基于自適應(yīng)級(jí)聯(lián)陷波的網(wǎng)絡(luò)異常節(jié)點(diǎn)定位方法

張?zhí)?/p>

摘要：針對傳統(tǒng)方法在信噪比高的網(wǎng)絡(luò)環(huán)境中對異常節(jié)點(diǎn)定位精準(zhǔn)度低的問題，提出基于自適應(yīng)級(jí)聯(lián)陷波的網(wǎng)絡(luò)異常節(jié)點(diǎn)定位方法。運(yùn)用SQL分析算法對網(wǎng)絡(luò)節(jié)點(diǎn)的通信協(xié)議和信道的分析，構(gòu)建網(wǎng)絡(luò)異常節(jié)點(diǎn)數(shù)據(jù)提取模型，完成網(wǎng)絡(luò)異常節(jié)點(diǎn)提取工作;通過聚類理論確定異常節(jié)點(diǎn)與鄰近節(jié)點(diǎn)的皮爾森相關(guān)性系數(shù)，并利用評估函數(shù)計(jì)算出異常節(jié)點(diǎn)屬性特征;結(jié)合陷波器和自適應(yīng)級(jí)聯(lián)陷波算法實(shí)現(xiàn)對網(wǎng)絡(luò)異常節(jié)點(diǎn)的定位。經(jīng)實(shí)驗(yàn)證明，基于自適應(yīng)級(jí)聯(lián)陷波的網(wǎng)絡(luò)異常節(jié)點(diǎn)定位方法具有較高的精準(zhǔn)度。

關(guān)鍵詞：自適應(yīng)級(jí)聯(lián)陷波;SQL分析算法;聚類理論;皮爾森相關(guān)性系數(shù);陷波器

中圖分類號(hào)：TP273

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）04-0026-02

自適應(yīng)級(jí)聯(lián)陷波是一種檢測異常和非異常網(wǎng)絡(luò)節(jié)點(diǎn)技術(shù)，由于該項(xiàng)技術(shù)具有很強(qiáng)的濾波和適應(yīng)能力，并且算法簡單易實(shí)現(xiàn)，所以常用于對異常信息檢測定位中。隨著網(wǎng)絡(luò)環(huán)境逐漸變得復(fù)雜、多樣，同時(shí)網(wǎng)絡(luò)信噪也逐漸提高，這對網(wǎng)絡(luò)異常節(jié)點(diǎn)定位增加了難度，傳統(tǒng)的方法已經(jīng)無法滿足對異常節(jié)點(diǎn)定位的需求，所以提出將自適應(yīng)級(jí)聯(lián)陷波應(yīng)用到網(wǎng)絡(luò)異常節(jié)點(diǎn)定位中，提高對網(wǎng)絡(luò)異常節(jié)點(diǎn)定位的精準(zhǔn)度。

1?基于自適應(yīng)級(jí)聯(lián)陷波的網(wǎng)絡(luò)異常節(jié)點(diǎn)定位方法

1.1?構(gòu)建網(wǎng)絡(luò)異常節(jié)點(diǎn)數(shù)據(jù)提取模型

為了實(shí)現(xiàn)對網(wǎng)絡(luò)的異常節(jié)點(diǎn)定位，需提取網(wǎng)絡(luò)中存在的異常節(jié)點(diǎn)數(shù)據(jù)，此次選擇通過構(gòu)建模型的方式完成對網(wǎng)絡(luò)異常節(jié)點(diǎn)數(shù)據(jù)的提取。網(wǎng)絡(luò)異常節(jié)點(diǎn)數(shù)據(jù)提取模型在構(gòu)建是對網(wǎng)絡(luò)協(xié)議和節(jié)點(diǎn)信道的合理分析實(shí)現(xiàn)的[1]。由于網(wǎng)絡(luò)的結(jié)構(gòu)大多都是復(fù)雜多樣的，所以節(jié)點(diǎn)數(shù)據(jù)在傳輸過程中承載著不同的網(wǎng)絡(luò)協(xié)議和網(wǎng)絡(luò)信道，控制節(jié)點(diǎn)數(shù)據(jù)流通的網(wǎng)絡(luò)協(xié)議有隨機(jī)訪問協(xié)議、資源調(diào)度協(xié)議、信道劃分協(xié)議三種，這三種網(wǎng)絡(luò)協(xié)議直接影響構(gòu)建的模型的屬性分類，分別是資源類、屬性類和功能類，此次選用SQL分析算法對網(wǎng)絡(luò)協(xié)議進(jìn)行設(shè)計(jì)分析，實(shí)現(xiàn)模型的異常節(jié)點(diǎn)數(shù)據(jù)提取目的，模型構(gòu)建如下：

