萬紅霞

摘? 要： 分布式網(wǎng)絡(luò)連續(xù)數(shù)據(jù)流脆弱點(diǎn)識(shí)別能夠有效地保證網(wǎng)絡(luò)計(jì)算應(yīng)用的安全性。為了提高識(shí)別效果，提出基于連續(xù)數(shù)據(jù)流脆弱點(diǎn)的錯(cuò)誤信息識(shí)別方法，選取信號(hào)級(jí)錯(cuò)誤及網(wǎng)絡(luò)模塊集傳播的連續(xù)數(shù)據(jù)脆弱點(diǎn)特征，定義錯(cuò)誤滲透率，分析當(dāng)前模塊脆弱數(shù)據(jù)流的傳播錯(cuò)誤，生成傳播樹定義分布式網(wǎng)路線脆弱信號(hào)影響因子，建立錯(cuò)誤傳遞矩陣，并將不同數(shù)據(jù)錯(cuò)誤對(duì)當(dāng)前網(wǎng)絡(luò)影響程度作為評(píng)判標(biāo)準(zhǔn)建立評(píng)價(jià)機(jī)制，根據(jù)權(quán)重從比特級(jí)、模塊級(jí)、信號(hào)級(jí)識(shí)別連續(xù)數(shù)據(jù)流脆弱點(diǎn)。實(shí)驗(yàn)結(jié)果表明，所提的識(shí)別方法在分布式網(wǎng)絡(luò)連續(xù)數(shù)據(jù)流脆弱點(diǎn)識(shí)別過程中具有較好的識(shí)別效果。

關(guān)鍵詞： 脆弱點(diǎn)識(shí)別; 數(shù)據(jù)流脆弱點(diǎn); 特征選取; 數(shù)據(jù)流分析; 影響因子構(gòu)建; 評(píng)價(jià)機(jī)制

中圖分類號(hào)： TN915.08?34? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）13?0081?04

Research on vulnerable point recognition method for continuous data

flow in distributed network

WAN Hongxia1， 2

（1. Department of Computer Science & Technology， Jianghan Petroleum Institute， Jingzhou 434000， China;

2. Sinopec Geophysical Research Institute， Nanjing 211100， China）

Abstract： The identification of vulnerable points of continuous data flow in a distributed network can effectively guarantee the security of network computing applications. In order to improve the recognition effect， an error information recognition method based on vulnerable points of continuous data flow is proposed. Signal level errors and continuous data vulnerable point characteristics of network module set propagation are selected， the error penetration rate is defined， the propagation errors of the current module vulnerable data flow is analyzed to generate a propagation tree to define the distributed network route vulnerability signal impact factor and establish the error transfer matrix. The influence degree of different data errors on the current network is taken as the evaluation standard to establish an evaluation mechanism， and the vulnerable points of continuous data flow are identified from bit level， module level and signal level according to the weight. The experimental results show that the proposed identification method has a good identification effect in the process of identifying the vulnerable points of continuous data flow in distributed networks.

Keywords： vulnerability recognition; vulnerable point of data flow; feature selection; data flow analysis; influence factor construction; evaluation mechanism

