互联网环境下基于自主协同的复杂网络中心节点识别与保护机制研究

新兴的复杂网络研究蕴藏着巨大的潜在应用价值。但是在蓄意攻击中心节点时，复杂网络所表现出的脆弱性，成为其在实际应用中的一大缺陷。为解决这一问题，本项目以AS层互联网这类典型的复杂网络为应用背景，对中心节点的识别与保护机制进行研究。为提高识别的实用性和准确性，依据互联网的加权网络特征和中心化指标，设计基于复合指标关联的加权复杂网络中心节点识别算法；为提高中心节点的可靠性和网络的抗毁性，借鉴蛋白质的折叠机理，实现中心性节点的自我管理机制，借鉴蛋白质间的协同作用原理，构建中心性节点子网（由中心性节点组成的子网）的自主协同模型，建立可调节的协同工作机制和运行环境，此外为提高子网中节点协同的可信性，提出基于扩展证据理论的信任评价模型；最后，为验证本项目对中心性节点实施保护的有效性，设计一种基于关联分析和模糊评估的复杂网络可靠性评测方法，并对其进行实现和仿真。

在复杂网络研究领域中，评估节点的重要程度，发掘关键节点，具有重要的理论与应用价值。通过对关键节点的认知可以揭示复杂网络内在的一些重要特性。通过对这些关键节点的保护不仅可以有效增强大规模网络的可靠性，而且还可提高网络受攻击时的抗毁性。因此，本项目以提高复杂网络的可靠性和抗毁性为目标，面向AS层互联网环境，研究基于自主协同的复杂网络关键节点识别与保护机制。具体包含三个方面的研究内容：1）为了符合真实网络的特性并提高关键节点识别的准确性，设计和实现了基于复合指标关联的加权复杂网络关键节点识别算法，实验结果表明，所提具有较好的节点重要性区分能力和准确性，对于进一步完善节点重要性评价理论框架具有启发意义和实用价值。2）从主动防御的思想出发，借鉴蛋白质的折叠机理，实现了关键节点的自我管理机制；借鉴蛋白质间的协同作用原理，构建了中心子网的自主协同模型；为提高协同的可信性和性能，提出了基于扩展证据理论和基于推荐的信任评价模型。仿真实验表明，与已有模型相比，所提模型具有更强的抑制各种策略欺骗及共谋行为的能力，在信任度量准确性方面也有较大提高。3）为验证本项目对关键节点实施保护的有效性，设计了一种基于关联分析和模糊评估的复杂网络可靠性评测方法，并通过算法分析和实验仿真验证了该算法的准确性。本课题的研究成果已发表论文13篇，1篇被SCI收录，7篇被/EI/ISTP收录，申请发明专利4项，获发明专利授权1项。