面向关键基础设施网络保护的网络可生存性的几个关键问题研究
项目介绍
AI项目解读
基本信息
- 批准号:61672020
- 项目类别:面上项目
- 资助金额:50.0万
- 负责人:
- 依托单位:
- 学科分类:F0207.计算机网络
- 结题年份:2020
- 批准年份:2016
- 项目状态:已结题
- 起止时间:2017-01-01 至2020-12-31
- 项目参与者:李爱平; 张学清; 黄九鸣; 吕廷华; 林西芹; 全拥; 朱俊星; 徐菁; 吴晓波;
- 关键词:
项目摘要
The Critical Infrastructure networks are dynamical and interdependent. Under the deliberate attacks or natural disturbance, the accident in one single network often could conduct and cause failures in other connected networks, finally result in cascading failures across the networks. For the above phenomenon and problem, this project intends to break through the limitations of previous research on a single network and takes the interdependent critical infrastructure network as the research object. Of which, the core is to resolve the three key scientific problems in survivability of critical infrastructure networks. The research contents include: 1) Identifying Structures: evaluating the structure vulnerability of networks and identifying the key elements and fragile parts; 2) Discovering Rules: investigating the evolution rules of cascading behaviors in networks; 3) Predicting and Controlling: studying the predication and controlling methods for the cascade disasters in network; 4) Validating and Applying: Validating on the developed platform and applying to the optimal control of real networks including power network, Internet, wireless sensor networks. Finally, we will make a series of original research achievements with the international first-class, form a set of methods of analyzing, predicting and controlling the cascading disasters in critical infrastructure networks, then perfect the theoretical system of network survivability, and form a research team with high level and creative ability. Finally, we will provide important technical and human supports for the protection of critical infrastructures.
现实中关键基础设施网络动态交互、相互依存,在蓄意攻击或自然干扰下,往往单个网络事故会传导引起其他关联网络的失效,从而导致一连串“跨网级联”。针对上述现象和问题,本项目拟突破以往对单一网络研究的局限,以相互关联的关键基础设施网络为研究对象,以围绕解决“关键基础设施网络可生存性的3个关键科学问题”为核心,研究内容包括:1)结构识别:研究评价网络结构可靠性及识别关键要素和脆弱部件;2)规律探索:探索网络级联灾变行为演化规律特征;3)预测控制:研究网络级联灾变行为的预测和控制方法;4)验证推广:在试验平台上作验证分析,推广应用于实际网络的优化控制(电力网、Internet、无线传感器网络)。最终取得一批国际一流的原创性研究成果,形成一套针对关键基础设施网络重大灾变行为的分析、预测和控制方法,完善网络可生存性理论体系,形成一支具有创新能力的高水平研究队伍,为保护国家关键基础设施提供重要技术和人才支撑
结项摘要
各类异常行为导致的关键基础设施网络的可生存性问题是网络安全研究的一个重要热点,也是各国政府考虑的一个战略问题。针对该问题,本项目围绕“结构识别、规律探索、预测控制、验证及推广”等4个主要内容开展研究。主要成果包括:1)结构识别:提出了一种基于反向爆炸性渗流的多层网络关键节点识别方法,一种网络传播的关键节点识别方法,基于粒子群和自动编码的关键社区发现方法,以及网络脆弱链路的识别方法,实现了对网络关键要素和脆弱部件的识别。2)规律探索:探索了多重边复杂网络级联动力学(在间歇控制和脉冲控制下)的有限时间同步的演化规律,探索了蓄意干扰和随机扰动的不确定复杂网络的参数识别过程。3)预测控制:提出了一种基于爆炸性渗透和消息传递的网络级联故障的控制策略,一套面向网络攻击行为的评估分析方法和评价指标体系,以及一套大规模网络攻击预测分析方法(包括知识库构建、网络攻击图生成),实现了对级联行为的评估、预测及控制。4)验证及推广:在真实网络上(包括美国电网、意大利电网、AS自治层网络、美国机场网络等)开展了级联行为和脆弱部件识别的实证分析,验证了方法的有效性;将多层网络融合模型推广应用于多层社交网络的影响力分析、多层社交网络的用户链接、多类网络群体合作行为分析等方面,拓展了多层网络融合模型的应用领域。. 围绕以上研究突破,共发表SCI/EI检索论文20篇;获授权专利5项、申请专利7项;牵头制定行业标准6项(完成报批3项、新立项3项);参编专著1部;向中国工程院提交咨询专题1份、网络应急处理咨询报告1份;成果获国家科技进步二等奖1项、省部级科技进步一等奖1项;建设了一个面向网络攻防演练的原型平台。. 基于上述原创成果,形成了一套针对关键基础设施网络灾变行为的分析、预测和控制方法,完善了网络可生存性理论,培养了一支创新能力强的研究队伍。项目成果对于保护国家关键基础设施网络具有重要应用价值。
项目成果
期刊论文数量(10)
专著数量(2)
