基于復雜網絡中心性理論的典型海上殺傷鏈節點重要度評估研究

摘 要： 海上殺傷鏈是當今海上聯合作戰體系運轉的核心， 是信息化戰爭形態下OODA環的實踐運用， 體現了聯合作戰體系信息流主導能量流進行閉環運轉的運行機理。 如何研判對方海上殺傷鏈的關鍵節點是當前海上綜合制權的前提。 目前海上殺傷鏈關鍵節點的研判問題， 主要應用理論分析與復雜網絡分析等方法， 其中復雜網絡分析法大多利用逐個節點刪除的方法評估節點的重要性， 存在搜索效率低、 適用規模小等問題。 本文以NIFC-CA系統為例， 構建了海上典型殺傷鏈模型， 利用融合中心性的復雜網絡評估方法， 對殺傷鏈節點重要性進行排序， 找到了關鍵節點。 同時， 在評估過程中運用Python的Network庫中圖論與網絡分析工具， 顯著提高了計算效率。

關鍵詞： 作戰體系； 復雜網絡； 建模； 關鍵節點； 殺傷鏈

中圖分類號： TJ760

文獻標識碼： A

文章編號： 1673-5048（2024）05-0050-06

DOI： 10.12132/ISSN.1673-5048.2024.0051

0 引 言

殺傷鏈是在打擊目標的過程中各個相互依賴的環節構成的有序鏈條。 在信息化戰爭時代， 殺傷鏈通常指探測目標、 瞄準目標、 交戰并評估交戰結果的閉環過程。

殺傷鏈是一個描述攻擊過程的模型， 它包括多個節點， 不同的節點對攻擊的成敗有著意義不等的作用。 發現對手的殺傷鏈關鍵節點， 并針對性地進行打擊是取得戰斗優勢的關鍵， 如何分析評估殺傷鏈的關鍵點一直是研究的熱點問題。

殺傷鏈的傳統分析方法有理論分析與建模后利用復雜網絡進行分析等方法， 其中復雜網絡的分析方法主要結合OODA環（觀察、 判斷、 決策、 行動）理論和殺傷鏈概念建模， 再利用節點刪除法評估殺傷鏈節點的重要性。 這種方法通過觀察網絡作戰能力及網絡循環效率的下降程度來確定關鍵節點［1］， 但這種方法需要逐個刪除節點， 在面對大型殺傷鏈時， 此方法效率非常低。

在此基礎上， 衍生出了使用算法和人工智能等對殺傷鏈進行分析的方法， 相比節點刪除法有著更高的效率與準確性。 本文采用復雜網絡的中心性算法對以NIFC-CA系統為藍本構造的典型海上殺傷鏈進行分析。

1 典型海上殺傷鏈的作戰流程

“海軍一體化火控-制空”（Naval Integrated Fire Control-Counter Air， NIFC-CA）系統， 是一種典型的分布式網絡化的空中火力控制系統， 也是以遠程交戰和超地平線防空攔截為目標設計出的典型海上殺傷鏈體系。 該海上殺傷鏈以基礎的“F2T2EA（發現（Find）、 定位（Fix）、 跟蹤（Track）、 決策（Target）、 交戰（Engage）、 評估（Assess））”殺傷鏈作戰概念為藍本， 結合了海軍裝備的特點， 于20世紀90年代提出概念， 2002年正式命名為NIFC-CA。 2014年， E-2D預警機正式服役， 使NIFC-CA系統具備初始作戰狀態。 2015年通過了“羅斯福”號航空母艦打擊群認證測試， 標志其具備作戰能力［2］。

在NIFC-CA殺傷鏈中， 基于Link-16/22戰術數據鏈的高速數據傳輸網絡和協同作戰系統（Cooperative Engagement Capability， CEC）， 可以整合各個節點上的傳感

