(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211174690.3 (22)申请日 2022.09.26 (71)申请人 安徽大学 地址 230601 安徽省合肥市经济技 术开发 区九龙路1 11号 (72)发明人 颜登程　朱佳聪　屈诗琴　张以文　 王庆人　仲红　 (74)专利代理 机构 合肥市泽信专利代理事务所 (普通合伙) 3414 4 专利代理师 潘飞 (51)Int.Cl. H04L 9/40(2022.01) (54)发明名称 一种抑制图拆解的图攻击方法及 图结构的 防护系统、 装置 (57)摘要 本发明属于大数据分析领域， 具体涉及一种 抑制图拆解的图攻击方法， 以及采用该方法网络 的图结构的防护系统和装置。 图攻击方法包括如 下步骤： S1： 将待处理的网络采用图结构进行表 征； S2： 绘制图结构在基于度值和基于集体影响 力两种拆解策略下的ANC曲线； S3： 基于ANC曲线 确定网络中的目标节点集； S4： 基于两种拆解路 径的目标节点集构建用于评估基于原始图和攻 击后的图在混合的攻击策略下产生的拆解序列 的差异的损失函数； S5： 预设约束条件和迭代轮 次， 然后利用损失函数计算链路梯度， 并以链路 梯度为指引对满足约束条件的边进行迭代删除， 得到增强图结构； 本发明克服了现有的各类网络 系统对图拆解方法的抵御性能不强， 容易遭受网 络攻击的问题。 权利要求书4页 说明书10页 附图10页 CN 115550023 A 2022.12.30 CN 115550023 A 1.一种抑制图拆解的图攻击方法， 其特征在于， 其用于在满足约束条件的基础上对网 络的原始图结构进行图攻击处理， 通过删除部分边的方式得到增强后的图结构； 进而隐藏 原始图结构中的关键信息， 提高网络对图拆解 攻击行为的防御能力； 所述图攻击方法包括如下步骤： S1： 将待处理的网络采用图结构 G进行表征； 其中， V表示网络中节点的集合， E表示网络 中各节点间边的集 合； S2： 根据网络拆解后剩余节点的连通性connectivy的变化， 绘制图结构 G在基于度 值和 基于集体 影响力两种拆解策略下对应ANC曲线； S3： 基于绘制的ANC曲线分别确定在基于度值和基于集体影响力的拆解策略中对网络 拆解起关键作用的目标节点 集V1和V2； S4： 基于两种拆解路径的目标节点集V1和V2构建用于评估基于原始图和攻击后的图在 混合的攻击策略下产生的拆解序列的差异的损失函数l oss， 损失函数l oss如下： 上式中， HDG′和CIG′分别指根据删除边后的当前的 图结构所求出的节点的度值和集体影 响力值； 节点集V1＝{vi,vi+1,…,vj}G表示基于度值的拆解策略中对应的关键节点集； 节点 集{vj+1,vj+2,…,vN}G包括排序在关键节点集后的所有节点； 节点集V2＝{vi′,vi′+1,…,vj′}G 表示基于集体影响力的拆解策略中对应的关键节点集； 节点集{vj′+1,vj′+2,…,vN′}G包括排 序在关键节点 集后的所有节点； σ 是一个预设的极小的常量； S5： 预设图攻击过程的约束条件和迭代轮次k， 然后利用损失函数计算链路梯度， 并以 链路梯度为指引对原始图结构G中满足约束条件的边进行迭代删除， 进而得到图攻击后的 增强图结构G ′； 图攻击时各边的迭代删除过程如下： S51： 将边删除后的图与 最初的图的节点度分布的检验 统计量Λ(G,G ′)低于阈值τ作 为 预设的约束条件， 即： ∧(G， G′)＜ τ； S52： 将拟删除的边的数量作为预设的最大迭代轮次kmax； S53： 更新当前轮次的图结构 G对应的损失函数值loss， 并利用下式分别计算图结构 