关键基础设施网络相依模型与鲁棒性研究

来源 :国防科技大学 | 被引量 : 0次 | 上传用户:smalleye
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
关键基础设施网络是现代社会繁荣与发展的基石,其安全运行对于社会的稳定、国家的安全具有重要意义。然而,关键基础设施网络的安全稳定运行面临诸多挑战:自然灾害频发,人为失误和恶意操作不可避免,通过网络损毁物理实体成为可能,以上诸多因素使得关键基础设施网络中部分组件的失效不可避免。同时,网络的融合带来了级联失效的风险,单个组件的失效可能导致整个网络的崩溃。鲁棒性,一般定义为失效或恶意攻击下的生存能力,是衡量关键基础设施网络能否持续安全工作的重要特性。本文主要围绕关键基础设施中鲁棒性评估、增强问题展开工作,主要包括以下几个方面:
  1.关键基础设施网络相依模型:本文构建了基于能力的关键基础设施网络相依模型。模型中加入了两种相依特性,分别是支撑能力和需求能力,同时还定义了关键基础设施网络的冗余度等概念。基于模型的仿真结果表明:(1)没有冗余相依边的关键基础设施网络极其脆弱,单个节点的失效就可能导致整个网络的崩溃;(2)保持冗余度不变,只增加相依边的数量能提高整个关键基础设施网络的鲁棒性;(3)保持相依边的数量不变,只增加冗余度同样可以提高关键基础设施网络的鲁棒性。以上结论可用于设计鲁棒的关键基础设施网络,如果冗余度是固定的,可以通过增加相依边来提高鲁棒性;如果网络结构是固定的,可以通过增加冗余度来提高鲁棒性。
  2.关键基础设施网络威胁模型:关键基础设施网络面临多种威胁,本文从攻击对象和时间特点进行分析,主要研究了三种攻击方式,分别为共时攻击、序列攻击与组合攻击。仿真结果表明:(1)在单个的物理网络中,序列攻击可能比共时攻击带来更大的危害;(2)在相依的信息物理融合网络中,物理域与信息域的融合使得只针对信息域的序列攻击会比共时攻击更有效;(3)对于某些特定的目标集,组合攻击的效果既好于序列攻击也好于共时攻击。以上结果表明,防御方在选取关键节点时,以上三种攻击方式均需考虑在内。
  3.关键基础设施网络增边策略:本文提出了同时考虑相连边和相依边的面向结构鲁棒性增强的关键基础设施网络增边策略。与传统的只增加相连边或只增加相依边方法不同,本文研究了如何分配有限的资源来同时增加相连边和相依边以得到最鲁棒的关键基础设施网络。仿真结果表明,与只增加相连边或只增加相依边相比,我们的增边策略能得到更鲁棒的关键基础设施网络。
  4.基于群体智能的关键基础设施网络自愈机制:本文以电网为例,提出了基于群体智能的关键基础设施网络自愈机制。该机制以恒温电器的智能调节来达到稳定电网运行的目的。本文首次提出了用户友善度这一度量指标,并提供了恒温电器运行的调度方案来应对电网故障或受到攻击的突然冲击。实验结果表明,本文提出的自愈机制是用户友好的,且能有效地调节电网状态,使得电网持续安全稳定地运行。
其他文献
感知是以实践的方式理解世界的第一步,为分析物理现象、探索事件成因提供事实基础。在各产业、各城市推进信息化建设的过程中,高效的信息获取始终是相关服务及应用中的一个至关重要的环节,有效的数据感知是沟通现实与蕴含诸多规律的大数据之间的桥梁、纽带。与此同时,物联网的出现和发展不断加深对透彻以及大规模感知的需求,而传统无线传感器网络的高安装维护成本、能源消耗问题和感知覆盖能力的不足却与之相掣肘。另一方面,随
学位
混合存储技术可以满足大数据存储系统对高存取性能和大存储容量的需求,同时大幅降低存储系统的总体拥有成本。新型瓦记录磁盘采用区域化内部数据管理方式缓解叠瓦式磁记录技术固有的写放大问题,但在非顺序写请求干扰下仍会出现严重的写性能抖动。新型闪存技术的发展导致闪存芯片可擦除次数大幅下降和并行资源难以充分利用,闪存固态盘出现可靠性下降和单盘性能增长受限等问题。叠瓦式磁记录技术和闪存技术的发展为大数据存储提供了
