基于不同子网络级联机制的相依网络鲁棒性研究

计算机工程与科学

基于不同子网络级联机制的相依网络鲁棒性研究

付丹龙1，朱淑华1，原智峰2，梁倬骞1,2，邓原2

（1.暨南大学信息科学技术学院，广东广州 510632;2.暨南大学管理学院,广东广州 510632）

收稿日期:2016-03-02 修回日期:2016-10-17 出版日期:2018-03-25 发布日期:2018-03-25
基金资助:
广东省科技计划项目（2014B05050511,2014B010103004 ）

Robustness of interdependent networks based

on different subnet cascade mechanisms

FU Danlong1，ZHU Shuhua1，YUAN Zhifeng2，LIANG Zhuoqian1,2，DENG Yuan2

（1.College of Information Science and Technology,Jinan University,Guangzhou 510632;

2.College of Management,Jinan University,Guangzhou 510632,China）

Received:2016-03-02 Revised:2016-10-17 Online:2018-03-25 Published:2018-03-25

摘要/Abstract

摘要：

以往相依网络的级联失效研究都基于相同子网络级联机制的假设下进行分析，在借鉴前人研究的基础上，利用负载能力模型提出基于不同子网络级联机制的相级联模型，并分析不同攻击策略对相依网络鲁棒性的影响。通过针对相依ER随机网络和相依无标度网络的攻击策略模拟仿真，对比不同攻击策略的效果，从而发现相依网络拓扑结构要素对不同攻击策略的影响。同时，通过对比同一攻击策略下的不同级联失效机制的效果，发现了级联失效机制的对称性对相依网络鲁棒性造成的影响。

关键词: 复杂网络, 级联失效, 攻击策略, 相依网络

Abstract:

Previous researches on cascading failure of interdependent networks are based on the same subnet cascade mechanism. Based on the previous studies, the loadcapacity model is used to propose a cascading model based on different subnet cascade mechanism. The impact of different attack strategies on the robustness of interdependent network is analyzed. By simulating interdependent ER random networks and interdependent scalefree networks, the effect of different attack strategies is compared, and the influence of topology elements on different tactics is found. In addition, by analyzing the results of different cascading failure mechanisms under the same attack strategy, it is discovered that the symmetry of the cascading failure mechanism greatly affects the robustness of interdependent network.

Key words: complex networks, cascading failure, attack strategy, interdependent networks

付丹龙1，朱淑华1，原智峰2，梁倬骞1,2，邓原2. 基于不同子网络级联机制的相依网络鲁棒性研究[J]. 计算机工程与科学.

FU Danlong1，ZHU Shuhua1，YUAN Zhifeng2，LIANG Zhuoqian1,2，DENG Yuan2.

Robustness of interdependent networks based

on different subnet cascade mechanisms

[J]. Computer Engineering & Science.

[1]	皇甫斐斐, 杨阳, 邓晓懿, . 基于节点影响力的理性节点标签传播算法[J]. 计算机工程与科学, 2022, 44(04): 713-722.
[2]	燕云鸿, 钱晓东. 区块链环境下电商消费者网络多子群混合增长模型构建及特性研究[J]. 计算机工程与科学, 2021, 43(12): 2157-2168.
[3]	张丽, 马静. 融合词语统计特征和语义信息的文本分类方法研究[J]. 计算机工程与科学, 2021, 43(07): 1308-1315.
[4]	张士进, 张胜, 田纪彪, 吴志强, 戴维凯. 基于深度编码器的复杂网络社区发现算法 #br# [J]. 计算机工程与科学, 2020, 42(09): 1640-1648.
[5]	潘曙灿, 许青林. 融合特征向量中心性与标签熵的标签传播算法[J]. 计算机工程与科学, 2020, 42(08): 1489-1499.
[6]	徐曼1,2,3，鲁富荣1,2,3，马国帅1,2,3，钱宇华1,2,3. 基于信息传播影响因素的边重要性度量方法[J]. 计算机工程与科学, 2020, 42(01): 55-63.
[7]	杨迪，刘琰，陈静，张伟丽. 基于模体的目标区域网络拓扑划分方法[J]. 计算机工程与科学, 2019, 41(03): 466-478.
[8]	李慧，杨青泉，王慧慧. 一种基于局部扩展优化的重叠社区发现算法[J]. 计算机工程与科学, 2018, 40(12): 2258-2264.
[9]	吕铃，彭雅丽，曾欣怡,杨雨鑫，黄明和. 公共自行车复杂网络可达性指标潜力评价模型[J]. 计算机工程与科学, 2018, 40(01): 175-183.
[10]	董建亮，赵文涛，李方,黄心昊. 一种基于标签传播算法的关键链路探测方法[J]. 计算机工程与科学, 2017, 39(11): 2022-2027.
[11]	伍杰华1,2,沈静1,周蓓1. 改进朴素贝叶斯模型的复杂网络关系预测[J]. 计算机工程与科学, 2017, 39(10): 1825-1831.
[12]	梁倬骞1,2，付丹龙2，邓原1. 级联过程中基于动态信息的负载重分配策略[J]. 计算机工程与科学, 2017, 39(09): 1638-1644.
[13]	聂祥林1,2,张玉梅1,2,吴晓军1,2,吴霞1. 基于节点依赖度和相似社团融合的社团结构发现算法[J]. 计算机工程与科学, 2017, 39(07): 1273-1280.
[14]	张其林1，董政呈2，赵永标1 . 一种具有核心-边缘结构的无标度网络演化模型[J]. 计算机工程与科学, 2017, 39(03): 500-504.
[15]	曾振华1，毕贵红2，张寿明1，蔡子龙2. 语言竞争社会仿真模型与计算实验[J]. 计算机工程与科学, 2016, 38(12): 2514-2528.