0? 引? 言

在一些高科技行業(yè)領(lǐng)域，計(jì)算數(shù)據(jù)和計(jì)算系統(tǒng)的應(yīng)用越來越廣泛，例如：交通控制、醫(yī)療、發(fā)電、通信系統(tǒng)、航空航天系統(tǒng)等[1]。在這些領(lǐng)域中，計(jì)算系統(tǒng)的效率和可靠性至關(guān)重要，一旦出現(xiàn)計(jì)算問題，很有可能造成大面積的損失，甚至造成人員傷亡。分布式網(wǎng)絡(luò)下，計(jì)算機(jī)通常需要進(jìn)行高密度、高強(qiáng)度的應(yīng)用計(jì)算[2?3]，數(shù)據(jù)流的連續(xù)性顯得至關(guān)重要。在數(shù)據(jù)輸出過程中，數(shù)據(jù)流在軟件或者傳輸節(jié)點(diǎn)的影響下，會(huì)出現(xiàn)連續(xù)數(shù)據(jù)流脆弱點(diǎn)，這種脆弱點(diǎn)從廣義上可以定義為數(shù)據(jù)系統(tǒng)中一些不好的特征成分或者數(shù)據(jù)部分。數(shù)據(jù)流脆弱點(diǎn)在外部入侵下可能會(huì)對(duì)當(dāng)前計(jì)算機(jī)系統(tǒng)相關(guān)資源產(chǎn)生不利影響[4]。這種不利影響可以從兩個(gè)方面進(jìn)行理解：對(duì)數(shù)據(jù)整體安全產(chǎn)生破壞性;因?yàn)榄h(huán)境的擾動(dòng)性，導(dǎo)致數(shù)據(jù)流最敏感的部分出現(xiàn)問題，這部分同樣被稱為數(shù)據(jù)流脆弱點(diǎn)[5]。針對(duì)上述兩種情況，現(xiàn)有的解決方法一般是通過數(shù)據(jù)代碼或者授權(quán)權(quán)限保證數(shù)據(jù)流脆弱點(diǎn)的安全性。例如，利用進(jìn)程執(zhí)行干擾、格式字符串、條件競爭、SQL注入等方式，保證數(shù)據(jù)流脆弱點(diǎn)不會(huì)受到外部威脅，但是這需要進(jìn)行大規(guī)模的定位和識(shí)別，尤其是目前的數(shù)據(jù)網(wǎng)絡(luò)大多采用分布式網(wǎng)絡(luò)，多層級(jí)結(jié)構(gòu)下數(shù)據(jù)流極為分散。大面積的數(shù)據(jù)流需要一種統(tǒng)一的分析方法，針對(duì)數(shù)據(jù)流脆弱點(diǎn)進(jìn)行有效識(shí)別。目前數(shù)據(jù)流脆弱點(diǎn)識(shí)別主要有靜態(tài)分析、校驗(yàn)?zāi)Ｐ偷龋w效果并不理想。由此，本文提出了一種用于分布式網(wǎng)絡(luò)下的數(shù)據(jù)流脆弱點(diǎn)識(shí)別方法，該方法可以有效用于數(shù)據(jù)可靠性測評(píng)中，不僅結(jié)合了分布式網(wǎng)絡(luò)結(jié)構(gòu)的特征，還考慮現(xiàn)代數(shù)據(jù)流錯(cuò)誤環(huán)境和入侵檢測干擾引起的錯(cuò)誤特性，與傳統(tǒng)識(shí)別方法相比，具有更大的優(yōu)勢。

1? 分布式網(wǎng)絡(luò)聯(lián)機(jī)數(shù)據(jù)流脆弱點(diǎn)識(shí)別

1.1? 脆弱點(diǎn)特征選取

根據(jù)當(dāng)前分布式環(huán)境網(wǎng)絡(luò)系統(tǒng)的不同運(yùn)行方式，設(shè)計(jì)從兩個(gè)角度對(duì)當(dāng)前連接數(shù)據(jù)流的應(yīng)用層面選取不同的脆弱點(diǎn)錯(cuò)誤傳播特征。主要考慮變量和脆弱點(diǎn)信號(hào)的錯(cuò)誤數(shù)據(jù)傳播過程，不僅需要考慮數(shù)據(jù)錯(cuò)誤問題，還需要考慮錯(cuò)誤點(diǎn)的生成問題[6]。