器信息， 將?；?空基平臺探測感知裝備、 防空反導武器

收稿日期： 2024-03-26

作者簡介： 潘長鵬（1977-）， 男， 山東萊州人， 教授， 博士。

*通信作者： 張雨晨（1994-）， 男， 遼寧開原人， 碩士研究生。

以及指揮系統相互連接起來， 構成了一套具有威脅探測識別、 高效決策分析、 目標實時跟蹤、 精確瞄準打擊、 快速毀傷判斷能力的全能型海上殺傷鏈。

NIFC-CA海上殺傷鏈中所有單元可以分為“感知平臺（及其下轄的感知單元）”“發射平臺”“指揮控制單元”“攔截武器”等， 如表1所示。

航空兵器 2024年第31卷第5期

潘長鵬， 等： 基于復雜網絡中心性理論的典型海上殺傷鏈節點重要度評估研究

首先， 感知平臺探測到來襲目標信息， 立刻傳送給“宙斯盾”艦MK1指揮決策系統， 系統完成威脅評估和交火作戰決策， 協同運用作戰資源， 系統內各要素子系統均與指揮控制單元連接， 由其統一進行火力分配和下達指令［3］。

武器發射后， 根據感知平臺不斷傳送的目標最新信息， 指揮控制單元根據具體情況選擇中段制導的最優單元進行接力制導， 直至武器命中目標［4］， 如圖1所示。

2 基于復雜網絡理論的典型海上殺傷鏈體系構建與評估

NIFC-CA殺傷鏈的結構非常適合使用復雜網絡建模分析， 本文以NIFC-CA的運轉流程為基礎， 構建防御反艦導彈突襲為場景假定的海上典型殺傷鏈， 并通過復雜網絡進行分析。

2.1 典型海上殺傷鏈體系建模

復雜網絡可以表示多種多樣的復雜系統，其中， 節點代表網絡中的實體， 邊表示實體之間的關系［5］。 這些節點和邊的組合構成了網絡的基本結構， 是復雜網絡模型的基礎。

2.1.1 典型海上殺傷鏈的節點構建

場景假定： 紅方?？掌脚_依托體系支撐對藍方“宙斯盾”驅逐艦發射反艦導彈。 藍方MQ-4C無人機、 F-35C①戰斗機、 E-2D預警機、 E/A-18G電子戰飛機各1架隱蔽探測來襲目標， 同時， E-2D預警機、 F-35C②戰斗機擔負“宙斯盾”艦發射的“標準”-6導彈中繼制導任務。 基于場景假定， 編制網絡節點組成如表2所示。

2.1.2 典型海上殺傷鏈的邊構建

網絡中的邊表示節點之間的關系。 基于假定場景， 本文擬給定一個有向無權網絡G=（V， E）， V=（M， v1， v2， …， v7）為表2中的節點， E代表節點間的邊， E={（vi， vj）|vi， vj∈V}， |E|=20， 分別代表各節點探測到導彈來襲、 傳遞導彈坐標、 中繼制導等過程中的信息流轉的20條邊［6］。 同時， 對典型殺傷鏈系統內部節點的邊作如下規定［7］：

（1） 初始狀態下不存在孤立節點， 即海上防空反導作戰開始時一切節點都在可控范圍內。

（2） 邊的連接可以表示物質、 能量和信息的交互關系， 本網絡以作戰節點之間信息交互為主。

繪制復雜網絡拓撲結構圖如圖2所示（交叉線不存在信息交互）。

naval kill chain system

2.2 典型海上殺傷鏈節點重要度的評估方法選擇

復雜網絡中， 網絡節點的重要性是通過節點的中心性（Centrality）進行度量的［8］， 節點的中心性越高， 通常意味著該節點在網絡中的地位越重要， 其影響力也越大［9］。 中心性評估的方法通常包括度中心性、 介數中心性、 接近中心性等。 這些度量方式從不同角度反映了節點在網絡中的重要性和影響力［10］。

（1） 度中心性

度中心性是衡量節點重要性的最直接的指標， 是其他中心性指標的基礎， 它僅考慮與該節點直接相連的邊的數量， 計算簡便。

（2） 介數中心性

介數中心性關注的是節點在所有最短路徑上出現的頻率， 揭示了節點在網絡中的結構位置。 一個節點如果具有很高的介數中心性， 說明它在網絡中起到了重要的橋梁作用， 控制著信息或資源的流動。

（3） 接近中心性

接近中心性反映的是節點在網絡中的中心程度或可達性。 如果一個節點到其他所有節點的平均距離越短， 那么該節點的接近中心性就越高， 意味著這個節點在網絡中的位置越靠近中心， 信息傳播或資源流動的效率可能越高。

這3個中心性分析方法各有利弊。 在實際戰場環境中， 單一的中心性計算方法難以適應多變的戰況， 因此本文選取融合中心性（Compromise Centrality Measure）作為分析方式。

