基于自適應級聯陷波的網絡異常節點定位方法

張天

摘要：針對傳統方法在信噪比高的網絡環境中對異常節點定位精準度低的問題，提出基于自適應級聯陷波的網絡異常節點定位方法。運用SQL分析算法對網絡節點的通信協議和信道的分析，構建網絡異常節點數據提取模型，完成網絡異常節點提取工作;通過聚類理論確定異常節點與鄰近節點的皮爾森相關性系數，并利用評估函數計算出異常節點屬性特征;結合陷波器和自適應級聯陷波算法實現對網絡異常節點的定位。經實驗證明，基于自適應級聯陷波的網絡異常節點定位方法具有較高的精準度。

關鍵詞：自適應級聯陷波;SQL分析算法;聚類理論;皮爾森相關性系數;陷波器

中圖分類號：TP273

文獻標識碼：A

文章編號：1009-3044（2020）04-0026-02

自適應級聯陷波是一種檢測異常和非異常網絡節點技術，由于該項技術具有很強的濾波和適應能力，并且算法簡單易實現，所以常用于對異常信息檢測定位中。隨著網絡環境逐漸變得復雜、多樣，同時網絡信噪也逐漸提高，這對網絡異常節點定位增加了難度，傳統的方法已經無法滿足對異常節點定位的需求，所以提出將自適應級聯陷波應用到網絡異常節點定位中，提高對網絡異常節點定位的精準度。

1?基于自適應級聯陷波的網絡異常節點定位方法

1.1?構建網絡異常節點數據提取模型

為了實現對網絡的異常節點定位，需提取網絡中存在的異常節點數據，此次選擇通過構建模型的方式完成對網絡異常節點數據的提取。網絡異常節點數據提取模型在構建是對網絡協議和節點信道的合理分析實現的[1]。由于網絡的結構大多都是復雜多樣的，所以節點數據在傳輸過程中承載著不同的網絡協議和網絡信道，控制節點數據流通的網絡協議有隨機訪問協議、資源調度協議、信道劃分協議三種，這三種網絡協議直接影響構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分析算法對網絡協議進行設計分析，實現模型的異常節點數據提取目的，模型構建如下：

在網絡環境中，節點數據是通過數據庫儲存實現資源分配的，大量的節點數據在不斷傳輸分配過程中難免會遭受到網絡不良環境因素的影響成為異常節點數據，而此時網絡局部節點數據鏈為：

公式⑴中，CB表示網絡局部環境中節點數據的數量，i表示在網絡協議執行中的節點數據數量，CBT表示網絡局部節點數據通信信道，T表示網絡局部通信通道數量[2]。當網絡節點接收到數據的功率N=n時，系統中央處理器會對網絡節點數據進行處理;當n=1，…，n-1時，在計算完網絡局部節點數據鏈之后，運用SQL分析算法計算出網絡節點數據平均吞吐量，其計算公式如下：

公式⑵中，y為網絡節點數據平均吞吐量，k表示在通信范圍內的網絡節點，n是節點k的接收功率，u表示節點數據數量[3]。假設在網絡中所有的異常節點數據所占的比例為a，則網絡路徑損耗因子為：

公式⑶中，Zk表示第k個數據在當前網絡結構通信中所需要的路線長度盤代表的是網絡中損壞的路徑。

通過以上SQL分析算法對網絡節點數據分析過程實現對網絡異常節點數據提取模型建立，在此模型中實現對異常節點數據的釆集，為后續的異常節點定位提供理論依據。

1.2?解析網絡異常節點數據屬性

在上文提取到的網絡異常節點數據基礎上，需要對網絡異常節點數據進行進一步的深入解析，了解網絡中異常節點的屬性特征，從而實現對異常節點的定位。此次從網絡異常節點數據提取模型的釆樣數據近似值出發，以聚類理論為解析理論指導，確定節點數據異常系數，然后根據RSSI向量近似值找到異常節點的附近節點，通過皮爾森相關性系數在自我確定階段中的異常節點的判斷，確定網絡異常節點數據的屬性特征[4]。

假設，H為時刻r時網絡節點k到節點j之間接收到的異常節點數據，則網絡節點k到節點j之間在r時刻滑動窗口數據為：

公式（4）中，?t表示在時刻r一共存在的節點數據數量。假設O點為H的中心節點數據，網絡中中心點O到R（r）的距離為L，以此組建異常節點評分函數?（x），對提取到的異常節點進行異常程度的評估，并且將異常節點最小評估誤差作為函數?（x）的目標函數，將評估分數最大的異常節點給予刪除，如果刪除該異常節點后評估誤差能夠有所減小，則說明該異常節點與評估結果相符，以下是函數?（x）的公式表達：

公式（5）中，dH（m），H（n）代表節點m到節點n之間的距離，Em而代表網絡節點距離判定閥值，dHO代表異常節點數據丑到網絡節點中心O的距離，median代表網絡節點異常程度叫由于在網絡環境中各個節點的所處環境具有一定的差異性，所以將待定位的網絡異常節點到臨近節點的滑動窗口信號強度參數作為帶定位節點的異常屬性特征。假設在r時刻待定位的異常節點n的屬性特征為Sn，Sm為n的臨近節點m的屬性特征，則的屬性特征為：

