(蘇州農(nóng)業(yè)職業(yè)技術(shù)學(xué)院 繼續(xù)教育學(xué)院，江蘇 蘇州 215008)

0 引言

網(wǎng)絡(luò)運行中常出現(xiàn)攻擊性行為，造成網(wǎng)絡(luò)能耗事故。雖然絕大多數(shù)攻擊行為都是非毀壞性的，但其對網(wǎng)絡(luò)能耗造成的影響不可小覷[1]。網(wǎng)絡(luò)能耗態(tài)勢預(yù)測可在整體上反應(yīng)網(wǎng)絡(luò)能耗，成為網(wǎng)絡(luò)能耗領(lǐng)域的研究熱點[2]。當(dāng)前多是利用定性與定量的網(wǎng)絡(luò)能耗預(yù)測系統(tǒng)對網(wǎng)絡(luò)能耗態(tài)勢進行預(yù)測，系統(tǒng)預(yù)測效率較低，預(yù)測結(jié)果不理想[3]。因此，急需研究一種可高效預(yù)測非毀壞性攻擊下網(wǎng)絡(luò)能耗的系統(tǒng)。目前相關(guān)領(lǐng)域?qū)＜覍W(xué)者已研究出一些有效成果[4]。文獻(xiàn)[8]提出基于信息融合的網(wǎng)絡(luò)能耗態(tài)勢預(yù)測系統(tǒng)。對原有預(yù)測體系進行改進，對體系中漏洞的脆弱性進行評估，依據(jù)不同規(guī)則庫，完成網(wǎng)絡(luò)能耗預(yù)測。該系統(tǒng)預(yù)測用時較短，但預(yù)測偏差大。文獻(xiàn)[9]提出基于跨層感知的網(wǎng)絡(luò)能耗態(tài)勢預(yù)測。建立反映網(wǎng)絡(luò)各能耗態(tài)勢指標(biāo)體系。對各能耗預(yù)測指標(biāo)權(quán)重進行計算，完成網(wǎng)絡(luò)能耗預(yù)測。該系統(tǒng)預(yù)測效率較高，但過程繁瑣。針對上述產(chǎn)生的問題，提出設(shè)計非毀壞性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)。多點同時進行能耗預(yù)測可有效提高預(yù)測效率。實驗證明，該系統(tǒng)可以高效可靠地對網(wǎng)絡(luò)能耗態(tài)勢進行預(yù)測。

1 網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)優(yōu)化策略分析

對非毀壞性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)進行優(yōu)化設(shè)計，需先對網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)的優(yōu)化策略進行分析，為系統(tǒng)設(shè)計的實施提供充足可靠的理論依據(jù)。針對能耗預(yù)測系統(tǒng)的能耗數(shù)據(jù)采集、能耗預(yù)測指標(biāo)提取、能耗預(yù)測功能實現(xiàn)三個方面，擬定優(yōu)化策略。

能耗數(shù)據(jù)采集方面：傳統(tǒng)網(wǎng)絡(luò)能耗預(yù)測系統(tǒng)的能耗數(shù)據(jù)采集不準(zhǔn)確，為提高能耗數(shù)據(jù)的采集精度，對系統(tǒng)硬件的數(shù)據(jù)采集節(jié)點模塊進行改進設(shè)計，完成能耗數(shù)據(jù)完整且準(zhǔn)確地采集，為能耗預(yù)測的實現(xiàn)奠定良好基礎(chǔ)。

能耗預(yù)測指標(biāo)提取方面：采用網(wǎng)絡(luò)多點能耗數(shù)據(jù)，參考網(wǎng)絡(luò)能耗風(fēng)險評估成果，融合NetFlow技術(shù)，對能耗數(shù)據(jù)進行處理，提取網(wǎng)絡(luò)能耗預(yù)測指標(biāo)。

能耗預(yù)測功能實現(xiàn)方面：能耗預(yù)測功能是系統(tǒng)軟件部分的核心功能。將網(wǎng)絡(luò)能耗態(tài)勢按照高、中、低三個等級分類，分別對三種類別的能耗進行預(yù)測，完成系統(tǒng)軟件部分的設(shè)計。

