基于自适应级联陷波的网络异常节点定位方法
来源:用户上传
作者:
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
中图分类号：TP273
文献标识码：A
文章编号：1009-3044（2020）04-0026-02
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。 在应用自适应级联陷波进行网络异常节点定位过程中，每一个陷波器都会负责一部分干扰滤除任务，每一级的异常节点特征都会对应一个梯度信号，并且梯度信号的产生于陷波器的参数有直接关系，从而实现网络异常节点的准确定位。以下是自适应级联陷波算法实现过程：
假设x（k）为自适应级联陷波的定位环境，它是由异常节点信号和网络环境信噪构成的，y（k）为陷波器的输出，当陷波器的陷波频率点落在x（k）中异常节点的频率点时，则此时陷波器产生一个梯度信号，用公式表达为：
公式（8）中，?（k+1）表示陷波器在运用算法计算异常信号属性特征时产生的梯度信号，u表示算法对异常节点的收敛速度和精度参数，简称为计算步长，?k为陷波器的正弦信号参数，Re[y（k）*x（k）]为算法在节点定位时输出x（k）与y（k）的差分，由此可以得出异常节点定位函数：
根据公式（9）输出网络异常节点的具体位置，从而实现在高信噪网络环境中精准的定位到异常节点。
2 实验
为了证明基于自适应级联陷波的网络异常节点定位方法的有效性，设计了一组与传统定位方法的对比实验，检验此次设计方法的精准度。
2.1 实验设计
此次实验是在Matlab软件平台上进行检测的，为了保证实验结果的有效性，两种定位方法的采用相同的网络环境和设备参数，系统内存为IntelCore5-630128GB，操作系统选用Win-dows2012.VS2016CPU，并且内置X2500中央处理器。在网络结构设计中添加了10000个正常节点，10000个储存节点以及8000个异常节点，同时网络信噪比参数设置为1.121，并添加大量的干扰噪声，网络信噪频率为120kHz，陷波器的梯形信号参数?在0?2之间平均分布，网络异常信号的提取频率设置与网络信噪频率相同为169.364kHz，异常信号特征格式为TXT数据格式，下图为两种方法异常节点釆样频率幅度图。
在以上实验环境中，通过运用两种定位方法完成8000个异常节点定位任务，对比检验两种方法对网络异常节点定位的精准度。
2.2结果分析
将基于自适应级联陷波的网络异常节点定位方法用方法A表示，将传统定位方法用方法B表示，下图为此次实验两种方法对8000个异常节点定位精准度。
从上图中可以明显看岀，此次设计的方法在此次实验中对8000个网络异常节点的定位精准度在80%以上，平均值为83%，对着定位节点数量的增加，不会对定位结果产生影响;而传统方法在此次实验中，对异常节点的定位结果稳定性较差，定位精准忽高忽低，而且平均值大约74%左右，远远低于此次设计方法。实验证明了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。
3 结束语
将自适应级联陷波应用到网络异常节点定位中，减小了网络信噪环境对节点定位的影响，同时通过多次对异常节点的滤波处理提高了定位的精准度。此次研究虽然取得了一定成果，但是在节点定位方面仅考虑到网络环境对定位的影响，所以在方法实际应用方面还需要再深一步的研究和研讨。
参考文献：
[1] 单文波，陈博伶，钟秋浩，等.基于终端数据的电信承载网异常节点定位方法[J].计算机工程与应用，2019，55（11）：85-92.
[2] 高瑞娟，陈桂芬，李鹏.无线传感器网络节点的三维定位技术研究[J].长春理工大学学报：自然科学版，2019，42（4）：92-97.
[3] 黄建中.基于概率攻击图的无线传感器网络安全定位方法[J].信息与电脑理论版，2019（4）：178-179.
[4] 郭志民，张永浩，周兴华，等.基于网络拓扑结构的电力系统故障定位方法[J].科技创新导报，2018，15（1）：25-28.
[5] 蒋俊正，杨杰，欧阳缮.一种新的无线传感器网络中异常節点检测定位算法[J].电子与信息学报，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.
[通联编辑：张薇]
转载注明来源:https://www.xzbu.com/8/view-15162154.htm