在網(wǎng)絡(luò)環(huán)境中，節(jié)點(diǎn)數(shù)據(jù)是通過數(shù)據(jù)庫儲(chǔ)存實(shí)現(xiàn)資源分配的，大量的節(jié)點(diǎn)數(shù)據(jù)在不斷傳輸分配過程中難免會(huì)遭受到網(wǎng)絡(luò)不良環(huán)境因素的影響成為異常節(jié)點(diǎn)數(shù)據(jù)，而此時(shí)網(wǎng)絡(luò)局部節(jié)點(diǎn)數(shù)據(jù)鏈為：

公式⑴中，CB表示網(wǎng)絡(luò)局部環(huán)境中節(jié)點(diǎn)數(shù)據(jù)的數(shù)量，i表示在網(wǎng)絡(luò)協(xié)議執(zhí)行中的節(jié)點(diǎn)數(shù)據(jù)數(shù)量，CBT表示網(wǎng)絡(luò)局部節(jié)點(diǎn)數(shù)據(jù)通信信道，T表示網(wǎng)絡(luò)局部通信通道數(shù)量[2]。當(dāng)網(wǎng)絡(luò)節(jié)點(diǎn)接收到數(shù)據(jù)的功率N=n時(shí)，系統(tǒng)中央處理器會(huì)對網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)據(jù)進(jìn)行處理;當(dāng)n=1，…，n-1時(shí)，在計(jì)算完網(wǎng)絡(luò)局部節(jié)點(diǎn)數(shù)據(jù)鏈之后，運(yùn)用SQL分析算法計(jì)算出網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)據(jù)平均吞吐量，其計(jì)算公式如下：

公式⑵中，y為網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)據(jù)平均吞吐量，k表示在通信范圍內(nèi)的網(wǎng)絡(luò)節(jié)點(diǎn)，n是節(jié)點(diǎn)k的接收功率，u表示節(jié)點(diǎn)數(shù)據(jù)數(shù)量[3]。假設(shè)在網(wǎng)絡(luò)中所有的異常節(jié)點(diǎn)數(shù)據(jù)所占的比例為a，則網(wǎng)絡(luò)路徑損耗因子為：

公式⑶中，Zk表示第k個(gè)數(shù)據(jù)在當(dāng)前網(wǎng)絡(luò)結(jié)構(gòu)通信中所需要的路線長度盤代表的是網(wǎng)絡(luò)中損壞的路徑。

通過以上SQL分析算法對網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)據(jù)分析過程實(shí)現(xiàn)對網(wǎng)絡(luò)異常節(jié)點(diǎn)數(shù)據(jù)提取模型建立，在此模型中實(shí)現(xiàn)對異常節(jié)點(diǎn)數(shù)據(jù)的釆集，為后續(xù)的異常節(jié)點(diǎn)定位提供理論依據(jù)。

1.2?解析網(wǎng)絡(luò)異常節(jié)點(diǎn)數(shù)據(jù)屬性

在上文提取到的網(wǎng)絡(luò)異常節(jié)點(diǎn)數(shù)據(jù)基礎(chǔ)上，需要對網(wǎng)絡(luò)異常節(jié)點(diǎn)數(shù)據(jù)進(jìn)行進(jìn)一步的深入解析，了解網(wǎng)絡(luò)中異常節(jié)點(diǎn)的屬性特征，從而實(shí)現(xiàn)對異常節(jié)點(diǎn)的定位。此次從網(wǎng)絡(luò)異常節(jié)點(diǎn)數(shù)據(jù)提取模型的釆樣數(shù)據(jù)近似值出發(fā)，以聚類理論為解析理論指導(dǎo)，確定節(jié)點(diǎn)數(shù)據(jù)異常系數(shù)，然后根據(jù)RSSI向量近似值找到異常節(jié)點(diǎn)的附近節(jié)點(diǎn)，通過皮爾森相關(guān)性系數(shù)在自我確定階段中的異常節(jié)點(diǎn)的判斷，確定網(wǎng)絡(luò)異常節(jié)點(diǎn)數(shù)據(jù)的屬性特征[4]。

