极端的入侵攻击对网络动态的脆弱性
Extreme vulnerability to intruder attacks destabilizes network dynamics
AI总结：
本文研究了网络中单个低度节点的入侵攻击如何破坏动态稳定性，挑战了传统对枢纽节点脆弱性的假设，并揭示了非线性网络中的脆弱性特征。
摘要：
共识、同步、编队控制和电网平衡都是网络中可能出现的良性动态状态。本文从根本角度探讨了这些状态如何被破坏：即我们研究如何在原本正常运作的网络中，一个或几个入侵代理通过与一个或多个其他节点的恶意连接，破坏其动态。我们证明，一个通过恶意连接与一个或多个其他节点连接的恶意节点足以破坏整个网络，这比针对多个节点更有效。然后我们显示，集中攻击一个低度节点会引发最大的不稳定性，挑战了常见的假设，即枢纽节点是最关键的节点。这导致了对节点脆弱性的新表征，与先前工作不同，并将低入度节点（而非枢纽）识别为网络中最脆弱的组成部分。我们的结果适用于线性系统，但适用于非线性网络，包括由Kuramoto模型描述的网络。最后，我们推导了缩放定律，表明更大的网络在平均上对单节点攻击更不敏感。总体而言，这些发现突显了技术系统，如自主网络、传感器网络、电网和物联网的内在脆弱性，其影响也扩展到复杂社会和生物网络领域。
英文摘要：
Consensus, synchronization, formation control, and power grid balance are examples of desirable dynamical states that arise in networks. Here we investigate how such states can be destabilized by an intruder agent within an otherwise functioning network. We see that a single adversarial node, coupled through adversarial connections to one or more other nodes, is sufficient to destabilize the entire network. We further show that concentrating the attack on a single low-indegree node induces the greatest instability, challenging the common assumption that hubs are the most critical nodes. This leads to a new characterization of network vulnerability, identifying low-indegree nodes as the most vulnerable components. Although derived for linear systems, our results extend to nonlinear networks, including the Kuramoto model. These findings reveal an intrinsic vulnerability of technological, social, and biological networks.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
