这是论文的代码：

A.Chernikova、N.Gozzi、S.Boboila、P.Angadi、J.Loughner、M.Wilden、N.Perra、T.Eliassi-Rad和A.Oprea，《网络抵御自我传播恶意软件攻击的能力》，第27届欧洲计算机安全研究会（ESORICS）2022年会议记录。

项目目标：通过设计利用网络拓扑的防御策略来提高网络弹性。该拓扑源自网络通信流量。

示例数据和结果可以在“Sample_data_and_results”目录中找到。我们举例说明了“http://snap.stanford.edu/data/index.html".

辅助文件：

• constants.py-路径目录。

目录：

• 准备数据
• 防守
• 攻击

• 构造图.py：使用igraph API构造通信图，并将其保存为Pickle格式（.pkl）

• 分析.py：计算图形的一些拓扑度量，例如节点/边数、平均路径长度、平均度数、直径、密度等。请参阅“sample_data_and_results/graph_metrics”中俄勒冈州数据集的图形属性

• 绘图_度.py：绘制图形的度分布，并将分布拟合为幂律和指数分布。请参阅“sample_data_and_results/plots/degrees_distribution”中俄勒冈州数据集的度分布

• 计算机_人.py：计算通信图中每个节点的有效网络大小度量（ENS）。

预算需要在每个脚本本身中设置。默认值已经存在。在每个方法的目录中，每个防御都可以使用绘图脚本。

• NodeSplit（NodeSplit目录）

  • 节点split.py：将顶部节点迭代拆分为两个，将其一半的边移动到新创建的节点。

• 边缘硬化（rm_edges目录）

  • rm_edges_随机.py：随机删除预算中给定的一些边缘。

  • met无向.py：运行Le等人在“MET：最小化具有小特征映射的大型图中传播的快速算法”中描述的MET算法。

• 节点加固（rm_nodes目录）

  • rm_兰德.py：随机删除预算给定的多个节点。

  • rm _ top _ degree _ iterative.py（复制副本）：逐步删除程度最高的节点，直到达到预算。

  • rm_操作_输入.py：删除具有最高有效网络大小的顶部节点。

• 隔离（隔离目录）

  • 隔离社区.py：使用Leiden、Infomap或Leading Eigenvector算法提取社区，然后硬化其边界，例如，硬化所有社区间的边缘，以分离社区。

SPM_with_real_params.py:

• 在Simulation类中实现四个SPM模型——SI、SIS、SIR、SIIDR。

• 它提供了使用同一文件中给定的攻击参数运行SPM攻击的功能，例如SIIDR。这些参数表示感染概率（β）、恢复率（mu）、γ1、γ2。

• 攻击的起点是随机选择的。

• 这里设置了其他几个参数，包括实验次数（默认为500）、模拟过程中的时间步数、用于构建弹性图的预算等。

运行_攻击.sh：它通过设置一些命令行参数来运行攻击：

• 防御索引：对其进行攻击的图形，例如，索引0是带有“无防御”的图形，索引1是应用nodesplit后的结果图形，等等。这是主脚本中名为“防御”的列表中的索引，即。，SPM_with_real_params.py

• param index：攻击传播参数，例如，param_index 2是与wannacry跟踪wc_1_5s等相对应的参数集。该对应关系是在siidr_params数据结构中建立的SPM_带_参数.py.

我们将代码作为常规python脚本运行。以下是一个示例：

光盘防御/节点屏蔽

python-u节点拆分.py&>out.txt

为了运行攻击，我们按如下方式运行bash脚本：

cd攻击

sh运行攻击.sh

• sample_data_and_results/plots目录中有多个图，用于比较俄勒冈州样本数据上各种防御的性能。