Saltar a contenido

discrete.surgery

surgery

Módulo de Cirugía Topológica.

Implementa el motor de cicatrización de redes complejas (Paper II). Ejecuta podas asimétricas y aislamientos lógicos (Topological Pruning) de manera vectorizada, manipulando el grafo computacional de PyTorch directamente sobre sus índices dispersos (COO) para confinar el coste asintótico al subgrafo afectado.

Las operaciones expuestas son no destructivas: siempre retornan una nueva :class:~iobsolve.core.space.DiscreteTopology sin modificar la instancia original. El motor utiliza clonado lazy en matrices densas y operaciones de máscara booleana en matrices dispersas (COO), ambos en :math:\mathcal{O}(k_i) para topologías ralas.

Operaciones disponibles
  • :meth:TopologicalSurgeon.isolate_vertices — Extirpa un conjunto de vértices anulando todas sus aristas entrantes y salientes.
  • :meth:TopologicalSurgeon.prune_asymmetric_edges — Poda aristas direccionales específicas desde un nodo pivote hacia un subconjunto de nodos periféricos, manteniendo el resto de la conectividad intacto.
References

.. [1] Knuttzen, J. (2026). "Formalismo de Integridad de Bisagra Discreto". Sección 3.2: Cirugía Topológica y el Costo de Cicatrización.

TopologicalSurgeon

Motor de Cirugía Algorítmica Local.

Orquesta las modificaciones estructurales de la matriz de adyacencia dinámica :math:\mathcal{W}(t) en respuesta a colapsos detectados por el D-IOB. Todas las operaciones son no destructivas: retornan siempre una nueva instancia de :class:~iobsolve.core.space.DiscreteTopology.

Parameters:

Name Type Description Default
topology DiscreteTopology

La variedad discreta :math:\mathcal{G}(V, E) base que será sometida a intervención. Se realiza un clone() interno para evitar efectos laterales sobre la instancia original.

 required

Attributes:

Name Type Description
topology DiscreteTopology

Copia de trabajo interna de la topología. Inmutable desde fuera de la clase; cada operación de cirugía retorna una nueva instancia.

Examples:

Aislar el nodo central de una topología estrella ante un ataque DDoS:

>>> import torch
>>> from iobsolve.core.space import DiscreteTopology
>>> from iobsolve.discrete.surgery import TopologicalSurgeon
>>> N = 10
>>> adj = torch.zeros((N, N), dtype=torch.float64)
>>> adj[0, 1:] = 1.0; adj[1:, 0] = 1.0
>>> topo = DiscreteTopology(adjacency=adj)
>>> surgeon = TopologicalSurgeon(topology=topo)
>>> new_topo = surgeon.isolate_vertices(torch.tensor([0]))
>>> float(new_topo.adjacency[0].sum())
0.0
Source code in iobsolve/discrete/surgery.py 
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
class TopologicalSurgeon:
    r"""
    Motor de Cirugía Algorítmica Local.

    Orquesta las modificaciones estructurales de la matriz de adyacencia
    dinámica :math:`\mathcal{W}(t)` en respuesta a colapsos detectados por el
    D-IOB. Todas las operaciones son **no destructivas**: retornan siempre una
    nueva instancia de :class:`~iobsolve.core.space.DiscreteTopology`.

    Parameters
    ----------
    topology : DiscreteTopology
        La variedad discreta :math:`\mathcal{G}(V, E)` base que será sometida
        a intervención. Se realiza un ``clone()`` interno para evitar efectos
        laterales sobre la instancia original.

    Attributes
    ----------
    topology : DiscreteTopology
        Copia de trabajo interna de la topología. Inmutable desde fuera de la
        clase; cada operación de cirugía retorna una nueva instancia.

    Examples
    --------
    Aislar el nodo central de una topología estrella ante un ataque DDoS:

    >>> import torch
    >>> from iobsolve.core.space import DiscreteTopology
    >>> from iobsolve.discrete.surgery import TopologicalSurgeon
    >>> N = 10
    >>> adj = torch.zeros((N, N), dtype=torch.float64)
    >>> adj[0, 1:] = 1.0; adj[1:, 0] = 1.0
    >>> topo = DiscreteTopology(adjacency=adj)
    >>> surgeon = TopologicalSurgeon(topology=topo)
    >>> new_topo = surgeon.isolate_vertices(torch.tensor([0]))
    >>> float(new_topo.adjacency[0].sum())
    0.0
    """

    def __init__(self, topology: DiscreteTopology) -> None:
        self.topology = DiscreteTopology(adjacency=topology.adjacency.clone())

    def isolate_vertices(
        self, singular_indices: torch.Tensor
    ) -> DiscreteTopology:
        r"""
        Ejecuta la extirpación topológica de los vértices anómalos.