融合中心性是將度中心性、 介數中心性、 特征向量中心性得出的結果進行綜合處理所得。 度中心性、 介數中心性、 接近中心性的注重范圍從局部到全體， 從不同角度量化了節點在網絡中的重要性和影響力， 而在處理為融合中心性之后， 能夠利用各自的優點彌補單一算法的局限性， 能更有效地識別復雜網絡節點的重要度［7］ 。

2.3 典型海上殺傷鏈節點重要度的評估方法

在計算融合中心性之前， 首先需要計算組成融合中心性的3個基礎中心性。

2.3.1 度中心性的計算

在有向網絡中， 節點的度分為入度和出度。 節點的入度是指有向網絡中從其他節點指向該節點的邊的數目。 節點的出度是指有向網絡中從節點指向其他節點的邊的數目［11］。 節點i的度可以表示為

ki=∑j∈Naij（1）

式中： N為該有向網絡中節點的總數； aij為該網絡鄰接的矩陣元數量。

Python軟件中的Network庫是一個用Python語言開發的圖論與復雜網絡建模工具， 它內置了常用的圖與復雜網絡分析算法， 能夠方便地進行復雜網絡數據分析與仿真建模工作， 可以快速地計算各節點的各種中心性數據。 利用該庫求得每個節點的出度和入度， 得到結果如表3所示。

2.3.2 介數中心性的計算

介數中心性的研究基礎是圖論中的最短路徑問題， 最短路徑在有向圖中定義為路徑的權重求和， 無賦權時默認權重值為1。 用BC表示一個節點介數中心性，定義為經過該節點的最短路徑數占最短路徑總數的比， 用dst表示s到t的最短路徑數量， dst（）表示s到t的最短路徑中經過節點vi的路徑數量［13］， 則節點vi介數中心性的計算公式為

BCi=1（N－1）（N－2）∑dst（）dst（3）

以圖2中節點v1為例， 其介數中心性計算過程如下：

BCv1=（0+0+0+0+14+0）+（0+0+0+1+0+0）+（0+0+0+1+0+0）+（0+0+0+1+0+0）（8－1）（8－2）+（0+0+0+0+0+0）+（0+0+0+0+1+0）+（0+0+0+0+1+0）（8－1）（8－2）=0.125（4）

式中： 分子中的第一個括號表示從節點M出發， 經過節點v1到其他節點的最短距離數量除以從節點M到其他節點的最短距離數量， 即

M到v2， 不經過v1， 為0；

M到v3， 不經過v1， 為0；

M到v4， 不經過v1， 為0；

M到v5， 不經過v1， 為0；

M到v6， 有4條最短距離， 只有1條經過v1， 為1/4；

M到v7， 不經過v1， 為0。

以此類推， 可以計算出其余節點的介數中心性， 求得各個節點介數中心性如表5所示。

2.3.3 接近中心性的計算

接近中心性算法用于發現可通過圖高效傳播信息的節點［14］。 對于每個節點， 接近中心性算法在計算所有節點對之間最短路徑的基礎上， 還要計算它到其他各節點的距離之和， 然后求倒數， 以確定該節點的接近中心性得分［15］。

節點i到其他節點的最短距離之和為di， 公式為

di=∑Nj=1dij（5）

式中： dij代表當前所求節點i到其他所有節點j的最短距離， dij越小， 代表節點i越接近網絡的中心位置。 節點i的接近中心性可以理解為， 除節點i之外所有節點的總數與最短距離之和的比重。 節點的接近中心性計算公式為［16］

CCi=N－1di（6）

將各個節點代入式（5）可求得其接近中心性如表6。

在接近中心性的計算中， 有著非聯通圖無法計算的問題， 由于在本文的假設場景中所有節點不存在孤立的節點， 因此不做討論。

2.3.4 融合中心性的計算

節點i的融合中心性用CEDi表示， DCi、 BCi、 CCi分別表示節點i的度中心性、 介數中心性和接近中心性。

首先， 需要將3個中心性的計算結果進行歸一化處理， 其目的是將數據規范化為標準范圍內的數值（本文為0到1）， 去除數據的單位限制， 便于不同單位或量級的指標能夠進行比較和加權， 平衡不同特征的權重。

