复杂网络在各个领域中扮演着越来越重要的角色，比如社交网络、交通网络、生物网络、互联网等。这些网络结构的健壮性对于它们能否持续正常运作至关重要。在网络研究领域，识别出关键节点组是一个核心问题。关键节点组是指在网络中那些对于保持网络整体结构稳定性至关重要的节点集合。如果这些节点被攻击或失效，将会对网络造成严重的破坏。
研究论文《识别复杂网络中的关键节点组》由Zhong-Yuan Jiang等人撰写，发表于2019年的Physica A杂志上。文章的主要贡献在于提出了关键节点组挖掘问题，并针对各种不同的攻击策略，评估了网络的鲁棒性。具体来说，论文考虑了八种不同的攻击机制：目标攻击、随机失效、基于介数攻击、基于接近度攻击、基于PageRank攻击、基于k-shell分解的攻击、贪婪算法以及低度攻击。通过模拟实验，研究者发现在这些启发式攻击策略下，大多数攻击策略在重新计算指标后对网络结构的安全构成了更大威胁。
在网络攻击策略中，目标攻击是指攻击者针对性地去除那些对网络连接性影响最大的节点。而随机失效是指随机选择节点进行移除。介数攻击和接近度攻击分别侧重于攻击那些在最短路径上担任重要角色的节点和位于网络中距离其他节点平均距离较近的节点。PageRank攻击则基于节点的PageRank值，移除排名高的节点，类似于谷歌的网页排名算法。k-shell分解攻击是指移除那些位于网络核心层的节点。贪婪算法攻击是一种基于局部最优选择的攻击方式，通常用于找到最小割集。低度攻击则是移除那些度数较低的节点。
为了评估这些攻击对网络造成的影响，研究人员利用重新计算节点被移除后的新指标这一思想，通过动态节点移除过程来重新评估网络的鲁棒性。研究结果表明，与未进行重新计算的情况相比，进行重新计算后，大多数攻击策略对网络结构安全造成了更大的威胁。
文章还提出了一个度量指标——最小关键节点数(MNKN)，用于进一步讨论网络在各种攻击策略下的脆弱性。MNKN指标是指在移除尽可能少的节点的同时，最大化破坏网络连通性所需的关键节点数目。通过模拟实验，研究人员发现，在PageRank基础上的攻击策略中，重新计算指标后，能够比其他攻击策略更高效地找到关键节点组，这一点在大多数经典和真实网络模型中得到了验证。
这项研究的主要贡献不仅在于识别出了网络中的关键节点组，而且还对网络安全领域的实际应用提出了潜在的可能性。通过更有效地识别和保护这些关键节点，可以增强网络的整体安全性，从而在面临各种网络攻击时，确保网络的关键功能和稳定性不受损害。这在网络防御、信息传播控制、网络结构优化等方面具有重要的应用前景。
为了进行这些研究，作者来自西安电子科技大学的网络与系统安全重点实验室，这个实验室在网络安全领域有着深厚的研究基础，此次研究进一步加强了他们在此领域的贡献。这项工作不仅为网络研究者提供了新的视角和工具，也为实际网络管理人员提供了应对策略和防范措施，有助于他们在复杂网络环境中更好地保护网络资产，防止潜在的破坏和攻击。