1.1.1? 脆弱點(diǎn)信號(hào)級(jí)上的錯(cuò)誤

信號(hào)級(jí)錯(cuò)誤特征選取之前需要定義信號(hào)錯(cuò)誤滲透率的概念。當(dāng)前分布式網(wǎng)絡(luò)模塊A的輸入數(shù)據(jù)流信號(hào)[i]在錯(cuò)誤條件下，導(dǎo)致網(wǎng)絡(luò)模塊A對(duì)模塊B的輸出數(shù)據(jù)流信號(hào)[k]出現(xiàn)錯(cuò)誤的概率，稱其為信號(hào)錯(cuò)誤滲透率[7?8]。記作[PEPA→Bi，k]，如圖1所示。

此定義主要用于輸入當(dāng)前模塊下的輸入和輸出數(shù)據(jù)對(duì)錯(cuò)誤數(shù)據(jù)的滲透性，它與數(shù)據(jù)流脆弱點(diǎn)的生成和出現(xiàn)概率的大小有直接關(guān)系。此外，網(wǎng)絡(luò)模塊的負(fù)載以及輸入端的錯(cuò)誤類型均可能改變錯(cuò)誤滲透率的具體數(shù)值[9]。

基于錯(cuò)誤滲透率，可以分析某一端網(wǎng)絡(luò)數(shù)據(jù)流對(duì)當(dāng)前模塊的影響性。因?yàn)榇嗳鯏?shù)據(jù)可能存在于多路徑傳播系統(tǒng)中，所以，為了準(zhǔn)確計(jì)算當(dāng)前數(shù)據(jù)流信號(hào)[S]對(duì)系統(tǒng)輸出的影響性，設(shè)計(jì)構(gòu)造了傳播數(shù)據(jù)生成算法如下：

Step1：選擇系統(tǒng)輸入數(shù)據(jù)信號(hào)或者中間數(shù)據(jù)信號(hào)，將其作為傳播數(shù)據(jù)流的根節(jié)點(diǎn)[10]。

Step2：確定當(dāng)前數(shù)據(jù)流的流向，并把對(duì)應(yīng)模塊的輸出數(shù)據(jù)流均作為根點(diǎn)數(shù)據(jù)。

Step3：對(duì)于當(dāng)前數(shù)據(jù)的子節(jié)點(diǎn)，如果對(duì)應(yīng)數(shù)據(jù)不是常規(guī)數(shù)據(jù)，則跟蹤數(shù)據(jù)信號(hào)，保證其信號(hào)攝入，確定模塊輸出，然后根據(jù)Step2構(gòu)建信號(hào)傳播子節(jié)點(diǎn)。如果對(duì)應(yīng)的數(shù)據(jù)是常規(guī)數(shù)據(jù)，則該節(jié)點(diǎn)作為反饋輸入節(jié)點(diǎn)。

Step4：如果有其他數(shù)據(jù)信號(hào)，返回Step1。

使用該算法可以為當(dāng)前網(wǎng)絡(luò)模塊下輸入信號(hào)和輸出信號(hào)各生成一個(gè)傳播樹，其中，根節(jié)點(diǎn)作為系統(tǒng)輸入端數(shù)據(jù)出現(xiàn)，其他節(jié)點(diǎn)代表輸出端數(shù)據(jù)。系統(tǒng)內(nèi)部數(shù)據(jù)每條邊均對(duì)應(yīng)當(dāng)前信號(hào)錯(cuò)誤的滲透率指標(biāo)，從根節(jié)點(diǎn)到葉子節(jié)點(diǎn)之間具有最高權(quán)重的數(shù)據(jù)流路徑，就有可能是脆弱點(diǎn)錯(cuò)誤特征路徑。建立路徑示意圖如圖2所示。

輸入[IA1]的傳播樹如圖3所示。

其中，每條路徑的錯(cuò)誤傳播概率就是將當(dāng)前路徑上所有可能出現(xiàn)的錯(cuò)誤滲透率數(shù)值相乘，如果出現(xiàn)[IA1]的錯(cuò)誤是根據(jù)[IB1]傳輸?shù)侥KE的輸入端，則輸出概率為：

