力通信专网业务路由进行重部署的方法及系统
CN109858822A (zh) * 2019-02-15 2019-06-07 北京邮电大学 一种基于流关联分析的信息电力融合系统可靠性评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107239821A (zh) * 2017-06-08 2017-10-10 内蒙古大学 随机攻击策略下的城市群交通网络可靠性修复方法
CN107482626A (zh) * 2017-08-17 2017-12-15 广东电网有限责任公司惠州供电局 一种区域电网关键节点识别方法
CN108011817A (zh) * 2017-11-09 2018-05-08 中国电力科学研究院有限公司 一种对电力通信专网业务路由进行重部署的方法及系统
CN109858822A (zh) * 2019-02-15 2019-06-07 北京邮电大学 一种基于流关联分析的信息电力融合系统可靠性评估方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
何祥: "物流基础设施系统级联失效建模与脆弱性研究", 《中国优秀博硕士学位论文全文数据库信息科技辑》 *
双晴: "基于级联失效的城市供水管网系统可靠性研究", 《中国优秀博硕士学位论文全文数据库信息科技辑》 *
吴润泽: "基于节点影响力的电力通信网络拓扑结构诊断", 电力系统保护与控制 *
周珺; 杨永泰; 罗钦: "基于复杂网络的深圳城市轨道交通网络结构脆弱性研究", 中国高新科技 *
邹英杰: "复杂大电网背景下的通信网抗毁性研究", 中国优秀硕士学位论文全文数据库 *
陆秋琴; 靳超: "煤炭运输公路网络可靠性仿真分析", 计算机应用 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114928546A (zh) * 2022-04-06 2022-08-19 杭州电子科技大学 一种基于空间网络的识别关键恢复节点的方法
CN114928546B (zh) * 2022-04-06 2024-04-09 杭州电子科技大学 一种基于空间网络的识别关键恢复节点的方法
CN115204761A (zh) * 2022-09-19 2022-10-18 中国兵器科学研究院 一种多节点投送网络的失效评估方法、系统及介质

Similar Documents

Publication Publication Date Title
CN108899904B (zh) 一种交直流大电网连锁故障快速搜索方法及系统
WO2016173473A1 (zh) 一种定位故障的方法和设备
CN110719191A (zh) 一种面向次生失效的网络可靠性评估方法
CN107274081A (zh) 天然气管网的性能评价方法及装置
CN102210128B (zh) 路径计算顺序决定方法以及计算装置
CN109510834B (zh) 一种安全策略下发方法及装置
CN114169591A (zh) 基于复杂网络的装备保障体系关键毁伤节点识别方法
JP5267748B2 (ja) 運用管理システム、運用管理方法、及びプログラム
US10038589B1 (en) Network link capacity determination
CN115622903B (zh) 一种基于网络结构的电信网节点重要度计算方法
JP2010171544A (ja) 異常箇所特定プログラム、異常箇所特定装置、異常箇所特定方法
CN107766188A (zh) 列车控制系统中的内存检测方法及装置
CN102281103A (zh) 基于模糊集合解算的光网络多故障恢复方法
Ide et al. Diffusion centrality in interconnected networks
CN111882241B (zh) 一种城市轨道交通网络韧性的评估方法
CN112989272B (zh) 一种基于局部路径的社团发现算法
Huzsvár et al. Analysis of the segment graph of water distribution networks
KR102081377B1 (ko) 중소교량 네트워크의 유지관리 최적성능목표 결정 방법 및 시스템
CN115664928A (zh) 一种可解释的基于图的根因定位方法及装置
Chang et al. Implementation of ransomware prediction system based on weighted-KNN and real-time isolation architecture on SDN Networks
CN106033456B (zh) 校正商品的后台属性的属性值的方法和装置
JP2019071563A (ja) 通信品質劣化推定装置及び通信品質劣化推定方法
CN114338441A (zh) 一种基于业务流量智能识别业务链路的分析方法
CN110740049B (zh) 一种sdn环境下安全防护部署的方法及装置
CN105701018B (zh) 一种用于流计算的数据处理方法与设备

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200121

RJ01 Rejection of invention patent application after publication