        Fuerza analíticamente :math:`w_{ij}(t^+) = 0` para todo
        :math:`j \in \mathcal{N}(i)`, desconectando completamente a la
        singularidad del resto de la malla (aislamiento completo de fila y
        columna en la matriz de adyacencia).

        Parameters
        ----------
        singular_indices : torch.Tensor
            Vector de índices (1-D, ``dtype=torch.int64`` o similar) de los
            vértices catalogados como anómalos. Si está vacío, la topología
            se retorna sin modificaciones.

        Returns
        -------
        DiscreteTopology
            Nueva variedad topológica con la cicatrización efectuada.

        Complexity
        ----------
        :math:`\mathcal{O}(k_i)` en matrices dispersas (Sparse COO), ya que
        aplica máscaras booleanas exclusivamente sobre las coordenadas activas,
        evitando una iteración densa sobre :math:`V^2`.
        :math:`\mathcal{O}(|V|^2)` en matrices densas (coste del slicing
        ``adj[indices, :] = 0``).

        Notes
        -----
        En formato denso, la operación es un slice-assign en fila y columna.
        En formato Sparse COO, se aplica una máscara booleana sobre
        ``adj.indices()`` filtrando todas las aristas donde aparezca algún
        índice singular como fuente o destino.
        """
        if singular_indices.numel() == 0:
            return self.topology

        adjacency = self.topology.adjacency
        indices_to_isolate = singular_indices.flatten()

        if not adjacency.is_sparse:
            new_adjacency = adjacency.clone()
            new_adjacency[indices_to_isolate, :] = 0
            new_adjacency[:, indices_to_isolate] = 0
            return DiscreteTopology(adjacency=new_adjacency)

        # --- Formato Sparse COO ---
        adj_coo = (
            adjacency.to_sparse_coo()
            if adjacency.layout != torch.sparse_coo
            else adjacency
        )
        edge_coords = adj_coo.indices()
        edge_weights = adj_coo.values()

        mask_source = ~torch.isin(edge_coords[0], indices_to_isolate)
        mask_target = ~torch.isin(edge_coords[1], indices_to_isolate)
        valid_edges_mask = mask_source & mask_target

        new_indices = edge_coords[:, valid_edges_mask]
        new_values = edge_weights[valid_edges_mask]

        new_sparse_adj = _sparse_coo(
            new_indices,
            new_values,
            size=adj_coo.size(),
            device=adj_coo.device,
        ).coalesce()

        return DiscreteTopology(adjacency=new_sparse_adj)

    def prune_asymmetric_edges(
        self,
        source_index: int,
        target_indices: torch.Tensor,
    ) -> DiscreteTopology:
        r"""
        Poda aristas direccionales específicas sin aislar el nodo pivote.

        Útil para mitigar vectores de estrés asimétricos (p.ej., ataques DDoS
        selectivos) manteniendo intacto el servicio legítimo periférico del
        nodo comprometido.

        La operación anula las aristas :math:`(s, t_j)` y :math:`(t_j, s)`
        para todo :math:`t_j \in \texttt{target\_indices}`, pero preserva
        las conexiones de :math:`s` con el resto de la vecindad.

        Parameters
        ----------
        source_index : int
            Índice del nodo central o pivote (*server*).
        target_indices : torch.Tensor
            Índices de los nodos periféricos (*clients*) cuya conexión será
            podada (corte bidireccional).

        Returns
        -------
        DiscreteTopology
            La variedad resultante de la poda selectiva.

