攻击策略在复杂模型与现实世界网络中的效率

我们研究了针对多个复杂模型和现实世界网络节点的攻击策略效率。我们测试了 5 种攻击策略，其中 3 种为本文首次提出，用于攻击 3 种模型（Erdos-Renyi 模型、Barabasi-Albert 优先附着网络和无标度网络配置模型）和 3 个现实网络（Gnutella 点对点网络、Rovira i Virgili 大学电子邮件网络和免疫球蛋白相互作用网络）。节点根据攻击策略定义的重要性标准被顺序移除。我们使用最大连通分量（LCC）的大小作为网络损伤的度量。我们发现，攻击策略的效率（为使 LCC 大小减少特定比例所需删除的节点分数）取决于网络的拓扑结构，尽管基于节点连接数和介数中心性的攻击通常是最有效的策略。按介数中心性降序顺序删除节点是针对现实世界网络时最有效的攻击策略。特别是对于具有幂律度分布的网络，我们观察到在顺序移除节点的过程中，最有效的策略会发生变化。