電力通信網低風險路由方法

曾 瑛，李星南，王 平

（1.廣東電網電力調度控制中心 廣東 廣州 510600；2.四川創立信息科技有限責任公司 四川 成都610093）

電力通信網低風險路由方法

曾 瑛1，李星南1，王 平2

（1.廣東電網電力調度控制中心 廣東 廣州 510600；2.四川創立信息科技有限責任公司 四川 成都610093）

基于電力通信網業務特征，提出一種低風險路由方法（LRRM）。建立蓄意攻擊和介數優先攻擊模型，并針對攻擊方式，綜合考慮電力業務重要度分布、邊介數分布和業務路徑長度3個風險指標，建立網絡路由風險模型。以網絡路由風險值最小為優化目標兼顧電力業務時延要求，利用混沌克隆遺傳算法（CCGA）和Dijkstra算法聯合求解最優路由。通過數值仿真比較網絡在低風險路由方法和最短路徑路由方法下的脆弱性，結果證明低風險路由方法可有效降低電力通信網的脆弱性。

電力通信網；低風險路由；攻擊模型；網絡脆弱性

電力通信網被稱為智能電網的“神經系統”[1]，是智能電網安全、穩定運行的保障性實體網絡，因此其可靠性、脆弱性及風險研究有著十分重要的意義[2]。優化路由是在不改變網絡拓撲前提下降低網絡風險的最有效方法，許多學者從不同層面對網絡低風險路由問題進行了研究。文獻[3]以光網絡為研究對象，在傳輸層通過參考鏈路（reference link）來描述鏈路的主要風險特征，并基于此提出了風險感知路由 （riskaware routing）算法；文獻[4]基于Dijkstra算法提出了實現重負載網絡時延最小路由算法，其實質是利用全部或部分鏈路信息達到網絡負載均衡，使傳輸層上的網絡風險最??；文獻[5]基于開放式最短路徑優先（OSPF）協議，在網絡層提出動態風險感知路由（dynamic risk-aware routing）算法，該算法可預判鏈路狀態，并通過調整鏈路權重來引導路由繞過高風險鏈路。上述文獻的研究對象是一般通信網絡，并沒有針對電力通信網特征開展研究。文獻[6]基于電力通信網可靠性，以業務平均風險度和業務風險均衡度為評價指標，利用NSGAII算法進行路由優化分配，文獻[7]以業務通道可用性為主要優化目標，利用Dijkstra算法求出k條備選路徑，然后結合電力業務重要性給出節點和邊的風險度，并根據最小最大原則進行路由選擇。文獻[6]和文獻[7]僅考慮了設備自然失效情況下電力通信網的低風險路由，沒有考慮人為攻擊下電力通信網的風險性。

考慮網絡多方面風險的路由問題屬于多約束路由問題，許多學者采用遺傳算法來進行求解。遺傳算法應用于路由選擇的問題之一就是不確定性問題，因此許多學者采用多次算法執行結果的平均值來說明算法的優越性[8-9]，但這種不確定性在電力通信網路由問題上是不允許的。

針對上述問題，文中首先建立攻擊模型，并根據人為攻擊特征建立路由綜合風險模型，然后綜合考慮電力業務時延要求和路由風險提出一種混合路由方法并通過數值仿真證明了該路由方法能有效提高電力通信網抵御人為攻擊的能力，同時保證最優路由的確定性輸出。

1　攻擊模型及網絡脆弱性

風險由三個基本要素組成：資產、威脅和脆弱性。因此研究路由風險就必須研究威脅的方式和網絡脆弱性。威脅方式分為攻擊和自然失效兩種，本本主要考慮人為攻擊因素。

1.1網絡脆弱性

電力通信網受到攻擊后，其損失主要是被傳輸的電力業務，業務重要度[10]可以量化電力業務對電力生產的影響程度，本文通過網絡被攻擊后損失的電力業務重要度值來描述網絡的脆弱性。雖然根據業務分布情況對網絡進行攻擊的破壞性最大，但攻擊者很難得到準確的業務分布信息，而網絡拓撲信息相對來說比較容易獲得，因此攻擊者會根據拓撲信息對網絡實施攻擊。由于電力通信網節點均安置了備用設備，其被攻擊而失效的概率很小，因此文中僅考慮邊被攻擊的情況。

