《Systems》：Leveraging Complexity Science for Security in Cyber-Crisis: The Stress-Induced Self-Organised Resilience (SISOR) Model
编辑推荐：
现代系统之系统，如国家基础设施网络、国防信息环境和金融平台，即使在组件失效或遭受网络攻击破坏时，也必须持续运行。传统的韧性方法侧重于识别和加固关键节点；然而，这些方法依赖于完整的网络可见性，产生显著的分析开销，并且容易受到结构变化的影响。本文引入了应激诱导的自
现代系统之系统，如国家基础设施网络、国防信息环境和金融平台，即使在组件失效或遭受网络攻击破坏时，也必须持续运行。传统的韧性方法侧重于识别和加固关键节点；然而，这些方法依赖于完整的网络可见性，产生显著的分析开销，并且容易受到结构变化的影响。本文引入了应激诱导的自组织韧性（Stress-Induced Self-Organised Resilience，SISOR），这是一种主动构建韧性的方法，利用复杂系统的自然自适应行为。SISOR的工作原理是在系统各节点上有意施加轻微、滚动式的扰动，通过自组织和反馈回路促使替代路径和服务冗余的形成。SISOR并非预防应激，而是将应激作为韧性发展的工具。该方法对网络可见性无要求、计算开销低，并能随系统规模自然扩展。研究人员通过一个模型将最优应激频率与任务保障优先级及网络危机发生的可能性相关联，从而形式化SISOR。其结果是形成一种在扰动发生前强化系统的韧性策略，减少危机期间对应急适应的依赖，并提高高后果作战环境中的生存能力。
一、研究背景与问题
现代网络物理与社会系统（complex cyber-physical–social systems，C-CPSS）由相互连接且持续演化的多模态系统构成，涵盖国家能源网络、军事指挥系统、全球金融基础设施、交通运输物流链及大规模云服务环境等。这些系统的性能与稳定性不仅取决于单个组件的可靠性，更依赖于组件间关系的动态行为。近年来，网络域的中断、攻击和失效事件凸显了网络扰动可对物理域和社会域产生级联性的现实影响，2024年CrowdStrike事件即为典型案例——单一编码错误导致全球交通和金融等关键服务中断。
传统韧性方法聚焦于通过识别关键节点或漏洞、建模依赖结构并强化需保护区域来预测失效。这类方法以系统可见性和分析预见性为前提：必须知晓哪些组件最为关键、它们如何交互以及失效可能向何处传播。然而，在现代背景下这些假设日益难以维持：真实系统快速变化，组件被添加、移除、重新配置或以缺乏全局监管的方式互连；对手利用静态韧性规划中嵌入的假设来实施攻击。因此，依赖计划性加固的韧性策略在系统结构不再如预期运行时会变得脆弱。现有研究还指出，韧性构建与资源、功能和服务等组织需求之间存在权衡，需要在更广泛的组织背景下考虑网络韧性要求。
任务保障框架提供了补充视角，尤其在军事和关键基础设施场景中，其优先目标不是防止入侵或降低财务风险，而是确保不利条件下基本功能的连续性。然而，即便在任务保障理论中，韧性通常仍通过风险评估、应急规划、模拟训练环境、预设回退模式和加固冗余来实现，再次假设系统结构可在扰动发生前被完全预判。跨领域反复出现的挑战是：韧性策略往往预设系统可被充分理解和预先准备，依赖预测、预知和受控设计，而复杂系统却经常违背线性预测。系统在应激下内部重组的能力在概念上得到承认，但在操作层面未获充分利用。
二、研究内容与核心结论
针对上述研究空白，本研究提出应激诱导的自组织韧性（Stress-Induced Self-Organised Resilience，SISOR）方法。SISOR是一种去中心化的复杂系统之系统韧性开发方法，通过在系统节点上实施滚动式随机运行压力来构建服务冗余。该方法直接利用复杂自适应系统的自组织和反馈回路特征，使节点能够基于其关系重新对齐并根据输入和环境变量调整结构。SISOR不试图预防应激，而是在正常运行期间向系统节点引入受控的小规模扰动，作为刺激促使系统重组、重新分配功能并减少隐藏依赖。随时间推移，系统学会通过多条路径运行，从而降低对任何单一节点或结构的依赖。其结果是韧性在危机之前发展，而非仅在扰动发生后进行临时适应。
SISOR方法具有多重优势：对网络可见性无要求，无需识别整个系统之系统中的所有节点或理解其关系即可生效；系统自适应性强，节点或子系统的变化无需对网络进行全新"再分析"；网络规模不会指数级复杂化或影响方法应用，相比与网络规模存在直接计算复杂度关系的传统计算模型更为高效。该方法在危机前阶段主动构建网络系统韧性，减少对仅靠事件响应驱动的适应的依赖。SISOR将韧性重新定义为持续演化的动态过程，利用复杂自适应系统的自组织、反馈、冗余形成和局部决策等自然行为，在冲突前建立生存能力。这种主动取向特别适合任务保障场景，其中基本服务的持续优先于效率或成本最小化。
研究通过随机布尔网络（random Boolean network，RBN）模拟和信息论计算对SISOR理论进行初步验证。结果表明，随时间应用SISOR方法可提高网络的退化性（degeneracy，即结构不同的元素执行相同功能或达成相同结果的能力），从而提升整体韧性。研究还发现，SISOR算法中创建新节点的概率（p值）与网络退化性的相对变化呈正相关，表明添加节点比单纯增加连接对改善网络退化性更为有效。在更互联的网络（K值从1增至2）中，所有迭代均平均增加每SISOR时间步的网络退化性，整体平均相对变化为0.27，验证了该方法对更互联网络的适用性。