根據(jù)以上優(yōu)化策略，對非毀壞性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)進行設(shè)計。

2 硬件設(shè)計

良好的硬件環(huán)境為系統(tǒng)的優(yōu)質(zhì)性能打下堅實的基礎(chǔ)。因此先對非毀壞性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)的硬件部分進行改進設(shè)計。系統(tǒng)硬件的最主要功能就是對網(wǎng)絡(luò)能耗數(shù)據(jù)的采集。網(wǎng)絡(luò)能耗數(shù)據(jù)是由數(shù)據(jù)采集電路完成的，因此主要對硬件部分的數(shù)據(jù)采集電路進行優(yōu)化。給出數(shù)據(jù)采集電路設(shè)計圖如圖1所示。

圖1 網(wǎng)絡(luò)能耗數(shù)據(jù)采集電路設(shè)計圖

采用PCI局部總線對網(wǎng)絡(luò)能耗數(shù)據(jù)采集電路進行設(shè)計，PCI總線對網(wǎng)絡(luò)運行過程中的干擾有較強的抑制作用[5]。引入先進的CPLD技術(shù)設(shè)計數(shù)字電路部分，它有效提高了系統(tǒng)的執(zhí)行效率，實時性強。所設(shè)計的采集電路需要采集頻率為102.4 kHz的采集卡，為了提高采集電路的采集精度，選用AD7892這種12位的A/D轉(zhuǎn)換器，完成對網(wǎng)絡(luò)能耗數(shù)據(jù)采集電路的設(shè)計。

綜上所述，完善以能耗數(shù)據(jù)采集電路為主的系統(tǒng)硬件，為非毀壞性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)的軟件設(shè)計提供最優(yōu)硬件環(huán)境。

3 軟件設(shè)計

對非毀傷性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)的軟件部分進行設(shè)計，其實質(zhì)就是對網(wǎng)絡(luò)的能耗態(tài)勢進行預(yù)測。

采用NetFlow技術(shù)先對網(wǎng)絡(luò)能耗態(tài)勢預(yù)測指標(biāo)進行提取，依據(jù)預(yù)測指標(biāo)對網(wǎng)絡(luò)節(jié)點權(quán)重進行評估，實現(xiàn)網(wǎng)絡(luò)能耗態(tài)勢的預(yù)測，從而完成對非毀傷性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)軟件部分的設(shè)計，具體設(shè)計過程描述如下。

3.1 能耗態(tài)勢預(yù)測指標(biāo)的提取

要完成網(wǎng)絡(luò)多點能耗態(tài)勢預(yù)測，應(yīng)先采集網(wǎng)絡(luò)多源態(tài)勢信息，參考?xì)v史網(wǎng)絡(luò)能耗風(fēng)險的評估成果，融合IDS、NetFlow以及Nessus等網(wǎng)絡(luò)設(shè)備中的原始數(shù)據(jù)，該數(shù)據(jù)中包括IDS的報警及攻擊信息、Nessus漏洞信息和NetFlow流量信息[6]。一般情況下，網(wǎng)絡(luò)攻擊威脅性的出現(xiàn)與網(wǎng)絡(luò)的脆弱性有關(guān)，而系統(tǒng)漏洞的出現(xiàn)數(shù)目決定了網(wǎng)絡(luò)的脆弱程度。

將攻擊層統(tǒng)計并分析攻擊次數(shù)、漏洞信息以及網(wǎng)絡(luò)流量，與不同方面的網(wǎng)絡(luò)能耗態(tài)勢信息融合，降低網(wǎng)絡(luò)能耗態(tài)勢預(yù)測中的不確定性，從而預(yù)測網(wǎng)絡(luò)中的整體能耗態(tài)勢。