假設(shè)，H為時(shí)刻r時(shí)網(wǎng)絡(luò)節(jié)點(diǎn)k到節(jié)點(diǎn)j之間接收到的異常節(jié)點(diǎn)數(shù)據(jù)，則網(wǎng)絡(luò)節(jié)點(diǎn)k到節(jié)點(diǎn)j之間在r時(shí)刻滑動(dòng)窗口數(shù)據(jù)為：

公式（4）中，?t表示在時(shí)刻r一共存在的節(jié)點(diǎn)數(shù)據(jù)數(shù)量。假設(shè)O點(diǎn)為H的中心節(jié)點(diǎn)數(shù)據(jù)，網(wǎng)絡(luò)中中心點(diǎn)O到R（r）的距離為L，以此組建異常節(jié)點(diǎn)評分函數(shù)?（x），對提取到的異常節(jié)點(diǎn)進(jìn)行異常程度的評估，并且將異常節(jié)點(diǎn)最小評估誤差作為函數(shù)?（x）的目標(biāo)函數(shù)，將評估分?jǐn)?shù)最大的異常節(jié)點(diǎn)給予刪除，如果刪除該異常節(jié)點(diǎn)后評估誤差能夠有所減小，則說明該異常節(jié)點(diǎn)與評估結(jié)果相符，以下是函數(shù)?（x）的公式表達(dá)：

公式（5）中，dH（m），H（n）代表節(jié)點(diǎn)m到節(jié)點(diǎn)n之間的距離，Em而代表網(wǎng)絡(luò)節(jié)點(diǎn)距離判定閥值，dHO代表異常節(jié)點(diǎn)數(shù)據(jù)丑到網(wǎng)絡(luò)節(jié)點(diǎn)中心O的距離，median代表網(wǎng)絡(luò)節(jié)點(diǎn)異常程度叫由于在網(wǎng)絡(luò)環(huán)境中各個(gè)節(jié)點(diǎn)的所處環(huán)境具有一定的差異性，所以將待定位的網(wǎng)絡(luò)異常節(jié)點(diǎn)到臨近節(jié)點(diǎn)的滑動(dòng)窗口信號(hào)強(qiáng)度參數(shù)作為帶定位節(jié)點(diǎn)的異常屬性特征。假設(shè)在r時(shí)刻待定位的異常節(jié)點(diǎn)n的屬性特征為Sn，Sm為n的臨近節(jié)點(diǎn)m的屬性特征，則的屬性特征為：

在公式（6）中，∑R（r）為節(jié)點(diǎn)n到滑動(dòng)數(shù)據(jù)窗口的信號(hào)強(qiáng)度，同理結(jié)算出Sm然后運(yùn)用皮爾森相關(guān)性系數(shù)來分析異常節(jié)點(diǎn)n與節(jié)點(diǎn)m的屬性不同，以下是異常節(jié)點(diǎn)n與鄰近節(jié)點(diǎn)m的皮爾森相關(guān)系數(shù)計(jì)算公式：

公式⑺中，E（Sn-Sm）表示節(jié)點(diǎn)n與節(jié)點(diǎn)屬性差均值，?Sn·?Sm代表節(jié)點(diǎn)n與節(jié)點(diǎn)m空間相差程度，由此得出網(wǎng)絡(luò)異常節(jié)點(diǎn)的屬性特征。

1.3?提出自適應(yīng)級(jí)聯(lián)陷波定位網(wǎng)絡(luò)異常節(jié)點(diǎn)

