1.基于指针网络与遗传算法的安全测试路由节点网络边选择方法,其特征在于,包括:步骤S1,构建路由节点网络数据模型;
步骤S2,路由节点网络边的重要性评估与筛选:基于网络拓扑结构和节点属性,采用边平均度、边介数、边贡献度多指标衡量边的重要性,筛选出一批重要边作为测试对象候选集合;
步骤S3,将经步骤S2初步筛选过的重要边集合输入指针网络模型中,综合考虑节点重要性和测试成本,生成多组性价比最高的边组合,作为初始测试方案,具体包括:S301,指针网络预训练:包括生成训练数据集、初始化模块、加载数据模块、生成指针网络模型、训练网络、模型评估;
生成的指针网络模型包括嵌入层、注意力机制、输出层,模型的输入为3行在进行网络的训练时,通过反向传播算法更新网络权重,对于每个训练样本,网络计算各条边的选择概率并通过损失函数评估误差,更新权重以最小化损失;
S302,输入数据处理:将各条路由节点网络边的带宽视为测试成本,边的重要程度视为收益,对重要边集合数据的带宽属性进行处理,形成如下输入数据格式的重要边集合:式中,
指针网络的输入序列则表示为
S303,指针网络进行测试方案选择:
1)将经S302处理后的指针网络输入数据输入到已经预训练完毕的指针网络中,生成多个输出序列为一个行列数都为式中,矩阵
对于
对于
对于
2)矩阵
3)将矩阵
式中,
S304,测试方案变异处理:将指针算法输出指针网络层直接加载输入数据集上,得到一组边的集合,作为安全测试的目标边集合,其结构为:式中,
对于每条待测试边集合中的边
S305,测试方案排列处理:将经S304处理的测试边集合按照步骤S4,将经步骤S3中指针网络模型生成的初始测试方案作为初始种群,基于遗传算法进行迭代优化,生成评估值最优且符合流量约束的路由节点网络边组合,作为最终测试方案。
2.根据权利要求1所述的基于指针网络与遗传算法的安全测试路由节点网络边选择方法,其特征在于:步骤S1构建的路由节点网络数据模型将测试对象路由节点及其连接关系组成的无向加权网络记为
3.根据权利要求2所述的基于指针网络与遗传算法的安全测试路由节点网络边选择方法,其特征在于:步骤S4中,所述评估值采用如下公式进行计算:步骤S4中,所述流量约束如下:其中,
4.根据权利要求3所述的基于指针网络与遗传算法的安全测试路由节点网络边选择方法,其特征在于:所述步骤S2包括:S201,基于网络拓扑结构和节点属性,采用边平均度、边介数、边贡献度多指标衡量边的重要性,其中:
1)边平均度的计算公式如下:其中,
2)边介数的计算公式如下:
其中,
3)基于Fiedler向量计算路由节点网络链接的边贡献度,如下:①将路由节点网络转换成拉普拉斯矩阵其中,
②计算拉普拉斯矩阵
其中,
③计算Fiedler向量
其中,
④计算边对Fiedler值的贡献度对于网络
其中,
S202,采用topsis熵权法求取边平均度、边介数、边贡献度的指标权重;
S2021对原始数据进行标准化处理,如下式:其中,
S2022,计算第
S2023,计算第
其中,
S2024,计算第
其中,差异系数
S2025,计算第
S203,构建加权标准化矩阵,如下式:其中,
S204,根据加权标准化矩阵,确定理想解其中,理想解
S205,使用欧几里得距离公式分别计算每个边与理想解的距离S206,根据理想解和负理想解的距离,计算每个边的相对接近度,如下式:其中,
S207,以相对接近度
S208,经过重要程度计算后,边新增序号、综合重要性指标为属性,整体路由节点网络边数据结构为:其中,
S209,设置侯选边筛选条件为重要性排名位于前t%,t为用户决定的参数,其中,
5.根据权利要求4所述的基于指针网络与遗传算法的安全测试路由节点网络边选择方法,其特征在于:步骤S4包括:S401,基于指针网络生成的初始测试方案,生成初始化种群;
取每个初始测试方案的第一行作为个体编码S402定义适应度函数及惩罚度函数;