G中 每条边对应的链路梯度ga： 上式中， Ha表示边ea在稀疏矩阵H中对应的元素， 稀疏矩阵H由图结构G转换得到， 用于表 征网络中的边； 即： H∈{1}|1|×|E|； S54： 根据链路梯度ga中负的项对图结构G 中的对应的边ei进行升序排列， 得到一个边序权　利　要　求　书 1/4 页 2 CN 115550023 A 2列A； S55： 依次计算边序列中A中的各条边删除后的图与最初的图的节点度分布的检验统计 量∧(G， G， )； 并判断检验统计量 ∧(G， G′)是否满足约束条件： (1)当存在一项满足约束时， 则将满足约束条件且位于边序列A中靠前项的边作为当前 轮次删除的边； (2)当边序列A中任意一条边删除后形成的节点度分布的检验统计量∧(G， G ′)均不满 足约束条件时， 则将边序列A中的首项作为当前轮次删除的边； S56： 每删除一条边后， 对迭代轮次k进行递增， 然后 重复执行步骤S53 ‑S55， 直到迭代轮 次k达到预设的最大迭代轮次kmax； 此时得到的图结构即为所需的增强图结构G ′。 2.如权利要求1所述的抑制图拆解的图攻击方法， 其特征在于： 步骤S1中， 原始的图结 构G＝(V， E)中， V＝{v1， v2， ...， vN}， E＝{e1， e2， ...， eM}； 即： 该网络的 图结构中包含N个节点 和M条边； 原始的图结构G可转换为邻接矩阵A的形式， 即： A∈{0， 1}|V|×|V|； 邻接矩阵A可进一 步转换为稀疏矩阵H的形式， 即： H∈{1}|1|×|E|。 3.如权利要求2所述的抑制图拆解的图攻击方法， 其特征在于： 步骤S2中， 基于度值或 集体影响力的拆解策略中， ANC曲线的绘制方法如下： S21： 计算 图结构G中每个节点的度值或集体影响力值， 然后根据度值或集体影响力值 对各个节点进行降序排列， 生成一个对应的节点序列B或B ′； S22： 根据上步骤的节点序列B或B ′中各节点的顺序， 依次对图结构 G中的每个节点进行 删除， 并计算每删除百分之一数量的节点后的剩余的图结构G ′的连通性connectivy； S23： 当图结构G中的所有节点均拆解完毕后， 以拆除节点数占比为横坐标， 删除节点后 的剩余图结构G ′的连通性为 纵坐标得到对应的元数据， 然后对一系 列离散的元数据进行拟 合， 绘制出对应的ANC曲线。 4.如权利要求2所述的抑制图拆解的图攻击方法， 其特征在于： 步骤S22中， 剩余节点连 通性的计算公式如下： 上式中， connectivy(G\{v1， v2，…， vi}G)表示从图结构G中删除{v1， v2，…， vi}G中所有节 点后的剩余图结构G ′的连通性； NGCC(G\{v1， v2，…， vi}G)表示删除节点集{v1， v2，…， vi}G后图 结构中互相连接的最大部分包 含的节点数； NG表示原始的图结构G中的节点数。 5.如权利要 求4所述的抑制图拆解的 图攻击方法， 其特征在于： 步骤S3中， 目标节点集V1 或V2的获取过程如下： S31： 根据所述ANC曲线计算各个节点vi的元数据处对应的一阶导数近似值slopi， 计算 公式如下： slopi＝connectivy(G\{v1， v2，…， vi+1}G)‑connectivy(G\{v1， v2，…， vi}G) S32： 基于各节点vi对应的一阶导数近似值slopi计算各节点vi处前后的曲线下降速率 差值slope_difi； 计算公式如下： slope_difi＝slopi+1‑slopi， S33： 将节点序列B 或B′中节点前后的下降速率差值slope_difi最小的数据对应的节点权　利　要　求　书 2/4 页 3 CN 115550023 A 3