La capacidad que tiene una red para mantener su funcionamiento ininterrumpido frente a posibles ataques o fallos, es comúnmente conocida como resiliencia. Esta, se ha convertido en un tema esencial en el estudio de sistemas. Este estudio se enfoca en la evaluación de la resiliencia de redes heterogéneas con conexión preferencial mediante un enfoque de simulación. El modelo desarrollado involucra ataques a nodos de alta centralidad por intermediación, seguidos por la observación del proceso de recuperación de las redes afectadas.
El objetivo principal es estimar la proporción de redes que pueden resistir estos ataques y el tiempo necesario para la recuperación de las redes que no los resisten, utilizando la medida de modularidad como indicador clave. Los resultados bajo simulación apoyan la idea de que el tiempo de recuperación sigue una distribución geométrica. Además, se aplican pruebas estadísticas, como la de Kolmogorov-Smirnov, para evaluar la bondad de ajuste de la función de probabilidad dada por los tiempos de recuperación, y se llevan a cabo estimaciones de intervalos de confianza para la proporción de redes resistentes y el tiempo de recuperación.
The ability of a network to maintain its uninterrupted operation in the face of posible attacks or failures is commonly known as resilience. This has become an essential topic in the systems study. This work assesses the resilience of heterogeneous networks with preferential attachment, presenting a brief simulation study. The developing model involves attacks by deleting nodes with high betweenness centrality followed by recovery of damaged networks. With this, it is intended to estimate the proportion of networks resistant to attacks. The primary aim is to estimate the network’s proportion that can resist these attacks and thenecessary time for its recovery using modularity measure key indication. The results reveal that the recovery time follows a geometric distribution. Also, It applied statistical proofs, such as the Kolmogorov-Smirnov proof to assess the goodness fit and used confidence Interval estimations to the proportion of resistant networks and time recovery.
