基于自适应级联陷波的网络异常节点定位方法

来源:期刊VIP网所属分类:计算机网络发布时间:2020-04-16浏览:

  摘要:针对传统方法在信噪比高的网络环境中对异常节点定位精准度低的问题,提出基于自适应级联陷波的网络异常节点定位方法。运用SQL分析算法对网络节点的通信协议和信道的分析,构建网络异常节点数据提取模型,完成网络异常节点提取工作;通过聚类理论确定异常节点与邻近节点的皮尔森相关性系数,并利用评估函数计算出异常节点属性特征;结合陷波器和自适应级联陷波算法实现对网络异常节点的定位。经实验证明,基于自适应级联陷波的网络异常节点定位方法具有较高的精准度。

  关键词:自适应级联陷波;SQL分析算法;聚类理论;皮尔森相关性系数;陷波器

网络传播

  《网络传播》(月刊)创刊于2004年,由中国外文局对外传播中心主办。以报道网络传播新闻动态、宣传党和国家的互联网方针政策,总结引导网上舆论的经验,研究网络传播规律为主要内容,是为互联网管理及从业人员提供政策支持、信息服务和理论依据的专业性期刊。

  自适应级联陷波是一种检测异常和非异常网络节点技术,由于该项技术具有很强的滤波和适应能力,并且算法简单易实现,所以常用于对异常信息检测定位中。随着网络环境逐渐变得复杂、多样,同时网络信噪也逐渐提高,这对网络异常节点定位增加了难度,传统的方法已经无法满足对异常节点定位的需求,所以提出将自适应级联陷波应用到网络异常节点定位中,提高对网络异常节点定位的精准度。

  1 基于自适应级联陷波的网络异常节点定位方法

  1.1 构建网络异常節点数据提取模型

  为了实现对网络的异常节点定位,需提取网络中存在的异常节点数据,此次选择通过构建模型的方式完成对网络异常节点数据的提取。网络异常节点数据提取模型在构建是对网络协议和节点信道的合理分析实现的[1]。由于网络的结构大多都是复杂多样的,所以节点数据在传输过程中承载着不同的网络协议和网络信道,控制节点数据流通的网络协议有随机访问协议、资源调度协议、信道划分协议三种,这三种网络协议直接影响构建的模型的属性分类,分别是资源类、属性类和功能类,此次选用SQL分析算法对网络协议进行设计分析,实现模型的异常节点数据提取目的,模型构建如下:

  在网络环境中,节点数据是通过数据库储存实现资源分配的,大量的节点数据在不断传输分配过程中难免会遭受到网络不良环境因素的影响成为异常节点数据,而此时网络局部节点数据链为:

  公式⑴中,CB表示网络局部环境中节点数据的数量,i表示在网络协议执行中的节点数据数量,CBT表示网络局部节点数据通信信道,T表示网络局部通信通道数量[2]。当网络节点接收到数据的功率N=n时,系统中央处理器会对网络节点数据进行处理;当n=1,…,n-1时,在计算完网络局部节点数据链之后,运用SQL分析算法计算出网络节点数据平均吞吐量,其计算公式如下:

  公式⑵中,y为网络节点数据平均吞吐量,k表示在通信范围内的网络节点,n是节点k的接收功率,u表示节点数据数量[3]。假设在网络中所有的异常节点数据所占的比例为a,则网络路径损耗因子为:

  公式⑶中,Zk表示第k个数据在当前网络结构通信中所需要的路线长度盘代表的是网络中损坏的路径。

  通过以上SQL分析算法对网络节点数据分析过程实现对网络异常节点数据提取模型建立,在此模型中实现对异常节点数据的釆集,为后续的异常节点定位提供理论依据。

  1.2 解析网络异常节点数据属性

  在上文提取到的网络异常节点数据基础上,需要对网络异常节点数据进行进一步的深入解析,了解网络中异常节点的属性特征,从而实现对异常节点的定位。此次从网络异常节点数据提取模型的釆样数据近似值出发,以聚类理论为解析理论指导,确定节点数据异常系数,然后根据RSSI向量近似值找到异常节点的附近节点,通过皮尔森相关性系数在自我确定阶段中的异常节点的判断,确定网络异常节点数据的属性特征[4]。

  假设,H为时刻r时网络节点k到节点j之间接收到的异常节点数据,则网络节点k到节点j之间在r时刻滑动窗口数据为:

  公式(4)中,?t表示在时刻r一共存在的节点数据数量。假设O点为H的中心节点数据,网络中中心点O到R(r)的距离为L,以此组建异常节点评分函数?(x),对提取到的异常节点进行异常程度的评估,并且将异常节点最小评估误差作为函数?(x)的目标函数,将评估分数最大的异常节点给予删除,如果删除该异常节点后评估误差能够有所减小,则说明该异常节点与评估结果相符,以下是函数?(x)的公式表达:

  公式(5)中,dH(m),H(n)代表节点m到节点n之间的距离,Em而代表网络节点距离判定阀值,dHO代表异常节点数据丑到网络节点中心O的距离,median代表网络节点异常程度叫由于在网络环境中各个节点的所处环境具有一定的差异性,所以将待定位的网络异常节点到临近节点的滑动窗口信号强度参数作为带定位节点的异常属性特征。假设在r时刻待定位的异常节点n的属性特征为Sn,Sm为n的临近节点m的属性特征,则的属性特征为:

  在公式(6)中,∑R(r)为节点n到滑动数据窗口的信号强度,同理结算出Sm然后运用皮尔森相关性系数来分析异常节点n与节点m的属性不同,以下是异常节点n与邻近节点m的皮尔森相关系数计算公式:

  公式⑺中,E(Sn-Sm)表示节点n与节点属性差均值,?Sn·?Sm代表节点n与节点m空间相差程度,由此得出网络异常节点的属性特征。

  1.3 提出自适应级联陷波定位网络异常节点

  由于网络环境中存在加强的信噪,为了减小网络信噪对异常节点定位的影响,此次釆用自适应级联陷波实现异常节点的定位,自适应级联陷波算法具有能够自动滤波的优点,它是包含陷波器与自适应级联陷波算法于一体的定位技术,同时为了提高异常节点定位的准确性,在应用算法进行节点定位时需要将陷波器重新进行设计,从而实现自适应级联陷波算法的最优定位[6]。下图为自适应级联陷波结构设计。1 [2] 存入我的阅览室

期刊VIP网,您身边的高端学术顾问

文章名称: 基于自适应级联陷波的网络异常节点定位方法

文章地址: http://www.qikanvip.com/jisuanjiwangluo/51257.html