高效的数据存储和实时分析处理是大数据时代的迫切需求,基于硬盘的传统存储系统由于巨大的访问延迟无法提供及时的响应,内存计算技术将工作数据存储在大容量内存中进行数据处理,减少甚至避免I/O请求,极大提高了大数据处理能力。但是由于“存储墙”和“功耗墙”问题,基于DRAM的内存系统依然难以满足大数据应用日益增长的大容量高性能低能耗存储需求。此外DRAM是易失的,数据的持久存储还需要依赖外存,无法完全避免高
学位
密文访问控制即由用户自行加密数据,通过对解密密钥分发范围的控制,来控制哪些用户有权访问数据。在密文访问控制系统中,用户可以不再依赖云服务提供商(Cloud Service Provider,CSP)来保护数据内容的安全,也能防止CSP非法的获取数据内容。目前的研究中,密文策略属性基加密(Ciphertext-Policy At-tribute Based Encryption,CP-ABE)被普遍
学位
近年来,数据量的激增迫切需要对可扩展机器学习关键技术的研究,而当前丰富的计算资源又为可扩展机器学习提供了机遇。为实现可扩展机器学习,本文从高效算法设计和并行与分布方法两条技术途径入手,对机器学习如何有效应对大数据挑战展开深入研究。基于算法与系统的协同设计,在保证精度的前提下,有效提高了机器学习的速度,增强了机器学习在计算和内存方面的扩展性,取得了以下几个方面的研究成果:  1.提出了两种数据和模型
学位
大规模分布式系统已成为云计算和现代应用的主要支柱,数十亿的终端用户实时依赖于这些系统的可信性。不幸的是,分布式系统中的性能缺陷常常引发严重的性能损失,继而导致糟糕的用户体验并带来严重的经济损失。然而,由于分布式系统中性能缺陷的复杂性和多样性,检测分布式系统的性能缺陷面临着大量挑战,特别是缺乏对分布式性能缺陷的全面且深入的认识、难以检测高复杂性的分布式性能缺陷,以及对涉及到复杂多线程的分布式性能缺陷
学位
大数据时代,数据量正以前所未有的速度增长,全球数据总量突破10ZB,单个数据中心数据量也达到了EB级。数据量快速增长对存储系统提出了更高的挑战,其中,如何有效地对大数据进行保护成为研究热点。作为数据保护最常用的手段,备份系统会成倍地增加数据量,带来严重的存储空间消耗。研究表明,数字世界中包含大量冗余数据,尤其是在备份系统中,冗余数据比例普遍高于80%。重复数据删除作为一种数据缩减技术,能有效地检测
学位
图像是人类获取信息的重要来源。随着带有高清摄像头的智能手机的普及和成像器件在城市安防、卫星遥感遥测等诸多领域的广泛使用,这些成像器件产生着数量巨大的图像数据。人们对收集到的上述图像数据进行分析与处理,获得关于真实世界重要信息。然而,数字图像在成像、传输、存储等各个环节都不可避免的受到各种降质影响而降低质量,如噪声、低分辨率、模糊等。图像的质量对于基于图像的分析与理解的准确性有着极大的影响。因此,图
学位
生物信息学是在20世纪80年代开始,由生命科学与数学、计算机科学等学科交叉形成的一门新兴学科。对RNA的研究始终是生物信息学中一个十分重要的研究方向,且其热门程度呈不断上升的趋势。越来越多的研究表明RNA不仅能作为遗传信息的载体,也具有各种重要功能。已经证实,RNA的功能与其结构有着紧密的关联。为了更好地探索RNA的功能,就要对其结构进行研究。由于RNA分子具有降解速度快、难以结晶的特点,采用常规
随着大数据处理技术及人工智能的发展,机器人的感知和处理能力不断提高。机器人被广泛应用于工业、农业和日常生活等各个领域。与单体机器人系统相比,机器人群体通过协同合作可以获得更好的性能。自主控制是实现机器人群体应用的关键,保持通信连通是机器人群体协同合作的基础。然而,大多数现有的自主控制方法以群体连通作为前提假设,适用性不足。因此,研究机器人群体连通性与自主控制问题具有重要意义。本文在分析机器人群体连