[论文解读] The Multiple Instances of Node Centrality and their Implications on the Vulnerability of ISP Networks

George G. Nomikos, Panagiotis Pantazopoulos+2 more|arXiv (Cornell University)|Dec 17, 2013

Graph theory and applications被引用 4

一句话总结

本文通过分析40多个路由器级拓扑中的节点中心性指标排名，研究了不同节点中心性指数对互联网服务提供商（ISP）网络脆弱性的影响。研究发现，节点中心性排名的top-k重叠程度，而非完整排名相关性，更能准确预测网络性能下降；值得注意的是，仅依赖本地计算的度中心性，能很好地近似最坏情况下的流量容量影响。

ABSTRACT

The position of the nodes within a network topology largely determines the level of their involvement in various networking functions. Yet numerous node centrality indices, proposed to quantify how central individual nodes are in this respect, yield very different views of their relative significance. Our first contribution in this paper is then an exhaustive survey and categorization of centrality indices along several attributes including the type of information (local vs. global) and processing complexity required for their computation. We next study the seven most popular of those indices in the context of Internet vulnerability to address issues that remain under-explored in literature so far. First, we carry out a correlation study to assess the consistency of the node rankings those indices generate over ISP router-level topologies. For each pair of indices, we compute the full ranking correlation, which is the standard choice in literature, and the percentage overlap between the k top nodes. Then, we let these rankings guide the removal of highly central nodes and assess the impact on both the connectivity properties and traffic-carrying capacity of the network. Our results confirm that the top-k overlap predicts the comparative impact of indices on the network vulnerability better than the full-ranking correlation. Importantly, the locally computed degree centrality index approximates closely the global indices with the most dramatic impact on the traffic-carrying capacity; whereas, its approximative power in terms of connectivity is more topology-dependent.

研究动机与目标

• 系统分类并综述过去60年来在社会学、物理学和计算科学领域提出的三十余种节点中心性指标。
• 评估七种广泛使用的中心性指标——度、介数、特征向量、接近度、PageRank等——在真实ISP路由器级拓扑中对节点排名的一致性与可靠性。
• 评估不同中心性指标在指导针对性节点移除时，预测网络脆弱性的有效性，重点关注连通性与流量承载能力。
• 挑战将完整排名相关性作为指标等价性的代理指标的常规做法，提出top-k重叠是更准确的网络影响预测指标。

提出的方法

• 基于信息类型（局部 vs. 全局）、计算复杂度和图论基础原理等属性，提出一种新型节点中心性指标分类体系。
• 收集并分析了跨越多个年度的40多个ISP路由器级网络快照，使用七种代表性中心性指标（度、介数、特征向量、接近度、PageRank及另外两种）生成节点排名。
• 计算标准等级相关性（如Spearman等级相关系数），并引入一项新指标——top-k个最中心节点的重叠百分比，以评估排名相似性。
• 模拟由每种中心性指标指导的针对性节点移除，并测量其对网络连通性（如连通分量数量、逆最短路径长度）和流量承载能力的影响。
• 使用统计分析比较完整排名相关性与top-k重叠在预测不同攻击策略下网络退化方面的预测能力。

实验结果

研究问题

• RQ1 不同中心性指标在真实ISP路由器级拓扑中生成的节点排名一致性如何？
• RQ2 中心性指标之间的完整排名相关性在多大程度上反映了其对网络脆弱性实际影响的一致性？
• RQ3 与完整排名相关性相比，中心性排名的top-k重叠是否能更准确地预测不同指标对网络鲁棒性影响的相对程度？
• RQ4 是否可以使用仅依赖本地信息计算的中心性指标（如度中心性）来近似全局计算指标对网络性能指标（如流量承载能力）的影响？
• RQ5 结合多个中心性指标的排名，对针对性攻击导致的网络退化严重性有何影响？

主要发现

• 不同中心性指标之间的完整排名相关性通常较高，但这种相关性显著受到对低排名节点（如度=1，介数=0）一致认同的影响，从而削弱了其对顶级节点预测能力。
• top-5%最中心节点的重叠百分比（top-k重叠）是预测网络退化影响相似性的更准确指标，优于完整排名相关性。
• 仅使用本地信息计算的度中心性，尽管是局部指标，却能非常接近地近似最坏情况下的网络流量承载能力影响。
• 由不同中心性指标指导的节点移除对网络性能的影响在不同拓扑和性能指标间存在显著差异，无单一指标在所有情况下均占优。
• 特征向量中心性始终对网络鲁棒性影响最小，而介数和PageRank等指标的影响则因拓扑和指标类型而异，表现出更显著的差异。
• 当局部指标（如度）与全局指标（如介数）的top-k重叠较低时，混合使用其排名可生成更具破坏性的攻击集合，表明混合攻击策略具有战略优势。