由于網(wǎng)絡(luò)環(huán)境中存在加強(qiáng)的信噪，為了減小網(wǎng)絡(luò)信噪對異常節(jié)點(diǎn)定位的影響，此次釆用自適應(yīng)級(jí)聯(lián)陷波實(shí)現(xiàn)異常節(jié)點(diǎn)的定位，自適應(yīng)級(jí)聯(lián)陷波算法具有能夠自動(dòng)濾波的優(yōu)點(diǎn)，它是包含陷波器與自適應(yīng)級(jí)聯(lián)陷波算法于一體的定位技術(shù)，同時(shí)為了提高異常節(jié)點(diǎn)定位的準(zhǔn)確性，在應(yīng)用算法進(jìn)行節(jié)點(diǎn)定位時(shí)需要將陷波器重新進(jìn)行設(shè)計(jì)，從而實(shí)現(xiàn)自適應(yīng)級(jí)聯(lián)陷波算法的最優(yōu)定位[6]。下圖為自適應(yīng)級(jí)聯(lián)陷波結(jié)構(gòu)設(shè)計(jì)。

在應(yīng)用自適應(yīng)級(jí)聯(lián)陷波進(jìn)行網(wǎng)絡(luò)異常節(jié)點(diǎn)定位過程中，每一個(gè)陷波器都會(huì)負(fù)責(zé)一部分干擾濾除任務(wù)，每一級(jí)的異常節(jié)點(diǎn)特征都會(huì)對應(yīng)一個(gè)梯度信號(hào)，并且梯度信號(hào)的產(chǎn)生于陷波器的參數(shù)有直接關(guān)系，從而實(shí)現(xiàn)網(wǎng)絡(luò)異常節(jié)點(diǎn)的準(zhǔn)確定位。以下是自適應(yīng)級(jí)聯(lián)陷波算法實(shí)現(xiàn)過程：

假設(shè)x（k）為自適應(yīng)級(jí)聯(lián)陷波的定位環(huán)境，它是由異常節(jié)點(diǎn)信號(hào)和網(wǎng)絡(luò)環(huán)境信噪構(gòu)成的，y（k）為陷波器的輸出，當(dāng)陷波器的陷波頻率點(diǎn)落在x（k）中異常節(jié)點(diǎn)的頻率點(diǎn)時(shí)，則此時(shí)陷波器產(chǎn)生一個(gè)梯度信號(hào)，用公式表達(dá)為：

公式（8）中，?（k+1）表示陷波器在運(yùn)用算法計(jì)算異常信號(hào)屬性特征時(shí)產(chǎn)生的梯度信號(hào)，u表示算法對異常節(jié)點(diǎn)的收斂速度和精度參數(shù)，簡稱為計(jì)算步長，?k為陷波器的正弦信號(hào)參數(shù)，Re[y（k）*x（k）]為算法在節(jié)點(diǎn)定位時(shí)輸出x（k）與y（k）的差分，由此可以得出異常節(jié)點(diǎn)定位函數(shù)：

根據(jù)公式（9）輸出網(wǎng)絡(luò)異常節(jié)點(diǎn)的具體位置，從而實(shí)現(xiàn)在高信噪網(wǎng)絡(luò)環(huán)境中精準(zhǔn)的定位到異常節(jié)點(diǎn)。

2?實(shí)驗(yàn)

為了證明基于自適應(yīng)級(jí)聯(lián)陷波的網(wǎng)絡(luò)異常節(jié)點(diǎn)定位方法的有效性，設(shè)計(jì)了一組與傳統(tǒng)定位方法的對比實(shí)驗(yàn)，檢驗(yàn)此次設(shè)計(jì)方法的精準(zhǔn)度。

2.1?實(shí)驗(yàn)設(shè)計(jì)

此次實(shí)驗(yàn)是在Matlab軟件平臺(tái)上進(jìn)行檢測的，為了保證實(shí)驗(yàn)結(jié)果的有效性，兩種定位方法的采用相同的網(wǎng)絡(luò)環(huán)境和設(shè)備參數(shù)，系統(tǒng)內(nèi)存為IntelCore5-630128GB，操作系統(tǒng)選用Win-dows2012.VS2016CPU，并且內(nèi)置X2500中央處理器。在網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)中添加了10000個(gè)正常節(jié)點(diǎn)，10000個(gè)儲(chǔ)存節(jié)點(diǎn)以及8000個(gè)異常節(jié)點(diǎn)，同時(shí)網(wǎng)絡(luò)信噪比參數(shù)設(shè)置為1.121，并添加大量的干擾噪聲，網(wǎng)絡(luò)信噪頻率為120kHz，陷波器的梯形信號(hào)參數(shù)?在0?2之間平均分布，網(wǎng)絡(luò)異常信號(hào)的提取頻率設(shè)置與網(wǎng)絡(luò)信噪頻率相同為169.364kHz，異常信號(hào)特征格式為TXT數(shù)據(jù)格式，下圖為兩種方法異常節(jié)點(diǎn)釆樣頻率幅度圖。

