探讨基于模糊数学的网络服务态势评估方法

　　摘 要： 随着互联网技术水平的逐渐提升，网络环境的复杂程度也越来越高。此时通过对网络服务态势进行评估，可有效帮助人们判断当前网络服务形势，并提前预判其中可能存在的安全问题，有利于全面提升网络服务质量与网络安全性。为此，文章将从简单说明网络态势评估的基本内涵入手，在构建网络态势评估指标体系的基础上，针对基于模糊数学的网络服务态势评估方法进行简要分析研究。

　　关键词： 模糊数学;网络服务;态势评估

　　推荐阅读：《软件工程师》(原名《软件工程师》)创刊于1998年，邮发代码：8-198,由东北大学、计算机软件国家工程研究中心主办，国家级，月刊，大16开本，全国发行。

　　0 引言

　　在模數数学[1]思想当中，其重点对不确定性事物进行研究。而由于网络服务态势也存在一定模糊性和不确定性，各项网络服务态势评估指标并非固定不变，因此可有效引入模数数学的概念进行网络服务态势评估。通过采用基于模糊数学的网络服务态势评估[2]方法，可以在准确评估网络服务态势情况的同时为相关决策提供重要参考依据。

　　1 网络态势评估的基本内涵

　　在网络态势感知当中，网络态势评估占据着毋庸置疑的核心地位。所谓的网络态势评估指的就是基于大规模网络[3]环境中，于level1初步处理融合获取的所有网络监测数据后，依照领域知识与历史数据，通过灵活运用相应的数据工具或数学模型，在分析推理的基础上合理解释目前网络具体运行状态。简单来说，网络态势评估即为态势因子集合到态势空间的映射。其中态势因子指的就是改变网络态势的各项因素，其作为监测指标子集。通过积极开展网络态势评估，不仅有助于相关人员精准掌握网络当前运行情况，同时对提前预估网络中的潜在风险并制定出有效的应急预案也具有积极作用。考虑到网络数据信息种类繁多、数据量和信息量相对较大，因此在对网络态势评估时需要一种具有较高信息处理性能和良好学习能力与特征选择能力的评估方法，通过快速从若干网络数据中选取具有典型特征的评估数据建立起相应的评估规则集合，由此高效实现网络服务态势评估。

　　2 构建网络服务态势指标体系

　　2.1 确定一级指标

　　在进行网络服务[4]态势评估之前，首先需要建立起规范完善的网络服务态势指标体系。通过结合相关研究资料，本文在选择使用Load Runner测试工具快速获取各类网络数据的基础上，选择将服务请求方与提供方、网络链路作为网络服务态势评估指标体系当中的一级指标。考虑到网络的存在目的即为用户提供服务，因此将网络服务请求方设定为一级指标，通过对其服务好坏进行有效评估，有助于相关人员掌握整体网络服务质量水平。而在现阶段的网络服务系统当中，由若干不同种类的服务器等设备共同组成的网络服务提供方占据着核心地位，网络服务提供方的存在是网络实现其为用户提供服务这一功能的根本前提。因此对网络服务提供方的各项重要参数进行合理选取与深入分析，有助于客观评估整体网络服务态势。各项信息数据在网络中传输时通常需要经过相应的链路，而一旦网络链路有所改变，势必会对网络服务质量[5]-[6]产生直接影响。当网络链路状态不理想时，极有可能使得网络出现拥堵、断线等情况。

　　2.2 确定二级指标

　　在明确网络服务提供方和请求方、网络链路方作为网络服务态势评估指标体系的一级指标后，根据各一级指标的实际情况需要以此下设相应的各二级指标，由此构建起完整的网络服务态势评估指标体系。在网络服务请求方中，影响网络服务质量的参数主要包括请求与服务请求的响应时间、带宽占有率和每秒下载页数等，如服务请求响应时间越短，代表用户等待时间越短，此时网络服务质量相对较好。因此将其作为网络请求方指标的二级指标，有助于立足网络请求方评估网络服务态势。而在服务提供方中，设计其二级指标包括CPU和物理磁盘利用率、内存占用率与平均事务响应时间等。以内存占用率为例，一般当内存占用率不超过80%时，服务器可正常提供相应服务，但如果内存占用率过高如占用率至少为90%，此时系统性能将会受到限制，出现用户等待时间过长等情况，进而对网络服务质量产生不利影响。网络链路指标下的二级评估指标主要包括吞吐率、丢包率和平均往返时延。如通过根据服务器吞吐量可对网络用户产生的负载量进行准确评估，吞吐率也能够在一定程度上客观反映出服务器流量处理能力。一般情况下，当网络中并发用户数较多时，吞吐率曲线呈现出先上升随后逐渐平稳的变化趋势，则表明此时服务器极有可能存在瓶頸。而丢包率为网络链路传输当中在发送方总发送数据包中丢弃数据包的占比。当网络链路状态较好时，局域网中网络丢包率极小，而当监测发现丢包率较大时，则表明此时网络面临过重负载，网络可能出现拥堵现象。

　　3 基于模糊数学的网络服务态势评估分析

　　3.1 算法流程

　　在本文设计的建立在模糊数学的网络服务态势评估算法中[7-8]，在利用Load Runner测试工具快速获取服务提供方与请求方参数以及各网络链路方参数，并对数据进行预处理后，分别运用模糊数学的概念对这三个指标进行评估。根据获取的具体评估结果，及其对应指标在网络服务中的重要性，进行权重分配。在此基础上运用D-S证据合成理论将服务提供方与请求方、网络链路方的评估结果进行合成获得最终的评估结果，即可有效完成网络服务态势的客观、全面评估。