主要由以下方法對網(wǎng)絡(luò)能耗態(tài)勢預(yù)測指標(biāo)進行提取。指標(biāo)數(shù)目主要是對網(wǎng)絡(luò)能耗態(tài)勢預(yù)測指標(biāo)，在單位時間出現(xiàn)的次數(shù)或數(shù)量的計算。

(1)

其中：Dk代表某一個態(tài)勢指標(biāo)，Nsk代表網(wǎng)絡(luò)能耗態(tài)勢預(yù)測指標(biāo)在單位時間的總和。由于原始網(wǎng)絡(luò)數(shù)據(jù)的格式具有多樣性，所以要對其進行歸一化，使其取值范圍為[0,1]。網(wǎng)絡(luò)能耗態(tài)勢預(yù)測指標(biāo)的歸一化公式為：

(2)

其中:X代表原始網(wǎng)絡(luò)能耗態(tài)勢預(yù)測的指標(biāo)數(shù)值，Xmin代表網(wǎng)絡(luò)能耗態(tài)勢預(yù)測指標(biāo)的最小數(shù)值，Xmax代表網(wǎng)絡(luò)能耗態(tài)勢預(yù)測指標(biāo)的最大數(shù)值，X′代表進行歸一化后的網(wǎng)絡(luò)能耗態(tài)勢預(yù)測指標(biāo)數(shù)值。

3.2 網(wǎng)絡(luò)節(jié)點權(quán)重的評估

以3.1中的指標(biāo)為基礎(chǔ)，網(wǎng)絡(luò)節(jié)點權(quán)重是網(wǎng)絡(luò)多點能耗態(tài)勢預(yù)測目標(biāo)重要性的體現(xiàn)，節(jié)點權(quán)重越大，代表著節(jié)點能耗態(tài)勢的變化對整體網(wǎng)絡(luò)能耗態(tài)勢的影響越大，反之越小[7]。不同節(jié)點權(quán)重會導(dǎo)致不同的預(yù)測結(jié)果，假設(shè)權(quán)重確定的不合理，則會導(dǎo)致整個網(wǎng)絡(luò)能耗態(tài)勢的預(yù)測沒有意義。

確定網(wǎng)絡(luò)節(jié)點權(quán)重主要方法為主觀賦權(quán)以及客觀賦權(quán)兩種。利用兩種方法的融合對網(wǎng)絡(luò)節(jié)點權(quán)重進行評估。

假設(shè)W1代表客觀權(quán)重，W2代表主觀權(quán)重，將W1與W2融合組成W。這樣不僅考慮了決策者主觀信息，而且利用了網(wǎng)絡(luò)原始數(shù)據(jù)以及數(shù)據(jù)模型，使節(jié)點權(quán)重更具客觀性。

為兼顧主觀權(quán)重與客觀權(quán)重的優(yōu)點，利用加權(quán)歐式距離當(dāng)作衡量指標(biāo)。最優(yōu)權(quán)重就是將客觀權(quán)重w1l與主觀權(quán)重w2l加權(quán)歐氏距離，以及最小組合權(quán)重wl。計算不同網(wǎng)絡(luò)節(jié)點組合權(quán)重wl與客觀權(quán)重w1l和主觀權(quán)重w2l歐氏距離。為避免決策者主觀對某種權(quán)重偏愛，將不對歐氏距離使用固定權(quán)重，在歐氏距離前利用組合權(quán)重wl本身當(dāng)作歐氏距離權(quán)重，使其更具自適應(yīng)性。最后得到最優(yōu)組合權(quán)重，即：加權(quán)歐氏距離之和在最小值時的wl。wl計算公式為：

(3)

其中:minF代表加權(quán)歐氏距離之和的最小值。將組合權(quán)重求解問題轉(zhuǎn)換為有約束非線性的規(guī)劃問題，使組合權(quán)重至主觀權(quán)重與客觀權(quán)重，歐氏距離最短，該問題可表述為：

(4)