        Complexity
        ----------
        :math:`\mathcal{O}(k_s)` en matrices dispersas, donde :math:`k_s` es
        el grado del nodo fuente. :math:`\mathcal{O}(|E|)` en el peor caso
        densamente conectado.
        """
        adjacency = self.topology.adjacency

        if not adjacency.is_sparse:
            new_adjacency = adjacency.clone()
            new_adjacency[source_index, target_indices] = 0
            new_adjacency[target_indices, source_index] = 0
            return DiscreteTopology(adjacency=new_adjacency)

        # --- Formato Sparse COO ---
        adj_coo = (
            adjacency.to_sparse_coo()
            if adjacency.layout != torch.sparse_coo
            else adjacency
        )
        edge_coords = adj_coo.indices()
        edge_weights = adj_coo.values()

        is_forward_cut = (edge_coords[0] == source_index) & torch.isin(
            edge_coords[1], target_indices
        )
        is_backward_cut = (edge_coords[1] == source_index) & torch.isin(
            edge_coords[0], target_indices
        )
        valid_edges_mask = ~(is_forward_cut | is_backward_cut)

        new_indices = edge_coords[:, valid_edges_mask]
        new_values = edge_weights[valid_edges_mask]

        new_sparse_adj = _sparse_coo(
            new_indices,
            new_values,
            size=adj_coo.size(),
            device=adj_coo.device,
        ).coalesce()

        return DiscreteTopology(adjacency=new_sparse_adj)

isolate_vertices 

isolate_vertices(
    singular_indices: Tensor,
) -> DiscreteTopology

Ejecuta la extirpación topológica de los vértices anómalos.

Fuerza analíticamente :math:w_{ij}(t^+) = 0 para todo :math:j \in \mathcal{N}(i), desconectando completamente a la singularidad del resto de la malla (aislamiento completo de fila y columna en la matriz de adyacencia).

Parameters:

Name Type Description Default
singular_indices Tensor

Vector de índices (1-D, dtype=torch.int64 o similar) de los vértices catalogados como anómalos. Si está vacío, la topología se retorna sin modificaciones.

 required

Returns:

Type Description
DiscreteTopology

Nueva variedad topológica con la cicatrización efectuada.
Complexity

:math:\mathcal{O}(k_i) en matrices dispersas (Sparse COO), ya que aplica máscaras booleanas exclusivamente sobre las coordenadas activas, evitando una iteración densa sobre :math:V^2. :math:\mathcal{O}(|V|^2) en matrices densas (coste del slicing adj[indices, :] = 0).

Notes

En formato denso, la operación es un slice-assign en fila y columna. En formato Sparse COO, se aplica una máscara booleana sobre adj.indices() filtrando todas las aristas donde aparezca algún índice singular como fuente o destino.

Source code in iobsolve/discrete/surgery.py 
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
def isolate_vertices(
    self, singular_indices: torch.Tensor
) -> DiscreteTopology:
    r"""
    Ejecuta la extirpación topológica de los vértices anómalos.

    Fuerza analíticamente :math:`w_{ij}(t^+) = 0` para todo
    :math:`j \in \mathcal{N}(i)`, desconectando completamente a la
    singularidad del resto de la malla (aislamiento completo de fila y
    columna en la matriz de adyacencia).

    Parameters
    ----------
    singular_indices : torch.Tensor
        Vector de índices (1-D, ``dtype=torch.int64`` o similar) de los
        vértices catalogados como anómalos. Si está vacío, la topología
        se retorna sin modificaciones.

    Returns
    -------
    DiscreteTopology
        Nueva variedad topológica con la cicatrización efectuada.

    Complexity
    ----------
    :math:`\mathcal{O}(k_i)` en matrices dispersas (Sparse COO), ya que
    aplica máscaras booleanas exclusivamente sobre las coordenadas activas,
    evitando una iteración densa sobre :math:`V^2`.
    :math:`\mathcal{O}(|V|^2)` en matrices densas (coste del slicing
    ``adj[indices, :] = 0``).

    Notes
    -----
    En formato denso, la operación es un slice-assign en fila y columna.
    En formato Sparse COO, se aplica una máscara booleana sobre
    ``adj.indices()`` filtrando todas las aristas donde aparezca algún
    índice singular como fuente o destino.
    """
    if singular_indices.numel() == 0:
        return self.topology

    adjacency = self.topology.adjacency
    indices_to_isolate = singular_indices.flatten()

    if not adjacency.is_sparse:
        new_adjacency = adjacency.clone()
        new_adjacency[indices_to_isolate, :] = 0
        new_adjacency[:, indices_to_isolate] = 0
        return DiscreteTopology(adjacency=new_adjacency)

