论文部分内容阅读
网络的拓扑结构和网络负载是动态变化的,网络中不同重要性的节点对于网络中的数据传输具有不同的影响力。一些关键节点在网络中的影响力更大,例如网络塔、端点设备、信号增强器、桥节点等等。损坏这些关键节点将大大降低网络的吞吐量和安全性,而非关键节点故障造成的负面影响则相对有限。因此,当网络受到攻击且不能保护所有的节点时,需要基于节点的重要性排名来保护网络中的关键节点,以此实现更好的网络安全性和鲁棒性。一般地,网络负载是动态变化的,然而目前已经提出的许多评估节点重要性的方法,大多数方法针对的是无向无权、静态拓扑网络,较少有方法在有向、动态网络中根据网络负载变化来评估节点的重要性。针对上述问题,本文提出了三种根据动态网络负载变化对节点重要性进行动态排名的算法,分别是节点排名(NodeRank)算法,直接主成分排名(Direct Principal Component Ranking,DPCR)算法和综合主成分排名(Comprehensive Principal Component Ranking,CPCR)算法。其中,NodeRank是一种只考虑网络连接权重且效率较高的方法;DPCR和CPCR则是兼顾了网络中数据包传输方向且具有较高精度的方法。DPCR根据主成分分析(Principal Component Analysis,PCA)方法获取网络矩阵的主成分,并根据主成分与原始数据的夹角值计算出夹角矩阵,再直接根据各主成分在夹角矩阵中对应列中最小值对节点重要性进行排名;CPCR以每个主成分的重要性作为权重系数,利用夹角矩阵通过线性权重综合评估法计算出各节点重要性得分,再根据得分对节点重要性进行排名。查新结果表明,DPCR和CPCR是第一个将PCA和夹角相似性相结合并根据网络中的数据传输方向对节点重要性进行排名的方案。实验数据表明,与已知的同类方法,如节点的度(Degree Centrality,DC)、介数(Betweenness centrality,BC)、接近度(Closeness Centrality,CC)和特征向量中心性(Eigenvalue Centrality,EC)相比,本文提出的三种算法在动态网络的节点重要性排名方面具有更高的效率和准确性。