通過序列二次規(guī)劃算法，對上述問題最優(yōu)解進行獲取。序列二次規(guī)劃算法是對約束非線性規(guī)劃問題進行求解的最優(yōu)算法之一，序列二次規(guī)劃算法既可以保障原問題全局收斂性，又可以將超線性得到收斂。該算法具體過程為：對給定的基本網(wǎng)絡(luò)數(shù)據(jù)初值進行讀取操作，構(gòu)造Lagrange函數(shù)，獲得Hessian矩陣，并對Lagrange函數(shù)進行二次近似，生成二次規(guī)劃子問題，對二次規(guī)劃子問題求解，通過二次規(guī)劃子問題的解，確定檢索方向，并對目標(biāo)函數(shù)數(shù)值進行計算。依據(jù)上述算法完成對網(wǎng)絡(luò)節(jié)點權(quán)重的評估，為網(wǎng)絡(luò)能耗態(tài)勢預(yù)測打下基礎(chǔ)。

3.3 網(wǎng)絡(luò)多點能耗態(tài)勢預(yù)測

以3.1和3.2中信息為基礎(chǔ)，利用樸素貝葉斯分類器實現(xiàn)網(wǎng)絡(luò)多點能耗態(tài)勢的預(yù)測。

假設(shè)網(wǎng)絡(luò)多點能耗態(tài)勢預(yù)測函數(shù)為g，z代表已經(jīng)訓(xùn)練好的樸素貝葉斯分類器，則網(wǎng)絡(luò)多點能耗態(tài)勢預(yù)測函數(shù)g以z為基礎(chǔ)來實現(xiàn)。當(dāng)決策變量Y值通過樸素貝葉斯分類器z來實現(xiàn)時，網(wǎng)絡(luò)中的每個組件基礎(chǔ)運行性、威脅性與脆弱性皆有5個類別以及相應(yīng)的概率[8]，以網(wǎng)絡(luò)組件的基礎(chǔ)運行性為代表，假設(shè)：

P(Y)=P(U)=P(U=CK/Y=κ)

(5)

在上式中，P(Y)代表網(wǎng)絡(luò)組件相應(yīng)的基礎(chǔ)運行性概率，CK代表網(wǎng)絡(luò)能耗預(yù)測率。Y可以?。篊PU利用率、子網(wǎng)流量變化率等。Y是基礎(chǔ)運行性。

樸素貝葉斯分類器的預(yù)測函數(shù)g中有：

P(UU)=P(Y=κ)P(U=CK/Y=κ)

(6)

式中，可以獲得網(wǎng)絡(luò)基礎(chǔ)運行性、網(wǎng)絡(luò)威脅性和網(wǎng)絡(luò)脆弱性三維中，每一維中獲得五等離散化值概率P(Y=CK)(每個連續(xù)型預(yù)測觀測值可劃分為五個等級進行離散，簡稱五等離散化)，將其作為網(wǎng)絡(luò)能耗態(tài)勢預(yù)測函數(shù)e的基礎(chǔ)。

假設(shè)，網(wǎng)絡(luò)能耗態(tài)勢QB，由網(wǎng)絡(luò)的基礎(chǔ)運行性、網(wǎng)絡(luò)威脅性和網(wǎng)絡(luò)脆弱性三維利用預(yù)測函數(shù)e融合生成。預(yù)測決策變量A就是上述的類屬UU，為了方便以下敘述，用A代表決策變量UU。通過樸素貝葉斯分類器的推理，可以獲得每個維度都具有五種離散概率取值，假設(shè)：

P(A=CK)=P(YY=CK)

(7)

因為網(wǎng)絡(luò)能耗態(tài)勢QB，由三個維度利用預(yù)測函數(shù)e融合生成，每個維度通過五等加權(quán)生成，以網(wǎng)絡(luò)的基礎(chǔ)運行性Runnabilitynet為代表，依據(jù)經(jīng)驗，它的實值可定義為：

Runnabilitynet=100*[P(z=2)+0.5*P(z=1)-

0.5*P(z=-1)-5*P(z=-2)]

(8)