如果已經(jīng)確定錯(cuò)誤概率在輸入端[IA1]中出現(xiàn)的概率為[Pr（IA1）]，那么可以調(diào)整為：

根據(jù)式（1）和式（2）定義當(dāng)前分布式網(wǎng)路線脆弱信號(hào)影響因子，輸入信號(hào)或者中間信號(hào)[S]對(duì)數(shù)據(jù)流的影響因子為：

式中[ωk]表示從[S]點(diǎn)到當(dāng)前數(shù)據(jù)流某條數(shù)據(jù)傳輸路徑[k]上的目標(biāo)權(quán)重[11]。

假設(shè)當(dāng)前數(shù)據(jù)流所用傳輸路徑均具有獨(dú)立性，那么數(shù)據(jù)影響因子就在[S]發(fā)生的錯(cuò)誤路徑下，采用當(dāng)前路徑傳播輸出。式（3）可以看作是一種風(fēng)險(xiǎn)度量，該度量解釋影響因子越大，存在脆弱點(diǎn)特征的概率越高。

式（3）只考慮單一的系統(tǒng)輸出，對(duì)于獨(dú)立分布式網(wǎng)絡(luò)存在多個(gè)輸出情況，考慮到不同的輸出數(shù)據(jù)的路徑程度，所以首先需要將當(dāng)前系統(tǒng)輸出信號(hào)賦予一個(gè)重要的數(shù)據(jù)參數(shù)，用1代表該數(shù)據(jù)信號(hào)中的最高級(jí)別重要性。這些參數(shù)可以從系統(tǒng)設(shè)計(jì)人員給出的數(shù)據(jù)流傳輸過程導(dǎo)向數(shù)據(jù)中獲取，基于此提出定義公式：

式中[S→Osys]可以看作是信號(hào)[S]對(duì)數(shù)據(jù)流的影響因子[12]。

在已知當(dāng)前分布式網(wǎng)絡(luò)模塊輸入和輸出滲透率參數(shù)的基礎(chǔ)上，根據(jù)信號(hào)集錯(cuò)誤傳播分析路徑和權(quán)值可以初步確定數(shù)據(jù)脆弱點(diǎn)特征。

1.1.2? 模塊集上的傳播錯(cuò)誤

根據(jù)定義信息確定模塊錯(cuò)誤滲透率。當(dāng)前網(wǎng)絡(luò)模塊A對(duì)模塊B的數(shù)據(jù)錯(cuò)誤滲透率為[PEPA→B]：

式中：模塊A存在[m]個(gè)數(shù)據(jù)信號(hào)，對(duì)模塊B的輸出數(shù)據(jù)信號(hào)為[n]。

式（5）可以表示為一個(gè)用于獲取模塊連續(xù)數(shù)據(jù)的相對(duì)抽象度量，并不能直接反映當(dāng)前實(shí)際錯(cuò)誤的輸出傳播和輸出概率。假設(shè)所有的輸出數(shù)據(jù)流均相互獨(dú)立，一個(gè)傳輸錯(cuò)誤只能引起一種連續(xù)數(shù)據(jù)流脆弱點(diǎn)，那么式（5）可以代表實(shí)際脆弱數(shù)據(jù)流的傳播錯(cuò)誤。

除了數(shù)據(jù)輸入性錯(cuò)誤以外，分布式網(wǎng)絡(luò)數(shù)據(jù)流還有可能自身產(chǎn)生錯(cuò)誤輸入（輸入端正確、輸出端錯(cuò)誤），特別是在特殊環(huán)境下傳播的脆弱數(shù)據(jù)流，為了完整體現(xiàn)數(shù)據(jù)流傳播錯(cuò)誤，給出連續(xù)數(shù)據(jù)流脆弱點(diǎn)模塊泄漏概率。

