复杂网络及其在信息领域中的应用

论文摘要

复杂网络的理论研究广泛涉足于计算机网络、通信网络、交通和社会学等领域,但其在各个领域的应用研究尚需进一步深入。近年来对如何将复杂网络理论真正付诸于具体的应用之中,引起了学术界的广泛关注。在复杂网络理论中,小世界、无标度网络在交通、管理和社会学等领域,已经出现了一系列重要的研究成果。但在计算机与通信网络中有针对性的复杂网络应用研究尚不多见,本文针对复杂网络上移动行为的位置可预测性、无标度网络的鲁棒性、复杂网络理论在网络安全中的应用及认知无线网中资源分配算法等方面进行了研究,取得的创新性成果如下:1、解决了人类在复杂网络上移动的可预测度问题。通过定义可预测度,真实位置熵,理论位置熵,规律性等概念,运用Fano不等式对熵进行计算,解决了人类在复杂网络上移动的可预测度问题,人类移动行为平均可预测性高达93%,得到了人类移动位置的预测度与性别、年龄、生活地区、语言等没有明显相关性的结论。该研究成果对个人隐私信息的保护研究,城市规划,交通运输,移动增值服务等提供了理论依据。2、提出了根据时空相关度对复杂网络进行抗蓄意攻击的算法。在设计复杂网络改变拓扑结构与逻辑重构算法时,时空相关度具有重要的意义,据此提出了时空无关和时空受限两类网络的定义,在此基础上,分别提出了针对时空受限网络的Hub Split算法与针对时空无关网络的Link Swtich算法,以提升网络抗击攻击的能力。换言之,在实际网络中在既保证了数据信息的高效传输、旅客的快速运送能力,在维持了对随机节点故障的高容忍度的同时,提高了抵抗对网络中关键点攻击的能力。3、提出了一种基于可预测度和时空相关性的抗分布式拒绝服务攻击的方法。根据分布式拒绝服务也具有较高的可预测性,兼顾历史信息与当前网络状态,运用递归最小二乘法,对疑似攻击行为进行判定。在此基础上,对网络进行逻辑拓扑的改变,即改变路由。达到了针对同一攻击目标在时间、空间上对攻击网络包平滑的目的,缓解甚至消除了分布式拒绝服务攻击。4、提出了基于可预测度的认知无线网资源分配算法。在实际认知无线网络环境中,由于干扰、散射等因素会使得某些网络参与者即博弈方得不到完全的信息,造成了资源分配的合理性问题。然而认知网络具备无标度网络的特征,其网络博弈各方的信息具有较高的可预测度,在此基础上,提出了一种基于可预测度的非完全信息博弈的资源分配算法,实现了资源的合理利用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 复杂网络的发展背景
• 1.2 复杂网络的国内外研究现状
• 1.2.1 复杂网络的理论研究
• 1.2.2 复杂网络的应用研究
• 1.3 复杂网络的研究意义
• 1.4 一些有影响的国内外研究组织
• 1.5 主要工作与结构安排
• 第二章 复杂网络性质
• 2.1 相关术语
• 2.1.1 度分布
• 2.1.2 平均最短路径长度
• 2.2 常见的几种网络
• 2.2.1 随机网络
• 2.2.2 小世界网络
• 2.2.3 无标度网络
• 2.3 无标度网络的鲁棒性
• 2.4 复杂网络中的常见模型
• 2.4.1.WS小世界网络模型
• 2.4.2 无标度网络的BA模型
• 第三章 基于网络的人类移动可预测性研究
• 3.1 课题背景及意义
• 3.2 数据收集与分析
• 3.2.1 数据来源
• 3.2.2 原始数据的内涵--通话记录与移动行为的相关性质
• 3.3 数据处理
• 3.4 用户位置熵的确定
• 3.4.1 熵值与基本方程
• 3.5 预测的基本极限
• 3.5.1 符号说明
• 3.5.2 Fano不等式
• 3.5.3 可预测度Πmax的上界估计
• 3.5.4 规律性可作为可预测性的下界
• 3.5.5 可预测性与规律性之间的关系
• 3.6 规律性的依赖参数及其与人口统计因素的关系
• 3.6.1 规律性与访问位置数N 的关系
• 3.6.2 规律性与年龄性别的关系
• 3.6.3 规律性与采样对象收入及语种的关系
• 3.6.4 规律性与居住区域及人口密度的关系
• 第四章 增强无标度网络抗击蓄意攻击的能力
• 4.1 问题的提出
• 4.2 网络重构算法
• 4.2.1 算法简介
• 4.2.2.LS算法
• 4.2.3 HS算法
• 4.3 重构网络的主要参数分析
• 4.3.1.BA模型构造网络
• 4.3.2 平均最短路径长度
• 4.3.3 度分布P（k）
• 4.4 仿真实验结果及讨论
• 4.5 小结
• 第五章 基于网络逻辑重构防范DDOS 攻击
• 5.1 问题的提出
• 5.2 算法介绍
• 5.2.1 算法思路
• 5.2.2 最小二乘法拟合网络系统历史数据
• 5.3.3 在线最小二乘估计的递推算法
• 5.2.4 线性预测可能受攻击目标
• 5.2.5 攻击检测过程描述
• 5.2.6 重构受攻击网络的逻辑拓扑
• 5.3 仿真结果及讨论
• 5.4 小结
• 第六章 复杂网络中认知协同网的资源分配
• 6.1 课题背景及意义
• 6.2 算法介绍
• 6.2.1 算法描述
• 6.2.2 博弈信号
• 6.2.3 粒子优化
• 6.3 仿真结果与讨论
• 6.4 小结
• 第七章 总结与展望
• 7.1 本论文研究总结
• 7.2 前景展望
• 致谢
• 参考文献
• 攻博期间取得的研究成果