欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025111183042
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种对抗网络层析攻击的拓扑关键元素保护方法,其特征在于,包括以下步骤:步骤S1、采集网络运行时的多源网络信息,计算静态拓扑指标与动态流量指标;

步骤S2、自适应融合静态拓扑指标与动态流量指标,评估节点和链路重要性以识别出关键元素;

步骤S3、构建多目标优化模型,所述多目标优化模型以最小化的关键元素在混淆拓扑中的重要性、以及混淆拓扑与真实拓扑的结构相似度为优化目标;

步骤S3中所述最小化的关键元素在混淆拓扑中的重要性是指最小化真实关键节点集在混淆拓扑中的平均关键性评分,定义关键节点在混淆拓扑下的平均关键性评分为:其中,G表示原始网络拓扑;表示关键节点集合,即包含k个关键节点;表示混淆拓扑;i表示节点索引;

所述混淆拓扑与真实拓扑的结构相似度是指混淆拓扑与真实拓扑之间的归一化图编辑距离,表达式如下:其中,表示从真实拓扑到混淆拓扑所需的最少边编辑操作次数;和分别表示真实拓扑与混淆拓扑的边数;

所述优化目标用以下函数表示:

步骤S3中构建所述多目标优化模型时还引入硬约束和软约束;

所述硬约束包括:混淆拓扑与真实拓扑之间不存在映射关系、混淆拓扑与真实拓扑的相似度不低于设定阈值、混淆拓扑应保持整体连通性;

所述软约束包括:真实关键节点在混淆拓扑中应被完全隐藏、混淆操作的数量需控制在可接受的成本范围内、混淆操作的影响范围应限定在一定跳数的邻域之内;

步骤S4、对原始拓扑进行稀疏化编码,使用非支配排序遗传算法对多目标优化模型进行求解,对真实拓扑进行图结构扰动以生成混淆拓扑最优解集;

步骤S5、构建受延迟约束和数值约束的稀疏化部署优化模型,所述稀疏化部署优化模型旨在最小化实际网络行为与混淆拓扑的差异,且稀疏化部署优化模型的目标函数中引入最小化部署路径数量的正则项;

所述步骤S5中稀疏化部署优化模型的目标函数包含拓扑拟合项和采用L1范数的延迟控制项;所述延迟约束为要求扰动后的数据包传输延迟只能增加并控制在网络端到端路径的最大延迟内;所述数值约束为要求部署操作矩阵中的元素数值稳定在[10-3,1]区间内;

步骤S6、使用优化器求解稀疏化部署优化模型生成部署方案,由网络控制面根据部署方案下发规则至数据面,数据面执行延迟操作从而完成拓扑混淆;所述拓扑混淆通过扰动攻击者的测量数据来呈现混淆拓扑视图。

2.根据权利要求1所述的方法,其特征在于,步骤S1中,所述静态拓扑指标包括:介数中心性、接近中心性、最小割中心性和度中心性;

所述动态流量指标包括:聚合流量负载、消耗带宽比率、可用链路带宽和链路延迟;

所述静态拓扑指标与所述动态流量指标均包含节点相关指标与链路相关指标。

3.根据权利要求1所述的方法,其特征在于,步骤S2中所述自适应融合的具体方法为:(1)将链路相关静态拓扑指标与动态流量指标映射至对应连接节点,统一评估维度,并构建评价矩阵;

所述评价矩阵的具体表示为:

其中,表示第个节点在第个指标下的数值,为节点数,为指标数;

(2)基于构建的评价矩阵,应用熵权法计算各指标的信息效用差异系数,自适应生成融合权重向量;

(3)基于生成的融合权重,应用逼近理想解排序法TOPSIS计算节点的关键性分数,选取评分排名前K的节点作为关键节点,确定关键元素;所述K的取值范围为节点总数的10%至20%;所述关键元素包括关键节点和关键链路。

4.根据权利要求1所述的方法,其特征在于,步骤S4中使用非支配排序遗传算法进行求解的具体方法为:(1)将步骤S3引入的软约束转化为目标函数惩罚项,构建包含惩罚项的优化目标函数;

(2)对原始拓扑G进行二进制稀疏化编码,仅保留编码原始图-hop邻域内可修改边,生成压缩的染色体表示;

(3)在满足连通性约束下,对原始拓扑定义进行过程的边操作,生成N个扰动后的混淆拓扑个体作为初始种群;所述边操作包括删除边、添加边和修改连接关系;

(4)对种群中的每个个体同时计算多个目标函数值进行适应度评估;

(5)执行非支配排序:依据帕累托支配关系将个体分层,同层内依据拥挤度距离排序并选择;

(6)执行交叉与变异操作;所述变异操作概率取值范围为1%至10%;

(7)实施种群合并,并进行迭代优化;

(8)输出最终获得的帕累托最优解集,即所述混淆拓扑最优解集。

5.根据权利要求1所述的方法,其特征在于,步骤S6中所述使用优化器求解稀疏化部署优化模型的具体方法为:(1)基于自动微分机制,将步骤S5所述稀疏化部署优化模型中的延迟约束和数值约束转化为惩罚项加入目标函数中,构建无约束损失函数;

(2)以无约束损失函数为优化目标,采用Adam优化器进行参数优化,并在每轮迭代后使用Clamp操作保持变量范围稳定;

(3)将优化后的参数作为部署方案输出,由控制面计算对应路径的延迟方案,下发至数据面由交换机设备执行攻击者探测数据包的延迟操作。

6.一种基于权利要求1-5任一项所述方法的应用方法,其特征在于,将所述方法部署至真实网络环境,所述真实网络环境包括网络安全防御平台,所述网络的架构为软件定义网络SDN架构或P4可编程网络架构。

7.一种基于权利要求1-5任一项所述方法的系统,其特征在于,所述系统包括以下模块:(1)数据采集模块,用于执行所述步骤S1;

(2)关键元素识别模块,用于执行所述步骤S2;

(3)拓扑混淆模块,用于执行所述步骤S3和步骤S4;

(4)部署优化模块,用于执行所述步骤S5和步骤S6;

所述系统部署于软件定义网络SDN控制器或P4可编程交换机。