科研奖励数量(2)
会议论文数量(10)
专利数量(12)
Multiobjective discrete particle swarm optimization for community detection in dynamic networks
动态网络中社区检测的多目标离散粒子群优化
- DOI:10.1209/0295-5075/122/28001
- 发表时间:2018-04-01
- 期刊:EPL
- 影响因子:1.8
- 作者:Gao, Chao;Chen, Zhengpeng;Wang, Zhen
- 通讯作者:Wang, Zhen
A weighted network community detection algorithm based on deep learning
一种基于深度学习的加权网络社区检测算法
- DOI:10.1016/j.amc.2021.126012
- 发表时间:2021-02-20
- 期刊:APPLIED MATHEMATICS AND COMPUTATION
- 影响因子:4
- 作者:Li, Shudong;Jiang, Laiyuan;Wang, Zhen
- 通讯作者:Wang, Zhen
一种构建网络安全知识图谱的实用方法
- DOI:--
- 发表时间:2018
- 期刊:Engineering
- 影响因子:12.8
- 作者:贾焰;亓玉璐;尚怀军;江荣;李爱平
- 通讯作者:李爱平
Enhancing the power grid robustness against cascading failures under node-based attacks
增强电网抵御基于节点的攻击下的级联故障的鲁棒性
- DOI:10.1142/s0217984921501529
- 发表时间:2021-03
- 期刊:Modern Physics Letters B
- 影响因子:1.9
- 作者:Shudong Li;Danna Lu;Xiaobo Wu;Weihong Han;Danna Lu
- 通讯作者:Danna Lu
Finite-time synchronization for multi-link complex networks via discontinuous control
通过不连续控制实现多链路复杂网络的有限时间同步
- DOI:10.1016/j.ijleo.2017.03.098
- 发表时间:2017-06
- 期刊:OPTIK
- 影响因子:3.1
- 作者:Zhao Hui;Li Lixiang;Peng Haipeng;Xiao Jinghua;Yang Yixian;Zheng Mingwen;Li Shudong
- 通讯作者:Li Shudong
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:{{ item.doi || "--"}}
- 发表时间:{{ item.publish_year || "--" }}
- 期刊:{{ item.journal_name }}
- 影响因子:{{ item.factor || "--"}}
- 作者:{{ item.authors }}
- 通讯作者:{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ patent.updateTime }}
其他文献
一个基于Schnorr算法的保密投票
- DOI:--
- 发表时间:--
- 期刊:《同济大学学报(自然科学版)》2005 年第 6 期:825-827
- 影响因子:--
- 作者:李树栋;陆洪文
- 通讯作者:陆洪文
一种高效的前向纠错码桶分配DNA存储解码方法
- DOI:--
- 发表时间:2021
- 期刊:电子与信息学报
- 影响因子:--
- 作者:昝乡镇;姚翔宇;许 鹏;陈智华;石晓龙;李树栋;刘文斌
- 通讯作者:刘文斌
A Parallel Community Structure Mining Method in Big Social Networks
大社交网络中的并行社区结构挖掘方法
- DOI:10.1155/2015/934301
- 发表时间:2015-04
- 期刊:Mathematical Problems in Engineering
- 影响因子:--
- 作者:金松昌;Philip S. Yu;李树栋;杨树强
- 通讯作者:杨树强
DNS安全防护技术研究综述
- DOI:--
- 发表时间:--
- 期刊:软件学报
- 影响因子:--
- 作者:王文通;胡宁;刘波;刘欣;李树栋
- 通讯作者:李树栋
Topology Identification of Complex Network via Chaotic Ant Swarm Algorithm
基于混沌蚁群算法的复杂网络拓扑识别
- DOI:10.1155/2013/401983
- 发表时间:2013-10
- 期刊:MathematicalProblemsinEngineering
- 影响因子:--
- 作者:李丽香;JürgenKurths;李树栋;杨义先
- 通讯作者:杨义先
其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:{{ item.doi || "--" }}
- 发表时间:{{ item.publish_year || "--"}}
- 期刊:{{ item.journal_name }}
- 影响因子:{{ item.factor || "--" }}
- 作者:{{ item.authors }}
- 通讯作者:{{ item.author }}

内容获取失败,请点击重试

查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:
AI项目摘要
AI项目思路
AI技术路线图

请为本次AI项目解读的内容对您的实用性打分
非常不实用
非常实用
1
2
3
4
5
6
7
8
9
10
您认为此功能如何分析更能满足您的需求,请填写您的反馈:
李树栋的其他基金
基于对抗思想的恶意软件智能攻击和防御机制研究
- 批准号:62372127
- 批准年份:2023
- 资助金额:50 万元
- 项目类别:面上项目
基于集成学习和深度学习的恶意代码行为检测研究
- 批准号:62072131
- 批准年份:2020
- 资助金额:57 万元
- 项目类别:面上项目
相似国自然基金
{{ item.name }}
- 批准号:{{ item.ratify_no }}
- 批准年份:{{ item.approval_year }}
- 资助金额:{{ item.support_num }}
- 项目类别:{{ item.project_type }}
相似海外基金
{{
item.name }}
{{ item.translate_name }}
- 批准号:{{ item.ratify_no }}
- 财政年份:{{ item.approval_year }}
- 资助金额:{{ item.support_num }}
- 项目类别:{{ item.project_type }}