在單一模塊內(nèi)部狀態(tài)不同條件下，數(shù)據(jù)流輸出情況[y]的概率稱之為泄漏率，其計(jì)算公式為：

式中[y]表示當(dāng)前分布式網(wǎng)絡(luò)下模塊M的數(shù)據(jù)流輸出情況。

對(duì)于多模塊下的數(shù)據(jù)流輸出情況，其整體泄漏率為：

式中[n]表示當(dāng)前網(wǎng)絡(luò)模塊的輸出個(gè)數(shù)。

當(dāng)前模塊的泄漏率并不能表示分布式網(wǎng)絡(luò)數(shù)據(jù)流存在的脆弱點(diǎn)，在模塊正常執(zhí)行時(shí)，同樣會(huì)產(chǎn)生脆弱點(diǎn)的錯(cuò)誤輸入。由此，可以定義網(wǎng)絡(luò)模塊下的影響因子為：

對(duì)于多網(wǎng)絡(luò)輸出情況，其數(shù)據(jù)影響因子如下：

與上述影響因子類似，如果考慮當(dāng)前分布式網(wǎng)絡(luò)數(shù)據(jù)錯(cuò)誤特征信號(hào)的權(quán)值，可以將其改變?yōu)椋?/p>

1.2? 識(shí)別數(shù)據(jù)流脆弱點(diǎn)

從1.1節(jié)中可以明確，數(shù)據(jù)流脆弱點(diǎn)傳播錯(cuò)誤特征包括模塊集和信號(hào)集兩個(gè)層面，以此可以確定節(jié)點(diǎn)度的分布、節(jié)點(diǎn)距離和聚焦系數(shù)三項(xiàng)常規(guī)特征。其中，節(jié)點(diǎn)度參數(shù)被定義為該節(jié)點(diǎn)的連續(xù)性節(jié)點(diǎn)數(shù)目，一個(gè)節(jié)點(diǎn)度可以被劃分為入度和出度。入度表示該節(jié)點(diǎn)指向節(jié)點(diǎn)邊的數(shù)量，出度則表示指向其他節(jié)點(diǎn)邊的數(shù)量，入度越大證明該數(shù)據(jù)點(diǎn)的實(shí)用度越高。根據(jù)上述三項(xiàng)數(shù)據(jù)特征，建立錯(cuò)誤傳遞矩陣，結(jié)合上述求取的錯(cuò)誤滲透率，可以確定數(shù)據(jù)節(jié)點(diǎn)的度矩陣為：

式中：[MD]表示當(dāng)前網(wǎng)絡(luò)模塊下輸入數(shù)據(jù)構(gòu)成的矩陣，模塊I的第[k]個(gè)數(shù)據(jù)標(biāo)注就是當(dāng)前度矩陣MD的第[k]個(gè)元素。因?yàn)樵厥菙?shù)據(jù)間錯(cuò)誤滲透率的表現(xiàn)，因此式（11）可以表示為一種加權(quán)的度值，其權(quán)值就是錯(cuò)誤滲透率。

為了挖掘當(dāng)前分布式網(wǎng)絡(luò)的連續(xù)數(shù)據(jù)流脆弱點(diǎn)，設(shè)計(jì)基于上述數(shù)據(jù)，采用最優(yōu)化分析方法，將脆弱數(shù)據(jù)點(diǎn)作為故障點(diǎn)，結(jié)合故障注入提取的故障記錄和跟蹤記錄，對(duì)所有需要考察的網(wǎng)絡(luò)區(qū)域設(shè)定集合[D=D1，D2，…]，以不同的數(shù)據(jù)錯(cuò)誤對(duì)當(dāng)前網(wǎng)絡(luò)影響程度作為評(píng)判標(biāo)準(zhǔn)，建立評(píng)價(jià)機(jī)制，選擇最大影響率的錯(cuò)誤數(shù)據(jù)。具體做法如下：

Step1：根據(jù)錯(cuò)誤特征按照系統(tǒng)模塊之間的數(shù)據(jù)交互關(guān)系，生成所有錯(cuò)誤矩陣。每個(gè)錯(cuò)誤矩陣均可以構(gòu)成傳遞網(wǎng)絡(luò)的局部信息，確定網(wǎng)絡(luò)模塊之間的滲透率[PEPA→B1，1]。對(duì)于[PEPA→B1，1]求解的方法為：根據(jù)數(shù)據(jù)流脆弱點(diǎn)錯(cuò)誤改變信號(hào)[i]的實(shí)際值，以此為基礎(chǔ)確定數(shù)據(jù)偏差。

Step2：生成數(shù)據(jù)加權(quán)選項(xiàng)，對(duì)所有錯(cuò)誤數(shù)據(jù)根據(jù)矩陣內(nèi)容按照數(shù)據(jù)行列要求求和，得到數(shù)據(jù)元素的度，計(jì)算方法參考式（6）～式（10）。根據(jù)數(shù)據(jù)元素度和滲透率加權(quán)。

Step3：數(shù)據(jù)比特級(jí)識(shí)別。統(tǒng)計(jì)不同數(shù)據(jù)單位的SEU滲透率并組織排序，滲透率越高，其數(shù)據(jù)脆弱性也越高。

Step4：系統(tǒng)模塊級(jí)識(shí)別。統(tǒng)計(jì)當(dāng)前模塊的平均節(jié)點(diǎn)數(shù)量，對(duì)模塊矩陣求平均值，其節(jié)點(diǎn)越高對(duì)應(yīng)脆弱性越高。

Step5：網(wǎng)絡(luò)系統(tǒng)信號(hào)級(jí)識(shí)別?；诠?jié)點(diǎn)度的分布，根據(jù)局部特征篩選，并考慮平均錯(cuò)誤率對(duì)當(dāng)前數(shù)據(jù)系統(tǒng)影響程度，加權(quán)平均滲透率，計(jì)算公式為：

式中：[Di]為模塊[i]的數(shù)據(jù)總數(shù);[Pi]表示模塊[i]的平均滲透率。

2? 實(shí)驗(yàn)數(shù)據(jù)分析

進(jìn)行分布式網(wǎng)絡(luò)連續(xù)數(shù)據(jù)流脆弱點(diǎn)識(shí)別實(shí)驗(yàn)，需要進(jìn)行以下操作：

1） 選擇需要識(shí)別的網(wǎng)絡(luò)區(qū)域;

2） 選擇錯(cuò)誤類型和識(shí)別位置;

3） 選擇錯(cuò)誤觸發(fā)方式，包括數(shù)據(jù)流脆弱點(diǎn)類型;

4） 記錄可回收變量，包括內(nèi)存區(qū)域和集群事件的值;

5） 創(chuàng)建策略文件生成結(jié)果分析器。

實(shí)驗(yàn)采用SAVIE運(yùn)行程序執(zhí)行識(shí)別，該程序可以劃分為四個(gè)功能區(qū)，包括數(shù)據(jù)結(jié)果的顯示和數(shù)據(jù)圖生成等。脆弱數(shù)據(jù)流樣本根據(jù)八位二進(jìn)制數(shù)據(jù)表來表示，其平均值如表1所示。

根據(jù)表1給出的數(shù)據(jù)流脆弱點(diǎn)樣本可以看出，高位數(shù)據(jù)錯(cuò)誤更具有錯(cuò)誤滲透率，因?yàn)楦呶粩?shù)據(jù)流脆弱點(diǎn)的數(shù)據(jù)破壞性更強(qiáng)。同時(shí)，說明各網(wǎng)絡(luò)模塊具有明顯的差異性。對(duì)其進(jìn)行識(shí)別對(duì)比，結(jié)果如圖4所示。

根據(jù)實(shí)驗(yàn)數(shù)據(jù)對(duì)比結(jié)果可以看出：單純決策樹識(shí)別方法的識(shí)別度系數(shù)在0.5～0.7之間，另一種Markov數(shù)據(jù)鏈識(shí)別方法同樣介于該區(qū)間內(nèi)，但是波動(dòng)較大，而此次設(shè)計(jì)的分布式網(wǎng)絡(luò)下識(shí)別方法其識(shí)別度系數(shù)達(dá)到了0.9左右，提高幅度非常明顯，證明了其有效性。