在公式（6）中，∑R（r）為節點n到滑動數據窗口的信號強度，同理結算出Sm然后運用皮爾森相關性系數來分析異常節點n與節點m的屬性不同，以下是異常節點n與鄰近節點m的皮爾森相關系數計算公式：

公式⑺中，E（Sn-Sm）表示節點n與節點屬性差均值，?Sn·?Sm代表節點n與節點m空間相差程度，由此得出網絡異常節點的屬性特征。

1.3?提出自適應級聯陷波定位網絡異常節點

由于網絡環境中存在加強的信噪，為了減小網絡信噪對異常節點定位的影響，此次釆用自適應級聯陷波實現異常節點的定位，自適應級聯陷波算法具有能夠自動濾波的優點，它是包含陷波器與自適應級聯陷波算法于一體的定位技術，同時為了提高異常節點定位的準確性，在應用算法進行節點定位時需要將陷波器重新進行設計，從而實現自適應級聯陷波算法的最優定位[6]。下圖為自適應級聯陷波結構設計。

在應用自適應級聯陷波進行網絡異常節點定位過程中，每一個陷波器都會負責一部分干擾濾除任務，每一級的異常節點特征都會對應一個梯度信號，并且梯度信號的產生于陷波器的參數有直接關系，從而實現網絡異常節點的準確定位。以下是自適應級聯陷波算法實現過程：

假設x（k）為自適應級聯陷波的定位環境，它是由異常節點信號和網絡環境信噪構成的，y（k）為陷波器的輸出，當陷波器的陷波頻率點落在x（k）中異常節點的頻率點時，則此時陷波器產生一個梯度信號，用公式表達為：

公式（8）中，?（k+1）表示陷波器在運用算法計算異常信號屬性特征時產生的梯度信號，u表示算法對異常節點的收斂速度和精度參數，簡稱為計算步長，?k為陷波器的正弦信號參數，Re[y（k）*x（k）]為算法在節點定位時輸出x（k）與y（k）的差分，由此可以得出異常節點定位函數：

根據公式（9）輸出網絡異常節點的具體位置，從而實現在高信噪網絡環境中精準的定位到異常節點。

2?實驗

為了證明基于自適應級聯陷波的網絡異常節點定位方法的有效性，設計了一組與傳統定位方法的對比實驗，檢驗此次設計方法的精準度。

2.1?實驗設計

此次實驗是在Matlab軟件平臺上進行檢測的，為了保證實驗結果的有效性，兩種定位方法的采用相同的網絡環境和設備參數，系統內存為IntelCore5-630128GB，操作系統選用Win-dows2012.VS2016CPU，并且內置X2500中央處理器。在網絡結構設計中添加了10000個正常節點，10000個儲存節點以及8000個異常節點，同時網絡信噪比參數設置為1.121，并添加大量的干擾噪聲，網絡信噪頻率為120kHz，陷波器的梯形信號參數?在0?2之間平均分布，網絡異常信號的提取頻率設置與網絡信噪頻率相同為169.364kHz，異常信號特征格式為TXT數據格式，下圖為兩種方法異常節點釆樣頻率幅度圖。

在以上實驗環境中，通過運用兩種定位方法完成8000個異常節點定位任務，對比檢驗兩種方法對網絡異常節點定位的精準度。

2.2結果分析

將基于自適應級聯陷波的網絡異常節點定位方法用方法A表示，將傳統定位方法用方法B表示，下圖為此次實驗兩種方法對8000個異常節點定位精準度。

從上圖中可以明顯看岀，此次設計的方法在此次實驗中對8000個網絡異常節點的定位精準度在80%以上，平均值為83%，對著定位節點數量的增加，不會對定位結果產生影響;而傳統方法在此次實驗中，對異常節點的定位結果穩定性較差，定位精準忽高忽低，而且平均值大約74%左右，遠遠低于此次設計方法。實驗證明了基于自適應級聯陷波的網絡異常節點定位方法具有較高的精準度。

3?結束語

將自適應級聯陷波應用到網絡異常節點定位中，減小了網絡信噪環境對節點定位的影響，同時通過多次對異常節點的濾波處理提高了定位的精準度。此次研究雖然取得了一定成果，但是在節點定位方面僅考慮到網絡環境對定位的影響，所以在方法實際應用方面還需要再深一步的研究和研討。

參考文獻：

[1] 單文波，陳博伶，鐘秋浩，等.基于終端數據的電信承載網異常節點定位方法[J].計算機工程與應用，2019，55（11）：85-92.

[2] 高瑞娟，陳桂芬，李鵬.無線傳感器網絡節點的三維定位技術研究[J].長春理工大學學報：自然科學版，2019，42（4）：92-97.

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

[4] 郭志民，張永浩，周興華，等.基于網絡拓撲結構的電力系統故障定位方法[J].科技創新導報，2018，15（1）：25-28.

[5] 蔣俊正，楊杰，歐陽繕.一種新的無線傳感器網絡中異常節點檢測定位算法[J].電子與信息學報，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.

[通聯編輯：張薇]