三、关键技术方法
研究人员构建了基于Python 3.14的RBN模拟模型，导入networkx、matplotlib、numpy和scipy库。网络采用齐次随机拓扑，每个节点的输入连接数K从泊松分布中选取，节点被分配域名称（网络、物理或社会）和布尔状态。网络初始所有节点设为1，每个节点每时间步具有0.05的固有比特翻转概率以模拟非SISOR相关的随机系统错误。研究创建两个相同网络副本，ControlNetwork作为对照变量，SisorNetwork应用SISOR方法。退化性计算基于信息论，通过注入扰动（扰动概率设为0.25）和随机节点损伤（lesioning设为0.2）后计算互信息（mutual information，MI）和熵值，按退化性方程求和所有可能子集的MI值。SISOR后果算法模拟真实世界中C-CPSS对中断的自组织响应，每时间步根据SISOR频率公式标记节点进行SISOR中断，通过正态分布确定节点关键性，以sisorNewNodeProb变量控制生成新节点或新连接的概率。
四、研究结果
新节点概率敏感性实验：将sisorNewNodeProbability p值以0.1为步长迭代，k和n值分别设为1和10，损伤设为0.2，扰动设为0.25。每个p值运行十次模拟，每次八个SISOR时间步，每次退化性计算重复100次。结果显示，p=0.9数据中移除一个极端离群值后，平均整体相对变化基于九个序列计算。图3显示最终SISOR时间步后网络退化性相对变化与原网络相比呈总体正趋势线，相对变化值随p值增加近似相关。图4显示八个SISOR时间步之间的相对变化值平均值在所有p值下均一致高于0，且p值增加与相对变化值呈正相关。图5显示较高p值与较高平均R2值相关，表明p值越高，SISOR时间步数与退化性之间的关系越强。图6和图7的个体数据点可视化显示大多数模拟在SISOR处理后输出大于零的退化性分数，低于此值的离群值极少。
更互联网络验证实验：将网络平均互联度K值从1增至2，网络由十个节点组成，损伤设为0.2，p值为0.5，运行五个SISOR时间步，每次退化性计算重复50次。所有迭代均平均增加每SISOR时间步的网络退化性，整体平均相对变化为0.27，验证了该方法对更互联网络的适用性。
五、讨论与结论
讨论部分指出，研究结果为SISOR方法应用于RBN随时间提高整体退化性从而提升韧性提供了初步证据。相对变化值大于0表明网络退化性在增加，图3显示考虑系统起止状态时80%情况下为正，排除两个离群值；图4显示每次SISOR时间步均平均改善网络相对变化，所有结果均高于0。p值增加对网络退化性相对变化有正相关效应，表明添加节点比单纯增加连接对改善网络退化性更为有效。计算复杂性方面，内存和处理能力的限制限制了可生成和测试的RBN规模，增加平均K值导致许多模拟遭遇内存崩溃、程序崩溃和手动重置；Python默认仅使用一个CPU核心限制了处理能力；建议未来考虑多进程选项并至少128 GB可用内存。负退化性分数是小N和K值的后果，较小且连接较少的网络使样本中噪声更高；未来增加N和K值应减少负分数并平滑结果趋势。图4显示总体正线性趋势但每个R2值单独不可预测，小网络尺寸使其易受条件变化波动影响。SISOR后果算法存在局限性：仅限两种网络适应选项（添加新节点或新连接），且不受C-CPSS复杂自适应系统调节，适应可能无限持续；该算法应被解释为受约束的自组织，观察到的退化性变化反映概率假设与演化网络状态之间的交互。未来研究应涉及在应用型C-CPSS场景中应用该方法，以测量真实世界的网络、物理和社会复杂性动态。
结论部分翻译：应激诱导的自组织韧性（SISOR）提供了一种新颖的韧性方法，利用受控应激激活复杂网络物理社会系统中的自组织。SISOR并非试图预测和加固关键节点，而是鼓励系统在可控条件下揭示并重构自身的依赖模式。由此产生的韧性旨在成为涌现性和适应性的，在节点层面创造受控应激，而无需事先对节点关键性进行全局排序。本研究使用随机布尔网络和信息论计算提供证据，表明SISOR应用触发的网络适应在数量上改善了退化性指标，从而提供了这些C-CPSS中韧性的可测量评估。本研究将SISOR呈现为一种复杂性信息化的分布式网络韧性方法，旨在解决传统韧性方法的局限性，特别是其对完整网络可见性和关键节点事先识别的依赖。结果为该概念提供了初步支持；然而，其比较优势和跨运行环境的适用性需要进一步实证验证。通过将SISOR与任务保障框架整合，组织可以在扰动之前发展生存能力，而非依赖危机期间的反应性适应。该方法减少了对集中式分析的依赖，使韧性能够在系统状态和相互依赖无法完全映射的动态环境中构建。未来工作将涉及在实时基础设施环境中的操作部署、通过数字孪生模拟环境的验证，以及自动化SISOR频率校准模型的开发。在此背景下，SISOR有潜力形成一类新的自适应网络韧性实践的基础，此类实践认识到生存能力不是一次性工程化的，而是持续培育的。