　　3.2 评估流程

　　(1)确定隶属度函数

　　在基于模糊数学的网络服务态势评估当中，首先需要根据各类网络态势指标确定隶属度函数[9]。为有效判断网络服务质量情况，本文选择按照从最好到最差的顺序依次将网络服务态势分为5个级别，即第一级别代表网络服务态势最好，其次为第二、第三和第四级别，第五级别代表网络服务态势最差。隶属度指的就是在某一时刻下网络服务态势所属具体级别，随着隶属度值的不断增大，代表其有较大可能隶属于本级别。在计算隶属度时需要运用如下公式：

　　在这一公式当中，Li与Li+1分别代表着第i级别与第i+1级别的标准值，一般情况下，当网络服务态势属于第一级别时，请求响应时间不超过0.5 s。当网络服务态势属于第二级别时，请求响应时间不超过3 s，当网络服务态势属于第三、第四级别时，请求响应时间将分别控制在5 s和10 s以内，而如果网络服务态势属于第五级别，此时请求响应时间将至少为10 s。

　　(2)建立相关模糊矩阵

　　在完成隶属度函数的确定之后，基于模糊数学的网络服务态势评估需要进入到建立模糊矩阵的环节。此时可以分别用U和V代表各项单项指标与网络服务态势分级的集合，当评估对象为网络服务请求方时，则在集合U中子集主要包括服务请求响应时间、带宽占有率、每秒下载页数等。集合V中包括第一级别到第五级别。对于每个各项单项指标集合，如果用x表示该集合中各指标实测值，则通过利用隶属度函数可以计算出第一级别到第五级别网络服务态势隶属度，由此计算得到如下所示的模糊评判矩阵R：

　　在这一模糊评判矩阵当中，第i个指标对第j级网络态势的隶属度用aij进行表示。

　　(3)确定各参数权重

　　当完成网络服务态势模糊评判矩阵[10]的建立之后，需要对每一项指标的权重进行有效明确。在本文设计的基于模糊数学的网络服务态势评估算法当中，认为如果某一指标对网络服务态势所处级别进行判定时会产生较大负向影响，则该指标也具有较大权重。假设在分级指标当中，网络服务态势从第一级别逐渐增大至第五级别，则在计算各指标的参数权重时应当使用如下公式：

　　在这一公式当中，对于第i种网络服务态势指标，其实际值与中间级别数值分别用与进行表示，而每一个指标分级标准当中的最大值和最小值则分别用Cmax与Cmin进行表示。本文所计算的各指标参数权重取值范围在0到10之间，如果计算得到的权重数超过10，则统一将其设定为10。

　　假设在分级指标当中，网络服务态势从第五级别逐渐减小至第一级别，则在计算各指标的参数权重wi时需要使用的公式如下：

　　值得注意的是，此时计算得到的各指标权重属于一种相对权重，为方便后续进行比较分析，还需对其进行归一化处理，即令每一项指标的权重相加后总和为1，此时权重计算公式如下：

　　(4)复合运算与判别

　　通过利用归一化处理后的权重计算公式，对各指标权重进行准确计算并由此建立起新的权重矩阵A后，需要将其与之前建立的模糊矩阵R进行复合运算，其计算公式如下：

　　在归一化处理计算得到的复合运算结果后，此时该计算结果即为最终网络服务态势评估级别隶属度。而通过根据权重矩阵A与模糊矩阵R进行复合运算，计算出最大模糊级别隶属度后，与之相对应的级别便是当前网络服务态势所处级别。

　　4 结论

　　总而言之，通过分别从网络服务提供方与服务方、网络链路方入手建立起相应的网络服务态势评估指标体系，将评估网络服务态势转化成一种决策过程，并将模糊数学概念引入其中对网络服务态势所处具体级别进行决策判断，可以有效帮助人们精准掌握当前网络服务态势等级水平与网络服务质量情况。加之该种评估方法具有良好的适用性、计算量小等优势，因此可有效满足网络服务态势评估需求，具有较高的应用价值。

　　参考文献

　　[1]Zadeh L. A， Fuzzy sets[J]. Information and control， 1965， 8(3)： 338-353.

　　[2]卓莹， 何明， 龚正虎. 网络态势评估的粗集分析模型[J]. 计算机工程与科学， 2012， 34(3)： 1-5.

　　[3]古润南， 艾中良. 基于LOD控制与内外存调度的大规模网络态势数据节点处理算法[J]. 软件， 2016， 37(3)： 89-93.

　　[4]袁士君， 艾中良， 李喻. 基于用户需求特征的Web服务动态组合方法研究[J]. 软件， 2015， 36(3)： 69-74.

　　[5]黄堃. 基于计算机网络技术的计算机网络信息安全及其防护策略分析[J]. 软件， 2018， 39(6)： 139-141.

　　[6]王卫华. 网络安全态势评估模型研究[J]. 青岛远洋船员职业学院学报， 2017， 38(01)： 28-31.

　　[7]贾俊芳， 王秀义， 郑建新. 基于模糊集的兴趣发现新方法[J]. 软件， 2016， 37(3)： 04-08.

　　[8]王晓凤. 模糊聚类在网络运行态势感知中的应用研究[D].电子科技大学， 2018.

　　[9]马钊. 基于模糊综合评判的认知无线电系统安全态势评估方法研究[D]. 中国地质大学， 2017.

　　[10]Wang S， Zheng Z， Wu Z， Lyu M， Yang F. Reputation Measurement and Malicious Feedback Rating Prevention in Web Service Recommendation Systems. IEEE Transactions on Services Computing， 2015， 8(5)： 755-767.

期刊VIP网，您身边的高端学术顾问

文章名称： 探讨基于模糊数学的网络服务态势评估方法

文章地址： http://www.qikanvip.com/ruanjiankaifa/50046.html