[论文解读] Comparative Resilience Notions and Vertex Attack Tolerance of Scale-Free Networks

John Matta, Jeffrey Borwey+1 more|arXiv (Cornell University)|Apr 1, 2014

Complex Network Analysis Techniques参考文献 19被引用 8

一句话总结

本文提出顶点攻击容错性（VAT），一种新颖的鲁棒性度量方法，通过评估相对于最大连通分量大小的最小攻击集合规模，量化网络在针对节点的定向攻击下的鲁棒性。结果表明，VAT能够唯一地捕捉节点移除后的瓶颈结构与连通分量大小分布，优于传统的导出率（conductance）和扩展性（expansion）等度量方法，尤其在异质性、无标度网络中，VAT揭示了在度分布相同的情况下，随机无标度模型（PLOD）比优先连接模型（BA）更具鲁棒性。

ABSTRACT

We are concerned with an appropriate mathematical measure of resilience in the face of targeted node attacks for arbitrary degree networks, and subsequently comparing the resilience of different scale-free network models with the proposed measure. We strongly motivate our resilience measure termed \emph{vertex attack tolerance} (VAT), which is denoted mathematically as $τ(G) = \min_{S \subset V} \frac{|S|}{|V-S-C_{max}(V-S)|+1}$, where $C_{max}(V-S)$ is the largest connected component in $V-S$. We attempt a thorough comparison of VAT with several existing resilience notions: conductance, vertex expansion, integrity, toughness, tenacity and scattering number. Our comparisons indicate that for artbitrary degree distributions VAT is the only measure that fully captures both the major \emph{bottlenecks} of a network and the resulting \emph{component size distribution} upon targeted node attacks (both captured in a manner proportional to the size of the attack set). For the case of $d$-regular graphs, we prove that $τ(G) \le dΦ(G)$, where $Φ(G)$ is the conductance of the graph $G$. Conductance and expansion are well-studied measures of robustness and bottlenecks in the case of regular graphs but fail to capture resilience in the case of highly heterogeneous degree graphs. Regarding comparison of different scale-free graph models, our experimental results indicate that PLOD graphs with degree distributions identical to BA graphs of the same size exhibit consistently better vertex attack tolerance than the BA type graphs, although both graph types appear asymptotically resilient for BA generative parameter $m = 2$. BA graphs with $m = 1$ also appear to lack resilience, not only exhibiting very low VAT values, but also great transparency in the identification of the vulnerable node sets, namely the hubs, consistent with well known previous work.

研究动机与目标

• 开发一种数学上严谨、基于节点的鲁棒性度量，准确反映网络在定向攻击下的鲁棒性，特别是在异质性、无标度网络中。
• 在各种网络类型中，将VAT与既有的鲁棒性度量（导出率、扩展性、完整性、韧性、顽强力和散射数）进行比较。
• 评估并对比不同无标度网络模型的鲁棒性，特别是度分布相同的优先连接（BA）模型与随机无标度（PLOD）模型。
• 研究识别最坏情况攻击集合的计算难度，并评估当 m=1 和 m=2 时BA图在VAT下的脆弱性。

提出的方法

• 提出顶点攻击容错性（VAT）作为鲁棒性度量，定义为 τ(G) = min_S⊂V |S| / (|V−S−C_max(V−S)| + 1)，其中 C_max 表示移除集合 S 后的最大连通分量。
• 使用混合遗传算法与爬山优化方法估算VAT值，运行最多200,000代，种群规模为64，以避免陷入停滞。
• 执行不少于1,000次随机顶点割试验，并将突变长度设为最多2，以细化和验证VAT估算结果。
• 理论上和实验上将VAT与导出率及其他鲁棒性度量进行比较，特别关注 d-正则图和无标度图。
• 分析当 m（m=1, m=2）变化时，BA图与PLOD图的攻击集合，重点研究枢纽节点与非枢纽节点在破坏中的贡献。
• 考虑多种攻击模型，包括随机攻击、基于度的偏好攻击以及基于介数的攻击，以评估在计算与信息约束下攻击者的实际能力。

实验结果

研究问题

• RQ1 在定向节点攻击下，顶点攻击容错性（VAT）与现有鲁棒性度量（如导出率、扩展性、韧性）相比，如何更准确地捕捉网络鲁棒性？
• RQ2 为何导出率与扩展性在具有异质度分布的无标度网络中无法充分度量鲁棒性？
• RQ3 当度分布相同时，随机无标度网络（PLOD）是否比优先连接网络（BA）更具鲁棒性？
• RQ4 识别最坏情况攻击集合 S（即在VAT下最大化网络破坏的集合）的计算难度如何，特别是针对 m=2 的BA图？
• RQ5 在何种攻击者假设下（计算能力或信息获取能力受限），能够高效发现无标度网络中的关键节点集合？

主要发现

• VAT 是唯一能同时完整捕捉网络主要瓶颈结构与节点移除后连通分量大小分布的鲁棒性度量。
• 对于 d-正则图，VAT 满足 τ(G) ≤ dΦ(G)，其中 Φ(G) 为导出率，表明 VAT 将导出率推广至异质图。
• PLOD 生成的无标度网络在相同度分布下，其 VAT 值始终高于 BA 生成的网络，表明其对定向攻击具有更强的鲁棒性。
• 当 m=2 时，BA 图的 VAT 随网络规模增大而缓慢衰减，表明其具有渐近鲁棒性，但识别最坏情况攻击集合在计算上极具挑战。
• 当 m=1 时，BA 图的 VAT 极低且极为脆弱，枢纽节点易于被识别为关键节点，与先前研究结果一致。
• 对于 m=2 的 BA 图，最坏情况攻击集合并非仅由枢纽节点构成；非枢纽节点也发挥关键作用，导致其发现过程困难且耗时，尽管整体网络仍具鲁棒性。