定义适应度函数为测试后的网络性能下降程度,对于单个个体编码设原本的测试对象路由节点网络为其中,
定义如果总带宽消耗超过测试资源流量约束,则惩罚度为超出部分,否则,惩罚度为0,对于单个个体编码最终的评估值为:
式中,
S403,选择操作:选择种群中的解作为父代解;
1)计算当前解集中所有个体的适应度值,得到适应度值序列,如下式:
2)计算每个个体的选择概率,即将其适应度值除以所有个体适应度值的总和,如下式:其中,
3)计算每个个体的累积概率,即将前面所有个体的选择概率累加起来,如下式:其中,
4)生成一个随机数
5)重复前一个步骤4),直到选出所需数量的父代个体;
S404,交叉操作;
1)将父代个体两两配对,如果种群大小为奇数,则最后一个个体可以直接复制到子代中;
2)对于需要进行交叉操作的一对个体,随机选择一个交叉点
3)交换两个个体在交叉点
4)依次处理所有的父代个体,返回子代个体的集合;
S405,变异操作:对子代解进行随机变异;
1)对于每个子代个体,遍历其所有的基因位,即每条边的选择状态;
2)对于每个基因位,生成一个随机数
3)变异操作采用位翻转的方式,即将该位置的值从0变为1,或从1变为0;
4)重复上一步骤2)和步骤3),直到所有的子代个体上的基因位都处理完毕;
S406,筛选操作:根据适应评估值去除部分解;
在每次交叉变异过程完成之后,采用概率保留策略,决定留下哪些解进入下一轮迭代;解集内有所有的父代解和与父代解对应的子代解,每个解有一个适应度评估值,设父代个体评估值为如果
如果
其中,
在每次决定是否决定当下的子代个体时,生成随机数S407,在生成了满足约束条件的子代个体之后,需要从父代个体和子代个体中选择出新一代的种群,采用精英保留策略,保留评价值最高的固定数量的个体编码,更新种群;
S408,判断当前迭代次数是否达到预设的最大迭代次数,若没有,则转至S403,若达到,则迭代结束,从最后一代种群中选择适应度值最高的个体编码与其对应的重要边集合相结合,作为最优测试方案。
6.根据权利要求5所述的基于指针网络与遗传算法的安全测试路由节点网络边选择方法,其特征在于:在S402中,在对测试方案进行效能评估时,采用基于级联失效仿真的测试方案评估方法,对测试方案实施前后路由网络性能下降幅度进行计算,实现测试方案效能评估;
所述基于级联失效仿真的测试方案评估方法的过程如下:
1)路由网络受到测试,一批边失效之后,将该边上的负荷传播至邻接边;
2)根据新增负荷后邻接边负荷是否超过容量来判断新增负荷后的邻接边状态;
①若新增负荷与原始负荷之和小于边的容量,如下式(39),则表示新增负荷后的邻接边未超出容量,邻接边将承载新增负荷正常运转;
其中,
②若新增负荷与原始负荷之和大于边的容量且低于边的最大弹性容量,如下式(40),则表示新增负荷后的邻接边超出容量但属于最高弹性范围内;
其中,
根据公式(40)判断邻接边失效或过载;
如果邻接边失效,其上的负荷将再次依据失效边的负荷分配计算方式向周边传播,引发后续级联失效反应;
如果邻接边过载,其上超出容量的负荷将依据过载边的负荷分配计算方式向周边传播,引发后续级联失效反应;
③若新增负荷高于边的最大弹性容量,如下式(42),则表示新增负荷后的邻接边超出容量最高弹性范围,该邻接边失效,其上的负荷将依据失效边的负荷分配计算方式再次重新分配;
3)级联失效过程结束,计算正常边和过载边的数量,对剩余的正常边组成的网络采用公式(30)、(31)进行效能评估。
7.根据权利要求6所述的基于指针网络与遗传算法的安全测试路由节点网络边选择方法,其特征在于:在所述基于级联失效仿真的测试方案评估方法中:
1)采用Motter-Lai模型,计算路由节点网络中边的负荷与容量,如下式:其中,
2)失效边的负荷重分配计算方式如下:其中,
3)过载边的负荷重分配方式如下:其中,
8.根据权利要求7所述的基于指针网络与遗传算法的安全测试路由节点网络边选择方法,其特征在于:在步骤S305中,输出的初始测试方案需满足如下约束: