.png){kind=icon}
返回
Bridging fidelity and scale in network vulnerability via simulation-driven hypergraph learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ress.2026.113233.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现实网络的稳定性——从生物生态系统到技术基础设施——强烈依赖于关键组件的脆弱性。识别此类脆弱节点仍然具有挑战性，因为简单的结构启发式方法常常忽略复杂系统的动态特性，而基于仿真的脆弱性评估在大规模情况下计算成本高昂。我们提出了一种仿真驱动的时序超图学习框架，可作为昂贵脆弱性仿真的神经替代模型。该框架将演化网络表示为时序超图以捕捉高阶群体交互和时序演化，并采用扰动感知的自监督学习在有限标签下获得鲁棒节点表示。随后使用异构知识蒸馏策略将离线仿真专家产生的排序信息转移到一个轻量级推理模型中。在现实网络上的实验表明，所提出的方法在基于学习的基准中表现出强性能，同时显著降低了在线推理成本。结果表明，仿真蒸馏的神经替代模型为大型复杂网络中的可扩展脆弱性评估提供了一条实用途径。
Keyword:
Complex network
Temporal hypergraph
Vulnerability prediction
Knowledge distillation
Network vulnerability
期刊
R
IF:
11
论文数:
1.0K
被引数:
0
机构
引用论文
Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation使用RNN编码器-解码器学习统计机器翻译的短语表示
OAAI
OAAI分享收藏Resilience Analysis and Recovery Strategy for Interdependent Automated Container Port Networks Under Cascading Failures相依自动化集装箱港口网络在级联失效下的韧性分析与恢复策略OAAI
OAAI分享收藏Higher-order interdependencies and connectivity: A dual-layer hypergraph model for cascading failures高阶依赖关系与连通性：一种用于级联故障的双层超图模型
PREAI
分享收藏Resilience Assessment of Interdependent Infrastructure Systems: A Case Study Based on Different Response Strategies.png)
SUSTAINABILITY
OAAI
SUSTAINABILITYIF3.3
OAAI分享收藏Maximizing the spread of influence through a social networkProceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data miningOAAI
Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data miningIF0
OAAI分享收藏
查看更多内容