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！

龙图腾网获悉重庆医科大学;浙江师范大学申请的专利预测超图网络在蓄意攻击后的网络规模与可靠性的方法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：CN114444699B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202210087042.8，技术领域涉及：G06F17/15；该发明授权预测超图网络在蓄意攻击后的网络规模与可靠性的方法是由王伟;钱程;彭浩;钟鸣;赵丹丹设计研发完成，并于2022-01-25向国家知识产权局提交的专利申请。

本预测超图网络在蓄意攻击后的网络规模与可靠性的方法在说明书摘要公布了：本发明公开了一种预测超图网络在蓄意攻击后的网络规模与可靠性的方法，属于超图网络攻击评价技术领域，包括超图网络构建步骤、超图转化步骤、节点超度计算赋值步骤、自洽方程引入步骤和仿真验证步骤，将超图网络转化为因子图，采用蓄意攻击的方式根据节点超度的大小，来调节节点被去除的概率，来判断和计算网络的规模，计算中引入自洽方程，最终计算因子图中节点的数量就是网络最终的规模大小，是一种在蓄意攻击后为真实超图网络环境下对超图的蓄意攻击后分析网络规模与可靠性提的有效评价方法。

本发明授权预测超图网络在蓄意攻击后的网络规模与可靠性的方法在权利要求书中公布了：1.一种预测超图网络在蓄意攻击后的网络规模与可靠性的方法，其特征在于，包括以下步骤： 步骤1：超图网络构建 使用时间间隔为Δt的滑动事件窗口从已知的面对面接触数据集中收集数据、以数据间的节点抽象构建出超图网络，并在每一个滑动时间窗口收集的数据所构成的超图网络中找出最大的连通子图，将全部的最大连通子图去重后聚合构建出超图网络模型； 所述面对面接触数据集包括不同的被采集单元在会议、学校、医院发生面对面接触的数据；面对面接触数据集中的数据的采集方法，具体的，是为每一个被采集单元分配一个编号并佩戴传感器，传感器每隔Δt进行一次采集，被采集单元的总数就是网络中节点总数，数据集中采集的数据格式为：时间、编号i、编号j； 步骤2：超图转化步骤 将所述超图网络构建步骤中构建的超图网络转化成由一组不重叠的变量节点VV1,V2,…,Vn、一组因子节点Ue1,e2,…,en、以及一组由所述变量节点V与因子节点U间成对交互的边集合E所构成的二部图GV,U,E形成的因子图，其中，每个变量节点V与因子节点U间的成对交互将一个不重叠的变量节点链接到一个因子节点，所述超图网络的节点映射为因子图的变量节点集V，而因子图中每一个因子节点U都与超图网络的超边一一对应； 步骤3：超图目标攻击步骤 在超图转化的因子图中，遍历每个变量节点和因子节点超度的度数，从而统计得到变量节点和因子节点的度分布，并得到变量节点和因子节点的度分布生成函数以及余度分布生成函数；基于度分布生成函数以及余度分布生成函数构建一个既包含各个节点本身度数对该节点被去除概率影响、又包含不同攻击策略对节点被去除概率影响的目标攻击的函数簇Wαki，通过将目标攻击问题转化成一个随机攻击问题的一般方法、以及自洽方程数学工具，得到超图网络在应对目标攻击后的网络拓扑特性，并根据所述网络拓扑特性得到超图网络在基于节点超度大小进行目标攻击的理论框架； 所述自洽方程数据工具，是构建一个超度与超边基数均服从泊松分布的随机超图网络，将因子图中从一个变量节点沿其与一个因子节点间的成对交互形成的边到达一条超边的概率定义为，将从一条超边的因子节点沿其与一个因子节点间的成对交互形成的边到达属于超边的变量节点的概率定义为s,则根据超图网络在随机攻击下的理论公式：，以及所述节点超度计算赋值步骤的函数值Wαki，可以得到超图网络的等价网络在蓄意攻击下的自洽方程为：，以及，， 其中，p为随机攻击中网络保留节点的比例，G eq0为等价网络Geq的生成函数，为超边基数的余度分布的生成函数，G eq1为等价网络G eq 的余度分布的生成函数，R为超图网络中一个节点属于超边的概率的序参数，将基于节点超度的超图网络上的蓄意攻击问题可以映射为超图网络上的随机攻击问题，从而将超图网络中基于超度的蓄意攻击问题转化为对网络G eq 的随机攻击问题。

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重庆医科大学;浙江师范大学，其通讯地址为：400042 重庆市渝中区医学院路1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”。