互联网AS级拓扑中心化度量方法

针对如何能够在规模庞大、结构复杂的互联网AS级中准确而迅速地发现中心节点这一问题,展开对互联网AS级拓扑中心化度量方法的研究.应用三种现在普遍应用的中心化指标——度中心化、紧密度中心化、介数中心化,同时提出一种核中心化的度量法来度量网络中的高核数节点集合.采用节点删除法,通过删除某个节点对网络连通的破坏程度来度量网络中该节点的重要性.经研究发现紧密度中心化在互联网AS级度量上弱于度中心化和介数中心化指标;度中心化和介数中心化在攻击节点数小于0.5%时,有很强的相似性;核中心化度量方法非常适用于查找到网络中度值较高且连接紧密节点所构成的社团.

基于子团规模的社团划分算法与地理位置

针对以往社团划分算法中存在的子团规模过大的问题,在CNM算法的基础上重新定义子团规模,提出了CLCNM社团划分算法.社团划分结果表明,改进后的算法在子团数量和模块度方面要优于CNM算法.在此基础上,研究社团划分与地理位置间的关系,提出地址前缀相似度的概念,子团地址前缀相似度越大,说明社团划分后的地理效应越明显.CLCNM社团划分结果表明:IPv6网络子团具有明显的地理效应,即子团中节点分布在相邻的地理位置.这一结论可对网络拓扑的再部署提供借鉴性意见.

占领华尔街事件中互联网拓扑特征的演化

以占领华尔街事件为例,研究社会事件和网络事件对Internet复杂拓扑连接的冲击,分析其拓扑在事件发展过程中的突变特征量,并剖析产生突变的原因.分别对各特征量与事件的发展趋势进行相关性分析,寻找相关度最高的特征量.将网络拓扑划分成低核、中核和高核3个层次,从核的角度分析网络各层次之间紧密程度的变化.结果表明,社会事件会通过搜索来改变网络路由路径,使得平均路径长度产生突变.通过分析各核边数的变化,得到以下结论:平均路径长度的变化是由低核至中、高核间的"长边"引起的.