因為網(wǎng)絡(luò)能耗態(tài)勢值需要獲取0～100的實值，由此上式中乘100。按該方法對網(wǎng)絡(luò)的基礎(chǔ)運行性的計算結(jié)果最接近實際，網(wǎng)絡(luò)能耗態(tài)勢的預(yù)測主要是：當(dāng)網(wǎng)絡(luò)能耗態(tài)勢高時也要觀察低和中低的情況，當(dāng)態(tài)勢位于中時的概率可忽略不計。

當(dāng)前從網(wǎng)絡(luò)基礎(chǔ)運行性、網(wǎng)絡(luò)威脅性和網(wǎng)絡(luò)脆弱性通過網(wǎng)絡(luò)能耗態(tài)勢預(yù)測函數(shù)e生成最終的網(wǎng)絡(luò)能耗態(tài)勢QB。則有：

QB=e(Runnabilitynet,Vulnerabilitynet,Threatnet)=

η1Runnabilitynet+η2Vulnerabilitynet+η3Threatnet

(9)

可利用經(jīng)驗確定上式中權(quán)值參數(shù)ηi值。網(wǎng)絡(luò)能耗態(tài)勢中，網(wǎng)絡(luò)的基礎(chǔ)運行性是對網(wǎng)絡(luò)正常運行的表征，所占的比重最大，可以取值為0.5，至于其它兩項也可能導(dǎo)致網(wǎng)絡(luò)能耗態(tài)勢降低，所以可以各占比重0.25，這三個權(quán)值η的選定有經(jīng)驗性，可將專家的經(jīng)驗和意見引入。QB取0～100的實值，為當(dāng)前網(wǎng)絡(luò)能耗態(tài)勢的預(yù)測結(jié)果，并從底層逐漸利用z，g，e生成。

根據(jù)以上步驟，硬件部分的改進，通過網(wǎng)絡(luò)能耗態(tài)勢預(yù)測指標(biāo)的提取、網(wǎng)絡(luò)節(jié)點權(quán)重的評估，優(yōu)化軟件部分的網(wǎng)絡(luò)能耗態(tài)勢預(yù)測，完成了非毀傷性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)的設(shè)計。

4 實驗結(jié)果與分析

為了驗證改進設(shè)計的非毀傷性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)的性能，需要進行一次實驗。在Visual C環(huán)境下搭建網(wǎng)絡(luò)能耗態(tài)勢預(yù)測實驗平臺。實驗數(shù)據(jù)取自于美國林肯實驗室網(wǎng)絡(luò)入侵的檢測數(shù)據(jù)集，該數(shù)據(jù)集為KDDCup99。利用改進設(shè)計的非毀傷性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)對其進行實驗，檢測改進系統(tǒng)的可行性。

網(wǎng)絡(luò)能耗態(tài)勢預(yù)測效率是影響非毀傷性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)運行效率的重要指標(biāo)，分別采用改進系統(tǒng)、文獻(xiàn)[8]系統(tǒng)和文獻(xiàn)[9]系統(tǒng)對網(wǎng)絡(luò)能耗態(tài)勢進行預(yù)測，得到三種不同系統(tǒng)的網(wǎng)絡(luò)能耗態(tài)勢預(yù)測效率(%)對比結(jié)果如表1所示。