歸一化處理的計算方法為

C～i=Ci∑Ni=1C2i ， i=1， 2， …， N（7）

其中， C～i表示節點i的歸一化中心值 ， N為復雜網絡節點數， 將DCi、 BCi、 CCi代入式（6）運算， 得到DC～i、 BC～i、 CC～i， 分別為節點i的度中心性、 接近中心性和介數中心性歸一化中心值， 利用歐拉公式得到的融合中心性的值定義為［10］

CEDi=1N（DC～i2+BC～i2+CC～i2）（8）

可以得到各節點融合中心性如表7所示。

2.4 計算結果與分析

根據結果分析可以得出， 典型的海上殺傷鏈并不是完全的“去中心化”， 仍然存在著薄弱的點， 如圖3所示。

綜上可以得出結論， 在典型海上殺傷鏈中， v3節點即E-2D的中心性最高， v6節點“宙斯盾”艦和負責中繼制導的F-35C②次之， 在復雜網絡的中心性越高， 代表節點的重要性越高， 這3個節點在整個殺傷鏈系統中起到了至關重要的作用， 即是整個系統信息流轉的中心， 也是整個網絡中最關鍵的節點， 對這些節點進行干擾將迫使藍方的殺傷鏈效能下降甚至中斷， 需要花費更多的時間進行重組， 無法正常完成反導任務， 在實際的戰爭中使紅方取得優勢。

其他節點的重要排序依次是： SM-6防空導彈、 負責探測的F-35C①、 E/A-18G、 MQ-4C無人機。 在條件允許的情況下， 根據重要度排名對目標進行干擾或攻擊， 可以更有效地破壞藍方殺傷鏈的運行。

從分析結果可以得出， 最關鍵的兩個單元是E-2D與“宙斯盾”艦， 它們都屬于殺傷鏈中的感知平臺， 感知單元作為信息獲取的重要手段， 能夠快速形成網絡信息體系閉環， 推動感知、 決策、 指揮控制等各環節產生量變與質變， 是整個殺傷鏈最為薄弱的環節， 也是戰爭勝負的關鍵點。

因此在破擊藍方典型海上殺傷鏈的行動中， 配合反艦導彈攻擊的過程， 可以通過對藍方的感知平臺施加干擾或者首先破壞感知平臺， 有效地阻塞甚至癱瘓殺傷鏈的運行， 達到“破點”“斷鏈”的效果， 大大提高反艦導彈的突防能力。

3 對殺傷鏈建設的啟示

根據本文對典型海上殺傷鏈分析可以看出， 殺傷鏈的建設是一個復雜的系統工程， 其中暴露出的弱點對新一代殺傷鏈的建設過程有著很深刻的啟示意義。 隨著大量新技術的投入使用， 這些殺傷鏈中的弱點也可以針對性的改善。

3.1 強化冗余快速重組， 保證殺傷鏈不中斷

在現代戰爭中， 防御遠比攻擊更加困難， 如果僅僅選擇增強感知平臺的防御， 不僅會對戰術的選擇造成較大的局限， 也會在感知平臺因為各種原因失能后陷入被動。 最好的方式是通過強化冗余重組能力來防止單一平臺被破壞。 如果在殺傷鏈系統中加入多個預警機和“宙斯盾”艦， 使其能夠在干擾后快速動態重組， 迅速替代受破壞節點的工作， 則反艦導彈突防的成功率會大幅下降。

3.2 無人平臺功能多元化， 增強殺傷鏈抗毀能力

根據圖3可以得出， MQ-4C作為感知平臺， 是整個殺傷鏈體系中中心性最小的， 其中一個很重要的原因是其功能單一， 僅能提供偵察能力， 無法在SM-6發射后提供中繼制導等功能。 如果能夠升級MQ-4C型平臺， 使其具有和E-2D相近的功能性， 那么， 即使作為殺傷鏈中心的E-2D被毀， MQ-4C仍能協同其他節點工作， 提供全面的戰場態勢感知與通信中繼， 可以有效地增強殺傷鏈的抗毀能力。

同時， MQ-4C型無人機作為無人裝備， 可以低成本大量部署， 多個感知單元的加入會使整個殺傷鏈變得更加難以阻斷， 也可以減少殺傷鏈中高價值高風險的有人節點部署數量， 避免可能造成的人員損失。