3? 結(jié)? 語

連續(xù)數(shù)據(jù)流的安全性是計(jì)算機(jī)應(yīng)用安全的前提，連續(xù)數(shù)據(jù)流脆弱點(diǎn)會(huì)直接影響數(shù)據(jù)應(yīng)用效果。對(duì)其有效識(shí)別可以規(guī)避安全應(yīng)用風(fēng)險(xiǎn)，保證網(wǎng)絡(luò)健康應(yīng)用。本文設(shè)計(jì)基于分布式網(wǎng)絡(luò)多層架構(gòu)，根據(jù)連續(xù)數(shù)據(jù)流脆弱點(diǎn)錯(cuò)誤傳輸特征，提出對(duì)應(yīng)識(shí)別方法，經(jīng)過實(shí)驗(yàn)證實(shí)可以有效提高識(shí)別度。

參考文獻(xiàn)

[1] 侯春多.關(guān)于無線網(wǎng)絡(luò)通信脆弱點(diǎn)實(shí)時(shí)提取仿真[J].計(jì)算機(jī)仿真，2018，35（6）：321?324.

[2] 李煥.關(guān)于無線網(wǎng)絡(luò)中分布式入侵檢測系統(tǒng)的混合體系架構(gòu)研究[J].自動(dòng)化技術(shù)與應(yīng)用，2018，37（5）：52?55.

[3] 劉海燕，張鈺，畢建權(quán)，等.基于分布式及協(xié)同式網(wǎng)絡(luò)入侵檢測技術(shù)綜述[J].計(jì)算機(jī)工程與應(yīng)用，2018，54（8）：1?6.

[4] 王紅凱，黃海潮，毛冬，等.基于devops的多載體數(shù)據(jù)流傳輸路徑標(biāo)定方法[J].電子設(shè)計(jì)工程，2019，27（11）：123?127.

[5] 衛(wèi)彥伉，王大鳴，崔維嘉.一種引入復(fù)雜網(wǎng)絡(luò)理論的軟件數(shù)據(jù)流脆弱點(diǎn)識(shí)別方法[J].計(jì)算機(jī)應(yīng)用研究，2015，32（4）：1100?1103.

[6] 楊洋，劉旭，劉藝林，等.基于貝葉斯定理的能源供應(yīng)網(wǎng)絡(luò)脆弱性研究[J].統(tǒng)計(jì)與決策，2018，34（16）：35?39.

[7] 趙丹丹，陳興蜀，金鑫.KVM Hypervisor安全能力增強(qiáng)技術(shù)研究[J].山東大學(xué)學(xué)報(bào)（理學(xué)版），2017，52（3）：38?43.

[8] 周季璇，顧巧云，鳳丹.面向OSPF脆弱點(diǎn)的分節(jié)點(diǎn)污染方法研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2018，28（5）：122?126.

[9] 王健，趙國生，趙中楠，等.面向SDN的脆弱性擴(kuò)散形式化建模與擴(kuò)散因素分析[J].計(jì)算機(jī)研究與發(fā)展，2018，55（10）：2256?2268.

[10] 仝武寧，劉道華，李宏斌.異構(gòu)分布式系統(tǒng)中實(shí)時(shí)可任意切分任務(wù)調(diào)度算法[J].信陽師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2018，31（3）：479?483.

[11] 張瑩，步曉亮，李強(qiáng)，等.基于交換中心的分布式系統(tǒng)數(shù)據(jù)同步技術(shù)[J].通信技術(shù)，2018，51（2）：365?369.

[12] 宋守信，許葭，陳明利，等.脆弱性特征要素遞次演化分析與評(píng)價(jià)方法研究[J].北京交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017，16（2）：57?65.