1.2介數優先攻擊模型

邊介數描述了網絡中所有節點對之間經過該邊的最短路徑數量[11]，邊的介數值越大，其上承載大量業務的可能性就越高，被攻擊的概率就越大。將邊集E中的元素按介數降序排列，則被攻擊子集由排序后的前x條邊組成，設其在矩陣A中對應的行向量分別為e1，e2，…，ex，則網絡在介數優先攻擊模型下的脆弱性為

其中qm表示向量Q的第m個元素，S=e1∨e2∨…∨ex，∨表示邏輯或運算。

1.3蓄意攻擊模型

如果攻擊者不僅掌握了網絡的拓撲情況，還掌握了節點的屬性信息，則很可能優先攻擊與省級調度中心相連的邊集Ed，因為電力業務大多為集中型業務，因此Ed上一定承載著大量的電力業務。將Ed中的元素按I（en）降序排列，n=1，2，…，Nd，Nd=|Ed|，則被攻擊子集由排序后的前x條邊組成，網絡在蓄意攻擊下的脆弱性可通過式（2）計算得到。

2　低風險路由方法

2.1路由綜合風險模型

定義網絡在介數優先攻擊下的風險為:

其中ECE為網絡的邊跨層信息熵（ECE），其定義及計算方法參見文獻[12]。

網絡在蓄意攻擊下的風險由業務重要度在Ed中各條邊上的分布情況決定，如果業務重要度過于集中于某一條邊，則在該邊被攻擊的情況下，網絡的損失巨大，因此定義網絡在蓄意攻擊下的風險為：

其中

如果僅考慮網絡在上述兩種攻擊下的風險，路由算法會為了最小化攻擊風險而尋找較長的路徑，使得某些重要業務的時延要求無法得到保障。在電力通信網中，重要度值大的業務其路徑長度應該盡量短，一方面減少了業務傳輸時延，另一方面也降低了路徑被攻擊的風險。低等級的業務時延要求低，在路徑長度允許范圍內應盡量繞過重要度集中或介數較大的邊，以降低人為攻擊下的風險。令B表示網絡中已存在的業務集合，Ib表示第b個業務的重要度，b∈B，pb表示第b個業務的路徑，le表示鏈路e的長度，設新到業務的業務重要度為I0，業務路徑為p0，則定義網絡的路徑風險為

其中

表示路徑長度。式（6）中，重要度越高的業務，其路徑長度對fL值的影響越大，fL越小，說明業務的路徑越短。

綜合上面3種風險，定義網絡的路由綜合風險為

其中，α+β+γ=1，具體取值由網絡偏重于抵御何種風險來決定。f值越小，網絡的綜合風險越小，路由越合理。

2.2混合路由方法

將式（8）作為適應度函數，利用混沌克隆遺傳算法CCGA[13]可以為每個新到業務計算綜合風險最小的路由。由于CCGA將傳統遺傳算法中交叉和變異算子所使用的隨機數用混沌序列值所替代，利用混沌軌跡外在隨機性和內在確定性的特點，在保持原有遺傳算法搜索能力的基礎上保證了最優路徑的確定性輸出。

由于電力通信網中某些對電力生產影響較大的業務對時延要求非?？量?，因此這些業務不能利用式（8）和CCGA進行路由求解，只能采用最短路徑路由方法。為同時滿足此類業務的時延要求和網絡風險最小化要求，本文采取了混合路由方法。該方法首先利用Dijkstra算法計算時延要求極高業務的路徑，然后將這些業務在網絡中的分布狀態作為背景業務，利用CCGA計算其他業務的低風險路由，最終使網絡的綜合風險最小。