3.3 多樣化信息來源， 推動殺傷鏈向殺傷網轉化升級

殺傷鏈的抗毀能力很大程度取決于整個殺傷鏈的大小， 即鏈內的節點數量。 如果能夠融合信息來源， 加入來自戰場外的電子偵察、 衛星圖像等， 形成多元化的情報收集體系， 將多個殺傷鏈凝結為殺傷網， 那么就可以擴充整個殺傷鏈體系， 提供海量的高價值節點， 使整個殺傷鏈的運行變得高效， 抗毀性能得到顯著增強， 在未來的攻防作戰中將取得決定性的優勢。

4 結 論

本文對以NIFC-CA為藍本建模的典型海上殺傷鏈進行建模分析， 與以往使用單一的中心性進行分析不同， 采用了融合中心性， 以多種中心性的數據進行融合后獲得最終結果， 減少了單一方法的局限性， 提高了準確度。 根據結果得出， 典型殺傷鏈中最關鍵的節點是E-2D與“宙斯盾”艦， 皆屬于感知平臺， 并給出破擊的建議與殺傷鏈建設的啟示， 為殺傷鏈重要度分析提供了一種解題思路， 也為改善殺傷鏈弱點與破壞敵方殺傷鏈、 降低其作戰效能提供了決策依據。

此外， 使用不同的融合方式（TOPSIS中心性等）或者將更多的中心性評價方式（PageRank中心性等）加入后對殺傷鏈評估的影響是下一步需要研究的問題。

參考文獻：

［1］ 陳登， 陳楚湘， 周春華. 基于OODA環的殺傷網節點重要性評估［J］.兵工學報， 2024， 45（2）： 363-372.

Chen Deng， Chen Chuxiang， Zhou Chunhua. Importance Evaluation of Kill Network Nodes Based on OODA Loop ［J］.Acta Armamentarii， 2024， 45（2）： 363-372.（in Chinese）

［2］ 任淼， 劉琪， 劉晶晶. 2019年國外空空導彈發展動態研究［J］. 航空兵器， 2020， 27（4）： 17-24.

Ren Miao， Liu Qi， Liu Jingjing. Research on Foreign Air-to-Air Missiles’ Development in 2019［J］. Aero Weaponry， 2020， 27（4）： 17-24.（in Chinese）

［3］ 熊海峰. 淺析NIFC-CA系統在美軍殺傷網構建中發揮的作用［J］. 軍事文摘， 2021（3）： 13-18.

Xiong Haifeng. Analysis on the Role of NIFC-CA System in the Construction of US Military Kill Net［J］. Military Digest， 2021（3）： 13-18.（in Chinese）

［4］ 宮尚玉， 陳亮， 王月悅. 美“海上一體化防空火控” 體系發展及對抗思路分析［J］. 電訊技術， 2022， 62（12）： 1859-1864.

Gong Shangyu， Chen Liang， Wang Yueyue. Analysis of U.S. Navy NIFC-CA System-of-System Development and Countermeasures［J］. Telecommunication Engineering， 2022， 62（12）： 1859-1864.（in Chinese）

［5］ 艾均. 復雜網絡中目標節點分析技術研究［D］. 沈陽： 東北大學， 2013.

Ai Jun. Research on Techniques of Target-Node Analysis in Complex Networks［D］. Shenyang： Northeastern University， 2013. （in Chinese）

［6］ 崔雪蓮， 董海濤. 基于關鍵節點識別的社交網絡輿情控制策略研究［J/OL］. 計算機工程與應用， doi： 10.3778/j.issn.1002-8331.2310-0208.

Cui Xuelian， Dong Haitao. Research on Social Network Public Opinion Control Strategy Based on Key Node Identification［J/OL］. Computer Engineering and Applications， doi： 10.3778/j.issn.1002-8331.2310-0208.（in Chinese）

［7］ 卞泓斐， 張千宇. 基于復雜網絡的艦艇編隊防空作戰模型研究［J］. 艦船電子工程， 2015， 35（4）： 29-32.

Bian Hongfei， Zhang Qianyu. Warship Formation Air Defense Mo-del Based on Complex Network［J］. Ship Electronic Engineering， 2015， 35（4）： 29-32.（in Chinese）

［8］ 羅春蕾. 基于復雜網絡中心性的關鍵種識別研究［D］. 北京： 華北電力大學， 2019.