在以上實(shí)驗(yàn)環(huán)境中，通過運(yùn)用兩種定位方法完成8000個(gè)異常節(jié)點(diǎn)定位任務(wù)，對比檢驗(yàn)兩種方法對網(wǎng)絡(luò)異常節(jié)點(diǎn)定位的精準(zhǔn)度。

2.2結(jié)果分析

將基于自適應(yīng)級(jí)聯(lián)陷波的網(wǎng)絡(luò)異常節(jié)點(diǎn)定位方法用方法A表示，將傳統(tǒng)定位方法用方法B表示，下圖為此次實(shí)驗(yàn)兩種方法對8000個(gè)異常節(jié)點(diǎn)定位精準(zhǔn)度。

從上圖中可以明顯看岀，此次設(shè)計(jì)的方法在此次實(shí)驗(yàn)中對8000個(gè)網(wǎng)絡(luò)異常節(jié)點(diǎn)的定位精準(zhǔn)度在80%以上，平均值為83%，對著定位節(jié)點(diǎn)數(shù)量的增加，不會(huì)對定位結(jié)果產(chǎn)生影響;而傳統(tǒng)方法在此次實(shí)驗(yàn)中，對異常節(jié)點(diǎn)的定位結(jié)果穩(wěn)定性較差，定位精準(zhǔn)忽高忽低，而且平均值大約74%左右，遠(yuǎn)遠(yuǎn)低于此次設(shè)計(jì)方法。實(shí)驗(yàn)證明了基于自適應(yīng)級(jí)聯(lián)陷波的網(wǎng)絡(luò)異常節(jié)點(diǎn)定位方法具有較高的精準(zhǔn)度。

3?結(jié)束語

將自適應(yīng)級(jí)聯(lián)陷波應(yīng)用到網(wǎng)絡(luò)異常節(jié)點(diǎn)定位中，減小了網(wǎng)絡(luò)信噪環(huán)境對節(jié)點(diǎn)定位的影響，同時(shí)通過多次對異常節(jié)點(diǎn)的濾波處理提高了定位的精準(zhǔn)度。此次研究雖然取得了一定成果，但是在節(jié)點(diǎn)定位方面僅考慮到網(wǎng)絡(luò)環(huán)境對定位的影響，所以在方法實(shí)際應(yīng)用方面還需要再深一步的研究和研討。

參考文獻(xiàn)：

[1] 單文波，陳博伶，鐘秋浩，等.基于終端數(shù)據(jù)的電信承載網(wǎng)異常節(jié)點(diǎn)定位方法[J].計(jì)算機(jī)工程與應(yīng)用，2019，55（11）：85-92.

[2] 高瑞娟，陳桂芬，李鵬.無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的三維定位技術(shù)研究[J].長春理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2019，42（4）：92-97.

[3] 黃建中.基于概率攻擊圖的無線傳感器網(wǎng)絡(luò)安全定位方法[J].信息與電腦理論版，2019（4）：178-179.

[4] 郭志民，張永浩，周興華，等.基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的電力系統(tǒng)故障定位方法[J].科技創(chuàng)新導(dǎo)報(bào)，2018，15（1）：25-28.

[5] 蔣俊正，楊杰，歐陽繕.一種新的無線傳感器網(wǎng)絡(luò)中異常節(jié)點(diǎn)檢測定位算法[J].電子與信息學(xué)報(bào)，2018，40（10）：2358-2364.

[6] Tang Y C，Ten C W，Wang C L，et al.Extraction of energy information from analog meters using image processing[J].IEEE Transactions on Smart Grid，2015，6（4）：2032-2040.

[通聯(lián)編輯：張薇]