3　仿真分析

3.1仿真環境及參數設置

網絡三元組（G，H，W）的仿真配置如下：拓撲結構如圖1所示；網絡中存在五類業務，不同類型業務的業務重要度及其分布情況均與文獻[10]相同；網絡的路由H采取兩種方法進行對比分析，一種是最短路徑優先（SPF）方法，一種是本文提出的低風險路由方法。低風險路由方法具體為：首先為第I、II類業務利用Dijkstra算法計算最短路徑，然后為第III到第V類業務逐一利用CCGA算法計算低風險路由。CCGA的種群規模N=10，進化代數G=5，記憶比例系數λ=0.2，交叉比例系數μ=0.6，取式（8）中f為CCGA適應度函數，其中3種風險的偏重程度相同，即α=β=γ=1/3，f值越小，染色體越優秀?；煦绶匠滩捎肔ogistic方程[14]。

圖1　仿真網絡拓撲結構

3.2仿真結果及分析

在介數優先攻擊模型下，分別對兩種路由方法進行仿真，其結果圖2所示。

圖2　介數優先攻擊下網絡的脆弱性

從圖2中可以看出當網絡介數最大的邊被攻擊時，兩種方法的脆弱性相同，第2-6條邊被攻擊時，低風險路由方法LRRM下的脆弱性明顯優于最短路徑優先方法SPFM，第7-16條邊被攻擊時，兩種方法的曲線又重合在一起。由于電力通信網中的業務以集中型業務為主，因此業務分布是非均勻的，介數最大的邊所承載的電力業務數量和業務重要度不一定最大，因此，雖然圖2中當x=1時兩條曲線重合，但當x=2時，SPFM下的脆弱性由 28.77%迅速上升到 75.53%，而LRRM下的脆弱性僅上升到66.77%，并在x=3、4、5時均比SPFM下降9%左右，在x=7時，網絡脆弱性達到了87.25%，絕大多數業務已經被中斷，已經沒有優化的空間和意義。

在蓄意攻擊模型下，兩種路由方法的仿真結果如圖3所示。圖1中與省級調度中心（1號節點）相鄰的邊共有3條，圖3中當承載業務重要度最大的邊被攻擊后即x=1時，SPFM下的網絡脆弱性達到了46.76%，而LRRM下僅為38%；x=2時的網絡脆弱性分別為75.53%和66.77%，LRRM仍然明顯優于SPFM。

圖3　蓄意攻擊下的網絡脆弱性

為了驗證網絡在隨機攻擊下的脆弱性情況，本文對隨機一條邊被攻擊后的網絡脆弱性進行了仿真，如圖4所示，攻擊次數為50次。從圖4中可以看出，LRRM的震蕩范圍為[0.6%，34.06%]，SPFM的震蕩范圍為[0.7%，46.76%]，說明LRRM的抗隨機攻擊的能力也優于SPFM。

圖4　隨機攻擊1條邊的網絡脆弱性

4　結束語

文中從資產、威脅和脆弱性3個風險基本因素出發，綜合考慮電力通信網業務重要度分布、被攻擊方式和業務時延要求建立了路由綜合風險模型，并在此基礎上提出了一種低風險路由方法。該方法利用最短路徑算法求解時延要求極高業務的路徑，利用路由綜合風險模型和CCGA求解其他業務路徑，使網絡綜合風險最小。由于CCGA中交叉和變異操作均使用混沌搜索方法取代了隨機概率方法，因此保證了最優路徑的確定性輸出。通過數值仿真與最短路徑優先路由方法進行對比，結果顯示LRRM在介數優先攻擊、蓄意攻擊和隨機攻擊下的網絡脆弱性都優于SPFM，證明了LRRM的有效性和優越性。

[1]鄧雪波，王小強，陳曦，等.基于效能模型的電力通信網可靠性研究[J].重慶郵電大學學報：自然科學版，2012，24（3）:378-382.

