近年来，复杂网络得到了越来越多的关注。复杂网络研究的最终目标是为日常生活设计出鲁棒性高的系统。但是日常生活中的系统经常会遭受一些无意的破坏甚至恶意的攻击。因此，研究不同的攻击策略，以及不同网络在这些攻击策略下的鲁棒性有十分重要的意义。　　目前，研究者们对复杂网络中的攻击方法已经做了深入研究。在众多攻击方法中，度中心性攻击方法又因其攻击时只需要网络的局部拓扑信息而受到广泛关注。但度中心性攻击方法也有其不足之处，本文在研究基于路径的度中心性攻击方法时，发现攻击总是围绕着自身包含hub（中心）节点的路径进行。然而网络中有些路径，其自身度并不大，却是多个hub类型节点的间接连接部分。当这类路径受到攻击时，整个网络可能会迅速被拆分，失去其基本的连通性。　　为了解决基于路径度中心性攻击方法的不足，本文提出了一种新的衡量路径重要性的方法，该方法能够充分考虑到路径自身有hub节点或者是间接连接了多个hub节点的情况，并基于此提出了多跳路径攻击模型，然后检验不同网络在该攻击模型下的表现。此攻击模型的效果随跳数l取值的变化而变化：当l=0时，该攻击模型表现出偏中心攻击效果；l足够大时表现出偏边缘攻击效果；当l介于两者中间时，则会优先攻击多个hub中间连接的路径。　　本文分别在随机网络(Erd?s–Rényi,ER)、无标度网络(Scale-Free,SF)两种模型网络和一些实际网络中进行实验，迭代移除中心性最大的路径，并以攻击后的网络的驱动节点数量、网络效率、最大连通子图大小以及所对应的攻击次数作为衡量标准检验攻击效果。实验结果表明本文提出的方法攻击效果很好。并且通过在不同密度和不同异质性网络中的实验发现，网络越密集或网络的同质性越高，其鲁棒性也越高，抵御迭代多跳路径攻击的效果越好。同时，本文还将该方法与另外一种路径攻击方法在相同的网络上进行实验[29]，以网络效率减半时所需要的攻击次数为检验标准对比攻击效果，实验表明本文的攻击方法无论是在攻击的实际效果还是最优参数的选取上都要明显优于其他的攻击方法。