《多层网络PageRank算法在国防关键基础设施分析中的应用》最新报告

本文详述一种基于多层PageRank算法的新方法，用于确定基础设施网络中的关键节点。涵盖所有相关背景与技术定义以描述所采用的数学框架，设计实验方案评估关键基础设施网络资源配置对预防级联故障的价值，并提供适用于测试本技术的用例数据说明——爱达荷国家实验室（INL）的"全危害分析（AHA）"数据集。文末附有基于AHA数据的实验概要结果。

本文描述的网络科学方法可协助国土安全从业人员识别关键基础设施系统中的核心资产。具体而言，我们以用例无关的方式提出多层PageRank中心性算法，其每个参数均可按从业需求调整，并讨论如何根据特定数据定制该方法。作为概念验证基准，除基础设施资产连接数据外，我们未引入任何主观假设。根据《美国法典》第5195c条："关键基础设施指对美国至关重要的物理或虚拟系统与资产，其失效或损毁将对国家安全、国家经济安全、国家公共卫生或安全任一或多个领域造成破坏性影响。"该定义全面阐述了关键基础设施资产与系统的概念内涵，有助于理解互连基础设施系统（即网络）中的级联故障。以下基于系统角色划分的三类基础设施资产定义具有实操性：

• 脆弱性资产：因易受攻击性及可达性而可能失效的基础设施资产
• 关键性资产：为众多支撑网络运行的资产提供战略支持的基础设施资产
• 核心资产：兼具脆弱性与关键性双重属性的基础设施资产

这些定义借鉴既有文献，在保留《美国法典》第5195c条核心概念的同时采用适用于网络分析的表述。基础设施网络的级联故障危害极大，例如：若为水处理厂供电的变电站故障，将直接导致水处理厂停运；而依赖洁净水源的医院随之停运则构成级联故障的间接影响范例。本文提出的核心资产定义正是为识别在基础设施网络级联故障中起关键作用的资产，助力从业人员延缓或阻断故障传播。

从机理看，脆弱性资产依赖其他资产，网络中的敌对事件易通过此类资产引发级联效应；关键性资产则支撑众多其他资产，使敌对事件更易通过关键资产链传播。因此，核心资产即指在敌对事件中既易失效（脆弱性）又能最大范围传播故障（关键性）的资产。

本文结构如下：第2章提供基础设施网络分析与多层PageRank的数学框架；第3章阐述多层PageRank与关键基础设施分析的关联；第4章介绍作为概念验证基准的"全危害分析（AHA）"数据；第5章描述仿真实验设计方案及参数调优方法；第6章对比多层PageRank算法与其他网络中心性算法及传统PageRank算法的结果；第7章为结论部分。