[论文解读] A New Framework for Network Disruption

Susan E. Martonosi, Doug Altner+6 more|arXiv (Cornell University)|Sep 13, 2011

Network Security and Intrusion Detection参考文献 59被引用 6

一句话总结

本文提出了一种新颖的网络破坏框架，通过有策略地移除其他顶点，使关键顶点上的流量负载最大化，从而增加其遭受攻击的脆弱性。通过图论分析与遗传算法，该方法在识别高影响顶点子集方面优于随机搜索，为破坏隐蔽网络和增强网络鲁棒性提供了新策略。

ABSTRACT

Traditional network disruption approaches focus on disconnecting or lengthening paths in the network. We present a new framework for network disruption that attempts to reroute flow through critical vertices via vertex deletion, under the assumption that this will render those vertices vulnerable to future attacks. We define the load on a critical vertex to be the number of paths in the network that must flow through the vertex. We present graph-theoretic and computational techniques to maximize this load, firstly by removing either a single vertex from the network, secondly by removing a subset of vertices.

研究动机与目标

• 解决现有网络破坏研究中侧重于连通性或路径长度而非顶点流量负载的空白。
• 将网络破坏建模为流量重路由问题，其中移除顶点会迫使更多流量通过关键目标顶点。
• 开发高效的计算方法，以识别最优顶点删除方案，从而最大化关键顶点上的负载。
• 将该框架应用于现实世界问题，如破坏恐怖主义网络以及设计具有韧性的通信或电力网络。
• 通过整合复杂网络理论的结构洞见与中心性度量，扩展现有网络拦截模型。

提出的方法

• 将关键顶点上的负载定义为在顶点删除后，网络中必须经过该顶点的路径数量。
• 使用暴力计算方法进行单顶点删除（Single-LOMAX），以识别使关键顶点负载最大的顶点。
• 应用遗传算法求解子集删除问题（LOMAX），基于负载增加程度进行适应度评估。
• 在遗传算法中实现重组与突变操作，并使用近似中心性度量（如度、介数）指导选择过程。
• 对有前景的解使用精确负载计算，而在早期代数中使用近似方法以加快评估速度。
• 利用图模型（Erdős-Rényi、Watts-Strogatz、Barabási-Albert、Holme-Kim）模拟多样化网络结构，并测试框架的鲁棒性。

实验结果

研究问题

• RQ1 在移除哪一个单个顶点时，会使得通过指定关键顶点的路径数量最大化？
• RQ2 在计算资源受限的条件下，如何选择顶点子集以最大化关键顶点的负载？
• RQ3 传统中心性度量（度、介数、接近度）与本框架中定义的负载中心性之间存在何种关系？
• RQ4 元启发式方法（如遗传算法）能否比随机搜索更高效地求解子集删除问题？
• RQ5 不同网络拓扑结构（如小世界、无标度）如何影响所提出破坏策略的性能与可扩展性？

主要发现

• LOMAX的遗传算法在识别使关键顶点负载最大的顶点子集方面，显著优于随机搜索。
• 负载中心性与传统中心性度量（如介数、接近度、度）之间存在强相关性，其中度在初始筛选中计算效率更高。
• 对于Single-LOMAX，暴力计算验证了识别高影响单个顶点的可行性，但可扩展性仅限于较小规模网络。
• 可使用近似中心性度量加速遗传算法，而不会牺牲解的质量，从而能够评估更多候选解。
• 该框架通过顶点删除成功将流量重定向至目标顶点，展示了提高网络脆弱性的新机制。
• 该方法适用于多种网络类型，包括无标度网络与小世界网络，表明其具有广泛的结构鲁棒性。