[论文解读] Localized attack on clustering networks

Gaogao Dong, Huifang Hao+4 more|arXiv (Cornell University)|Oct 15, 2016

Complex Network Analysis Techniques参考文献 12被引用 3

一句话总结

本文研究了局部攻击下聚类网络的鲁棒性，分析了聚类系数和耦合强度如何影响渗滤阈值和最大连通分量大小。通过分析与数值方法，表明局部攻击比随机攻击更具破坏性，更高的聚类会降低鲁棒性，而更强的耦合会引发一级相变。

ABSTRACT

Clustering network is one of which complex network attracting plenty of scholars to discuss and study the structures and cascading process. We primarily analyzed the effect of clustering coefficient to other various of the single clustering network under localized attack. These network models including double clustering network and star-like NON with clustering and random regular (RR) NON of ER networks with clustering are made up of at least two networks among which exist interdependent relation among whose degree of dependence is measured by coupling strength. We show both analytically and numerically, how the coupling strength and clustering coefficient effect the percolation threshold, size of giant component, critical coupling point where the behavior of phase transition changes from second order to first order with the increase of coupling strength between the networks. Last, we study the two types of clustering network: one type is same with double clustering network in which each subnetwork satisfies identical degree distribution and the other is that their subnetwork satisfies different degree distribution. The former type is treated both analytically and numerically while the latter is treated only numerically. In each section, we compared two results obtained from localized attack and random attack according to Shao et al:[22].

研究动机与目标

• 研究局部攻击对聚类网络的影响，特别是聚类系数和耦合强度如何影响网络鲁棒性。
• 在相互依赖的聚类网络中比较局部攻击与随机攻击，评估渗滤行为和相变的差异。
• 研究度分布（固定 vs. 双泊松）在局部故障下决定网络韧性的作用。
• 确定相变从二级向一级转变的临界耦合强度 $ q_c $。
• 将单网络的发现推广至具有聚类的相互依赖网络-网络（NON）模型。

提出的方法

• 使用双泊松分布（DPD）对单个聚类网络中的节点度进行建模，同时包含单条边和三角形。
• 采用生成函数 $ G_0(x,y) = e^{\langle s\rangle(x-1)} e^{\langle t\rangle(y-1)} $，通过解析方法推导最大连通分量大小和渗滤阈值。
• 应用壳层分解法并递归移除局部区域内的节点，以模拟局部攻击，追踪故障的级联过程。
• 在多种网络模型中比较局部攻击（LA）与随机攻击（RA）的结果：单个聚类网络、相互依赖网络、星型NON和随机正则NON。
• 引入耦合强度 $ q $ 以建模网络间的相互依赖性，其中 $ q=1 $ 表示完全相互依赖。
• 使用 $ N=10,000 $ 个节点的数值模拟验证理论预测，尤其针对固定度分布（FDD）情形。

实验结果

研究问题

• RQ1 在局部攻击下，聚类系数 $ c $ 如何影响渗滤阈值 $ p_c $？
• RQ2 在相互依赖的聚类网络中，相变从二级向一级转变的临界耦合强度 $ q_c $ 是多少？
• RQ3 在网络鲁棒性和级联动力学方面，局部攻击与随机攻击相比如何？
• RQ4 不同的度分布（FDD 与 DPD）如何影响相互依赖聚类网络的鲁棒性？
• RQ5 增加平均度 $ \langle k\rangle $ 或聚类网络数量 $ n $ 如何影响系统的韧性？

主要发现

• 与随机攻击相比，局部攻击导致最大连通分量大小更急剧下降，表明其破坏力更强。
• 临界渗滤阈值 $ p_c $ 随聚类系数 $ c $ 增大而升高，意味着更高的聚类会降低网络鲁棒性。
• 对于强耦合（$ q=0.5 $），相变为一级；而对于弱耦合（$ q=0.2 $），相变为二级，临界点 $ q_c $ 标识了转变。
• 临界耦合强度 $ q_c $ 随平均度 $ \langle k\rangle $ 增大而增加，表明更高的连通性可增强对相互依赖引发故障的鲁棒性。
• 对于固定度分布（FDD），网络比双泊松分布（DPD）更具鲁棒性，尤其在强耦合（$ q=0.8 $）时更为明显。
• 在具有聚类的星型NON中，增加聚类网络数量 $ n $ 会降低 $ q_c $，使系统更易发生级联故障。