随着网络化时代的发展,网络空间安全已经成为各国战略的制高点,网络靶场是攻防演练、技术测试、漏洞挖掘、培养网络安全人才的综合训练实验基地,如何在有限的物理资源上高效快速部署网络靶场成为了一个关键性的技术问题。不仅需要搭建靶场,由于需要仿真的现实网络规模巨大,更需要搭建大规模的靶场,但是传统的虚拟网络映射算法都是基于虚拟网络拓扑在小规模情形下的研究,无法直接解决大规模的虚拟网络映射问题,况且虚拟网络是多维的情形下,因此,本文提出的大规模多维虚拟网络映射算法在现实中具有重要的意义。对此,为了在有限的硬件资源条件下,高逼真仿真出现实网络,同时充分高效地利用物理资源,本文在研究了传统算法的演进过程中,发掘传统算法的优点,并找出其中的不足,同时结合大规模多维的问题模式,改进传统算法,提出了一种大规模多维融合的虚拟网络映射算法,多维就是虚拟网络中的节点存在多种类型,虚拟网络中节点的类型根据要仿真的节点在现实网络拓扑中的重要性来确定,目的是为了最大化利用底层物理资源的同时,又不失仿真性能,融合就是将虚拟节点逻辑整合,从而最大限度节约底层物理资源。本文算法通过对物理拓扑简化,并对虚拟拓扑进行图划分,从而进一步缩小问题的规模,减小了问题的复杂性,该算法不仅考虑了最大化收益比,而且考虑了负载均衡。算法以混合遗传算法为核心,同时结合真实物理拓扑的自身特点,最大化节约底层物理带宽资源,从而达到最大化收益比的目标;基于负载均衡的目标,以底层物理资源的利用率方差来衡量,在尽可能节约物理资源的前提下,考虑负载均衡,在负载均衡和最大化收益比之间做了折中。通过实验,分别与精确的算法和贪心的算法进行了实验对比,分别采用不同的虚拟网络规模,先验证了本方法的正确性,接着验证算法的性能指标,实验结果表明本方法在最大化收益比方面,优于精确的方法,且在大规模情况下,明显优于贪心的算法;在负载均衡方面,本算法在保证尽可能多的映射虚拟网络的情况下,考虑负载均衡,不仅能够保证算法虚拟网络映射的成功率,而且具有较高的收益比,在负载均衡和最大化收益比之间做了折中,本方法适合于底层物理资源是有限的情况。