    # --- Formato Sparse COO ---
    adj_coo = (
        adjacency.to_sparse_coo()
        if adjacency.layout != torch.sparse_coo
        else adjacency
    )
    edge_coords = adj_coo.indices()
    edge_weights = adj_coo.values()

    mask_source = ~torch.isin(edge_coords[0], indices_to_isolate)
    mask_target = ~torch.isin(edge_coords[1], indices_to_isolate)
    valid_edges_mask = mask_source & mask_target

    new_indices = edge_coords[:, valid_edges_mask]
    new_values = edge_weights[valid_edges_mask]

    new_sparse_adj = _sparse_coo(
        new_indices,
        new_values,
        size=adj_coo.size(),
        device=adj_coo.device,
    ).coalesce()

    return DiscreteTopology(adjacency=new_sparse_adj)

prune_asymmetric_edges 

prune_asymmetric_edges(
    source_index: int, target_indices: Tensor
) -> DiscreteTopology

Poda aristas direccionales específicas sin aislar el nodo pivote.

Útil para mitigar vectores de estrés asimétricos (p.ej., ataques DDoS selectivos) manteniendo intacto el servicio legítimo periférico del nodo comprometido.

La operación anula las aristas :math:(s, t_j) y :math:(t_j, s) para todo :math:t_j \in \texttt{target\_indices}, pero preserva las conexiones de :math:s con el resto de la vecindad.

Parameters:

Name Type Description Default
source_index int

Índice del nodo central o pivote (server).

 required
target_indices Tensor

Índices de los nodos periféricos (clients) cuya conexión será podada (corte bidireccional).

 required

Returns:

Type Description
DiscreteTopology

La variedad resultante de la poda selectiva.
Complexity

:math:\mathcal{O}(k_s) en matrices dispersas, donde :math:k_s es el grado del nodo fuente. :math:\mathcal{O}(|E|) en el peor caso densamente conectado.

Source code in iobsolve/discrete/surgery.py 
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
def prune_asymmetric_edges(
    self,
    source_index: int,
    target_indices: torch.Tensor,
) -> DiscreteTopology:
    r"""
    Poda aristas direccionales específicas sin aislar el nodo pivote.

    Útil para mitigar vectores de estrés asimétricos (p.ej., ataques DDoS
    selectivos) manteniendo intacto el servicio legítimo periférico del
    nodo comprometido.

    La operación anula las aristas :math:`(s, t_j)` y :math:`(t_j, s)`
    para todo :math:`t_j \in \texttt{target\_indices}`, pero preserva
    las conexiones de :math:`s` con el resto de la vecindad.

    Parameters
    ----------
    source_index : int
        Índice del nodo central o pivote (*server*).
    target_indices : torch.Tensor
        Índices de los nodos periféricos (*clients*) cuya conexión será
        podada (corte bidireccional).

    Returns
    -------
    DiscreteTopology
        La variedad resultante de la poda selectiva.

    Complexity
    ----------
    :math:`\mathcal{O}(k_s)` en matrices dispersas, donde :math:`k_s` es
    el grado del nodo fuente. :math:`\mathcal{O}(|E|)` en el peor caso
    densamente conectado.
    """
    adjacency = self.topology.adjacency

    if not adjacency.is_sparse:
        new_adjacency = adjacency.clone()
        new_adjacency[source_index, target_indices] = 0
        new_adjacency[target_indices, source_index] = 0
        return DiscreteTopology(adjacency=new_adjacency)

    # --- Formato Sparse COO ---
    adj_coo = (
        adjacency.to_sparse_coo()
        if adjacency.layout != torch.sparse_coo
        else adjacency
    )
    edge_coords = adj_coo.indices()
    edge_weights = adj_coo.values()

    is_forward_cut = (edge_coords[0] == source_index) & torch.isin(
        edge_coords[1], target_indices
    )
    is_backward_cut = (edge_coords[1] == source_index) & torch.isin(
        edge_coords[0], target_indices
    )
    valid_edges_mask = ~(is_forward_cut | is_backward_cut)

    new_indices = edge_coords[:, valid_edges_mask]
    new_values = edge_weights[valid_edges_mask]

    new_sparse_adj = _sparse_coo(
        new_indices,
        new_values,
        size=adj_coo.size(),
        device=adj_coo.device,
    ).coalesce()

    return DiscreteTopology(adjacency=new_sparse_adj)