Luo Chunlei. Identifying Keystone Species Based on Centrality of Complex Networks［D］. Beijing： North China Electric Power University， 2019. （in Chinese）

［9］ 馮朗榮. 海上交通復雜網絡節點識別研究［D］.大連： 大連海事大學， 2023.

Feng Langrong. Research on Node Identification in Complex Maritime Traffic Networks［D］. Dalian： Dalian Maritime University， 2023. （in Chinese）

［10］ 張?？? 復雜網絡的鏈路預測算法研究［D］. 貴陽： 貴州大學， 2023.

Zhang Xikang. Research on Link Prediction Algorithm for Complex Networks［D］. Guiyang： Guizhou University， 2023. （in Chinese）

［11］ 張廷萍. 淺議幾種復雜網絡節點重要度分析的中心性方法［J］. 價值工程， 2016， 35（14）： 209-210.

Zhang Tingping. Centrality Measures to Identify Influential Nodes in Complex Networks［J］. Value Engineering， 2016， 35（14）： 209-210.（in Chinese）

［12］ 楊雋豪. 基于復雜網絡理論的高速公路網絡節點重要度評價及連通可靠性研究［D］. 成都： 西華大學， 2022.

Yang Junhao. Research on Importance Evaluation of Node and Connectivity Reliability in Expressway Network Based on Complex Network Theory［D］. Chengdu： Xihua University， 2022. （in Chinese）

［13］ 朱慶存. 基于網絡中心性算法的關鍵節點識別方法研究［D］. 濟南： 齊魯工業大學， 2021.

Zhu Qingcun. RXcksWPJNiZFIbXR4BfoKth088WxafSkAr9DsLcGA+eE=esearch on Key Node Recognition Method Based on Network Centrality Algorithm［D］. Jinan： Qilu University of Technology， 2021. （in Chinese）

［14］ 涂敏， 韓雨濛. 改進TOPSIS法的武漢城市軌道交通節點重要度評估［J］. 重慶交通大學學報： 自然科學版， 2023， 42（9）： 113-121.

Tu Min， Han Yumeng. Importance Evaluation of Wuhan Rail Transit Nodes Based on Improved TOPSIS Method［J］. Journal of Chongqing Jiaotong University： Natural Science， 2023， 42（9）： 113-121.（in Chinese）

［15］ 陳妤， 秦威. 基于排序學習的復雜網絡節點接近中心性近似排序［J］. 計算機系統應用， 2022， 31（11）： 387-392.

Chen Yu， Qin Wei. Approximate Rank of Closeness Centrality of Complex Network Nodes Based on Learning to Rank［J］. Compu-ter Systems and Applications， 2022， 31（11）： 387-392.（in Chinese）

［16］ 陳靜， 田曉杰， 曾興善， 等. 基于復雜網絡的軍事通信建模及關鍵節點評估［J］. 指揮控制與仿真， 2021， 43（5）： 55-59.

Chen Jing， Tian Xiaojie， Zeng Xingshan， et al. Research on Military Communication Modeling and Key Node Evaluation Based on Complex Network［J］. Command Control & Simulation， 2021， 43（5）： 55-59.（in Chinese）

Research on Node Importance Assessment in Maritime Kill Chain

Based on Complex Network Centrality Theory

Pan Changpeng， Zhang Yuchen*， Li Chaobo

（Naval Aeronautical University， Yantai 264001， China）

Abstract： The maritime kill chain constitutes the core of the current joint maritime combat system， representing the practical application of the OODA loop in the context of informationized warfare. It embodies the operational mechanism of the joint combat system， where information flow dominates energy flow in a closed-loop operation. Determining the critical nodes of the maritime kill chain is the prerequisite for achieving comprehensive maritime dominance. Currently， the assessment of key nodes within maritime kill chains employs theoretical analysis and complex network methods. Complex network analysis techniques， which often utilize a node-by-node deletion approach to evaluate node importance， suffer from issues such as low search efficiency and limited applicability to small-scale systems. This paper takes the NIFC-CA system as an example to construct a typical maritime kill chain model. The importance of kill chain nodes is ranked using a complex network assessment method of integration centrality， and key nodes are identified. Additionally， graph theory and network analysis tools from Python’s Network library are utilized during the assessment to significantly enhance the computational efficiency.

Key words： combat system; complex network; modeling; key node; kill chain