(19)中华 人民共和国 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 202111626397.1 (22)申请日 2021.12.28 (71)申请人 浙江工业大 学 地址 310014 浙江省杭州市拱 墅区潮王路 18号 (72)发明人 宣琦　毛勇超　周波　吕宇乾　 (74)专利代理 机构 杭州天正专利事务所有限公 司 33201 代理人 王兵　王幸祥 (51)Int.Cl. H04L 9/40(2022.01) H04L 67/1042(2022.01) G06N 3/12(2006.01) (54)发明名称 基于保度攻击的社交网络关键人物隐匿方 法 (57)摘要 基于保度攻击的社交网络关键人物隐匿方 法， 包括： 步骤S1， 假设无向无权网络G， 利用K ‑ core分解算法对网络中的每个节点分配一个核 值， 定义社交网络中核值最高的节点为关键人 物； S2， 预设定一种基于保度攻击的重连方案； S3， 按照步骤S2所述重连方案选择链路， 并且使 用遗传算法执行重连操作； S4， 评定遗传算法的 隐匿效果， 输出隐匿关键人物的最优策略； 本发 明利用保度攻击的方法， 融合经典的进化算法， 可以保证在不被黑客攻击所发现的情况下， 有效 的隐匿社交网络中关键人物所在的节 点， 提升网 络的安全性。 权利要求书2页 说明书5页 附图3页 CN 114301674 A 2022.04.08 CN 114301674 A 1.基于保度攻击的社交网络关键人物隐匿方法， 其特 征在于： 包括以下步骤： S1： 假设无向无权网络G， 利用K ‑core分解算法对网络中的每个节点分配一个核值， 定 义社交网络中核值 最高的节点 为关键人物； S2： 预设定一种基于保度攻击的重连 方案； S3： 按照步骤S2所述的重连 方案选择链路， 并且使用遗传算法执 行重连操作； S4： 评定遗传算法的隐匿效果， 输出隐匿 关键人物的最优策略。 2.如权利要求1所述的基于保度攻击的社交网络关键人物隐匿方法， 其特征在于： 所述 步骤S1包括： 假设无向无权社交网络G(V,E)， V是网络中节点的集合， E是网络中链路的集合， 利用K ‑ core分解算法对网络中的每个节点分配一个核值， 节点的核值等价于节点的重要性， 节点 的核值越高， 就表明节点的重要性越高， 定义社交网络中核值 最高的节点 为关键人物 Vk。 3.如权利要求1所述的基于保度攻击的社交网络关键人物隐匿方法， 其特征在于： 所述 步骤S2包括： 预设定一种基于保度攻击的重连方案， 所谓保度攻击， 即在攻击过程中， 不改变节点的 度值， 选择一对待重连的链路， 所述待重连的链路包含四个不同节点， 即所述待重连的链路 之间不存在公共节点， 并且所述四个节点重连之后的链路在原网络中不存在， 以上为基于 保度攻击的重连方案的限制条件， 可以保证对网络攻击之后， 网络各个节点的度值不会发 生变化。 4.如权利要求1所述的基于保度攻击的社交网络关键人物隐匿方法， 其特征在于： 所述 步骤S3包括： S3.1： 对所选择的链路， 判断是否满足步骤S2所述的限制条件； 具体操作为： 首先随机 的从链路列表中选择两条链路组成一个基因， 判断以下两则限制条件是否满足： 1)所述基 因是否存在公共顶点； 2)所述基因执行重连之后的链路在原网络中是否存在； 若有一则限 制条件不满足， 则舍弃该基因； 若干个基因组成一个所述个体， 检查该个体内是否存在相同 的基因， 若存在， 则只保留其中之一； 设置个体的基因长度即包含满足限制条件1)和2)的基 因个数， 反复迭代， 直至所有的基因都满足条件； 此步骤有助于在 避免无效的重连操作对整 体网络干扰的同时， 减少后续的计算开销； 因为存在公共节点的基因在重连过程中会产生 自环， 破坏网络的连通性， 而个体内存在两个相同的基因会导致执行一轮重连的作用失效， 并增大计算 开销； S3.2： 根据所得的种群， 计算所述种群中每个个体的适应度； 首先， 计算未执行保度攻 击的原网络节点的核值分布； 然后计算依据种群中所述个体的重连方案攻击后得到的网络 节点核值分布； 记关键人物的核值发生变化的节点为误分类节点Vf； 核值误分类率计算如 式(1)： 其中|Vf|误分类节点总数， |Vk|是未使用重连 方案攻击前的网络中关键人物的总数； 核值是评测节点重要性的重要指标， 被广泛应用于节点分类领域中； 定义适应度函数 如式(2)： f＝1‑dattack        (2)权　利　要　求　书 1/2 页 2 CN 114301674 A 2其中dattack是核值的误分类率， 适应度函数表示隐匿的成功率， 它所返回的值越小， 说 明隐匿的成功率越高； S3.3： 设置轮盘赌算法作 为所述遗传算法的选择算子， 通过这种选择方式， 个体交配的 概率与其适应度成正比； 采用单点交叉作为所述遗传算法的交叉算子； 为降低本文实验的 时间复杂度， 提高效率， 设置所述遗传算法 的突变率为10％， 且种群规模不大于16； 群体经 过选择、 交叉、 变异运 算之后得到下一代种群。 5.如权利要求1所述的基于保度攻击的社交网络关键人物隐匿方法， 其特征在于： 所述 步骤S4包括： 对步骤S3所述的遗传算法， 使用best记录种群中适应度最高的所述个体， 同时， 对无向 无权网络 G进行随机重连攻击， 并保持网络节 点的度不变， 使步骤S 3所述的遗传算法与随机 重连攻击比较， 以社 交网络关键人物隐匿成功 率和对社交网络的扰动率作为衡量隐匿效果 的指标， 其中对社交网络的扰动率根据网络中链路的重连数量进行度量， 其计算公式如式 (3)所示： 其中|Ef|是经过重连攻击后改变的链路总数， |E|是网络中链路的总数； 当遗传算法的隐匿效果优于随机重连攻击的效果， 则说明隐匿成功， 输出所述的适应 度最高的个体best， 即为攻击后的网络图中的一个隐匿成功的最优策略； 如若遗传算法的 隐匿效果劣于随机重连攻击的效果， 则再迭代一次遗传算法， 直至遗传算法的隐匿效果优 于随机重连攻击的效果。权　利　要　求　书 2/2 页 3 CN 114301674 A 3