[2]Hauser C H，Bakken D E，Bose A.A failure to communicate:next generation communication requirements，technologies，and architecture for the electric power grid[J].IEEE Power&Energy Magazine（IEEE Power Energ.Mag.），2005，3（2）:47-55.

[3]Ming X，Tornatore M，Martel C U，et al.Risk-aware provisioningforopticalwdmmeshnetworks[J].IEEE/ACM Transactions on Networking，2011，19（3）:921-931.

[4]Sang-Woon Jeon，Kyomin Jung，Hyunseok Chang.Fully distributed algorithms for minimum delay routing under heavy traffic[J].IEEE Transactions on Mobile Computing，2014，13（5）:1048-1060.

[5]Vidalenc B，Noirie L，Ciavaglia L，etal.Dynamic risk-aware routing for OSPF networks[C]//2013 IFIP/IEEE International Symposium on Integrated Network Manage-ment，Ghent，Belgium，May 27-31，2013:226-234.

[6]蔡偉，楊洪，熊飛，等.考慮電力通信網可靠性的業務路由優化分配方法[J].電網技術，2013，37（12）:3541-3545.

[7]曾慶濤，邱雪松，郭少勇，等.基于風險均衡的電力通信業務的路由分配機制[J].電子與信息學報，2013，35（6）:1318-1324.

[8]Abdullah A H，Enayatifar R，Lee M.A hybrid genetic algorithm and chaotic function model for image encryption[J]. AEU-International Journal of Electronics and Communications，2012，66（10）:806-816.

[9]Yetgin H，Cheung K T K，Hanzo L.Multi-objective routing optimization using evolutionary algorithms[C]//2012 IEEE WirelessCommunicationsandNetworkingConference（WCNC），2012:3030-3034.

[10]樊冰，唐良瑞.電力通信網脆弱性分析[J].中國電機工程學報，2014，34（7）:1191-1197.

[11]Igor M，Mario B and Ljupco K.Vulnerability of Complex Networks[J].Communications in Nonlinear Science and Numerical Simulation，2011，16:341－349.

[12]樊冰，曾瑛，唐良瑞.基于信息熵的電力通信網脆弱性評價方法[J].電子與信息學報，2014，36（9）:2138-2144.

[13]Bing Fan，Ying Zeng，Liang Rui Tang.Chaotic clonal genetic algorithm for routing optimization[C]//2014 4th International Conference on Automation，Communication，Architectonics and Materials（ACAM2014），Wuhan，China，September 27-28，2014.Advanced Materials Research，1046（2014）:371-374.

[14]McGonigal G，Elmasry M I.Generation of noise by electronic iteration of the logistic map[J].IEEE Transactions on Circuits and Systems，1987，34（8）:981-983.

A low risk routing method for electric power communication network

ZENG Ying1，LI Xing-nan1，WANG Ping2
（1.Power dispatch and control Center of Guangdong Power Grid Corporation，Guangzhou 510600，China；2.Sichuan Enrising Information Technology Co.Ltd，Chengdu 610093，China）

A low risk routing method（LRRM）for electric power communication network（EPCN）is proposed based on the features of power businesses.First，deliberate attack and betweenness first attack models are created.Taking account into three risk index，power service importance distribution，edge betweenness distribution and path length，a low risk routing model is created based on the attack models.Then，considering both network risk and power businesses delay requirement，optimized routing is calculated using Dijkstra algorithm and chaotic clonal genetic algorithm（CCGA）.The vulnerabilities of an EPCN applying LRRM and shortest path first method（SPFM）are compared by numerical simulation.The results show that LRRM can effectively reduce the network vulnerability.

electric power communication network；low risk routing；attack model；network vulnerability

TN91

A

1674－6236（2016）21-0122-04

2015-10-29稿件編號：201510223

北京市自然科學基金項目（4142049）

曾 瑛（1972—），女，廣東和平人，工程師。研究方向：電力系統通信網分析、運維和管理。