买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽大学申请的专利一种抑制图拆解的图攻击方法及图结构的防护系统、装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115550023B 。

龙图腾网通过国家知识产权局官网在2025-04-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211174690.3，技术领域涉及：H04L9/40；该发明授权一种抑制图拆解的图攻击方法及图结构的防护系统、装置是由颜登程;朱佳聪;屈诗琴;张以文;王庆人;仲红设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本一种抑制图拆解的图攻击方法及图结构的防护系统、装置在说明书摘要公布了：本发明属于大数据分析领域，具体涉及一种抑制图拆解的图攻击方法，以及采用该方法网络的图结构的防护系统和装置。图攻击方法包括如下步骤：S1：将待处理的网络采用图结构进行表征；S2：绘制图结构在基于度值和基于集体影响力两种拆解策略下的ANC曲线；S3：基于ANC曲线确定网络中的目标节点集；S4：基于两种拆解路径的目标节点集构建用于评估基于原始图和攻击后的图在混合的攻击策略下产生的拆解序列的差异的损失函数；S5：预设约束条件和迭代轮次，然后利用损失函数计算链路梯度，并以链路梯度为指引对满足约束条件的边进行迭代删除，得到增强图结构；本发明克服了现有的各类网络系统对图拆解方法的抵御性能不强，容易遭受网络攻击的问题。

本发明授权一种抑制图拆解的图攻击方法及图结构的防护系统、装置在权利要求书中公布了：1.一种抑制图拆解的图攻击方法，其特征在于，其用于在满足约束条件的基础上对网络的原始图结构进行图攻击处理，通过删除部分边的方式得到增强后的图结构；进而隐藏原始图结构中的关键信息，提高网络对图拆解攻击行为的防御能力；所述图攻击方法包括如下步骤：S1：将待处理的网络采用图结构G进行表征；其中，V表示网络中节点的集合，E表示网络中各节点间边的集合；S2：根据网络拆解后剩余节点的连通性connectivy的变化，绘制图结构G在基于度值和基于集体影响力两种拆解策略下对应ANC曲线；S3：基于绘制的ANC曲线分别确定在基于度值和基于集体影响力的拆解策略中对网络拆解起关键作用的目标节点集V1和V2；S4：基于两种拆解路径的目标节点集V1和V2构建用于评估基于原始图和攻击后的图在混合的攻击策略下产生的拆解序列的差异的损失函数loss，损失函数loss如下： 上式中，HDG′和CIG′分别指根据删除边后的当前的图结构所求出的节点的度值和集体影响力值；节点集V1＝{vi,vi+1,…,vj}G表示基于度值的拆解策略中对应的关键节点集；节点集{vj+1,vj+2,…,vN}G包括排序在关键节点集后的所有节点；节点集V2＝{vi′,vi′+1,…,vj′}G表示基于集体影响力的拆解策略中对应的关键节点集；节点集{vj′+1,vj′+2,…,vN′}G包括排序在关键节点集后的所有节点；σ是一个预设的极小的常量；S5：预设图攻击过程的约束条件和迭代轮次k，然后利用损失函数计算链路梯度，并以链路梯度为指引对原始图结构G中满足约束条件的边进行迭代删除，进而得到图攻击后的增强图结构G′；图攻击时各边的迭代删除过程如下：S51：将边删除后的图与最初的图的节点度分布的检验统计量∧G,G′低于阈值τ作为预设的约束条件，即：∧G,G′τ；S52：将拟删除的边的数量作为预设的最大迭代轮次kmax；S53：更新当前轮次的图结构G对应的损失函数值loss，并利用下式分别计算图结构G中每条边对应的链路梯度ga： 上式中，Ha表示边ea在稀疏矩阵H中对应的元素，稀疏矩阵H由图结构G转换得到，用于表征网络中的边；即：H∈{1}|1|×|E|；S54：根据链路梯度ga中负的项对图结构G中的对应的边ei进行升序排列，得到一个边序列A；S55：依次计算边序列中A中的各条边删除后的图与最初的图的节点度分布的检验统计量∧G,G′；并判断检验统计量∧G,G′是否满足约束条件：1当存在一项满足约束时，则将满足约束条件且位于边序列A中靠前项的边作为当前轮次删除的边；2当边序列A中任意一条边删除后形成的节点度分布的检验统计量∧G,G′均不满足约束条件时，则将边序列A中的首项作为当前轮次删除的边；S56：每删除一条边后，对迭代轮次k进行递增，然后重复执行步骤S53-S55，直到迭代轮次k达到预设的最大迭代轮次kmax；此时得到的图结构即为所需的增强图结构G′。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。