表1 三種不同系統(tǒng)網(wǎng)絡(luò)能耗態(tài)勢預(yù)測效率對比

分析表1可知，采用文獻(xiàn)[8]系統(tǒng)對網(wǎng)絡(luò)能耗態(tài)勢進行預(yù)測，其預(yù)測效率隨著網(wǎng)絡(luò)數(shù)據(jù)點數(shù)量的增大而降低，且降低幅度較大，當(dāng)網(wǎng)絡(luò)數(shù)據(jù)點為100萬個時，其預(yù)測效率最高為86.3%；當(dāng)網(wǎng)絡(luò)數(shù)據(jù)點為900萬個時，其預(yù)測效率最低，只有69.4%。采用文獻(xiàn)[9]系統(tǒng)對網(wǎng)絡(luò)能耗態(tài)勢進行預(yù)測，其預(yù)測效率也隨著網(wǎng)絡(luò)數(shù)據(jù)點數(shù)量的增大而降低，但相比文獻(xiàn)[8]系統(tǒng)，文獻(xiàn)[9]系統(tǒng)的預(yù)測效率下降幅度較小，當(dāng)網(wǎng)絡(luò)數(shù)據(jù)點為100萬個時，其預(yù)測效率最高，達(dá)到87.1%；當(dāng)網(wǎng)絡(luò)數(shù)據(jù)點為900萬個時，其預(yù)測效率最低為70.6%。對比文獻(xiàn)[8]系統(tǒng)和文獻(xiàn)[9]系統(tǒng)的預(yù)測效率，文獻(xiàn)[9]系統(tǒng)的預(yù)測效率高于文獻(xiàn)[8]系統(tǒng)。采用改進系統(tǒng)對網(wǎng)絡(luò)能耗態(tài)勢進行預(yù)測，其預(yù)測效率與網(wǎng)絡(luò)數(shù)據(jù)點數(shù)量呈反比變化，但預(yù)測效率降低幅度極小，當(dāng)網(wǎng)絡(luò)數(shù)據(jù)點為100萬個時，其預(yù)測效率最高為96.4%；當(dāng)網(wǎng)絡(luò)數(shù)據(jù)點為900萬個時，其預(yù)測效率最低，只有92.6%。對比改進系統(tǒng)與文獻(xiàn)[8]系統(tǒng)、文獻(xiàn)[9]系統(tǒng)的實驗結(jié)果發(fā)現(xiàn)，改進系統(tǒng)的預(yù)測效率遠(yuǎn)遠(yuǎn)高于文獻(xiàn)[8]系統(tǒng)和文獻(xiàn)[9]系統(tǒng)的預(yù)測效率，網(wǎng)絡(luò)數(shù)據(jù)點成倍增長，但預(yù)測效率依然保持在90%以上，充分說明改進系統(tǒng)的網(wǎng)絡(luò)能耗態(tài)勢預(yù)測效率更高，系統(tǒng)運行效率高，驗證了改進系統(tǒng)的實用性。

網(wǎng)絡(luò)節(jié)點權(quán)重評估所用時間同樣影響非毀傷性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)的運行效率，對比改進系統(tǒng)和文獻(xiàn)[9]系統(tǒng)、文獻(xiàn)[10]系統(tǒng)的網(wǎng)絡(luò)節(jié)點權(quán)重評估所用時間，得到三種不同系統(tǒng)網(wǎng)絡(luò)節(jié)點權(quán)重評估所用時間(s)對比結(jié)果如表2所示：

表2 三種不同系統(tǒng)網(wǎng)絡(luò)節(jié)點權(quán)重評估所用時間對比

分析表2可知，采用文獻(xiàn)[9]系統(tǒng)對網(wǎng)絡(luò)節(jié)點權(quán)重進行評估，其所用時間平均值約為16 s，所用評估時間隨網(wǎng)絡(luò)節(jié)點數(shù)目的增大而增大，且增大幅度較大。采用文獻(xiàn)[10]系統(tǒng)對網(wǎng)絡(luò)節(jié)點權(quán)重進行評估，其所用評估時間平均值約為18 s，所用評估時間也隨網(wǎng)絡(luò)節(jié)點數(shù)目的增大而增大。與文獻(xiàn)[9]系統(tǒng)的評估時間相比，其評估時間增大幅度相對較小，但平均評估時間較大。采用改進系統(tǒng)對網(wǎng)絡(luò)節(jié)點權(quán)重進行評估，其所用評估時間平均值約為11 s，所用評估時間與網(wǎng)絡(luò)節(jié)點數(shù)目呈正比趨勢變化，但增大幅度較小。對比改進系統(tǒng)和文獻(xiàn)[9]系統(tǒng)、文獻(xiàn)[10]系統(tǒng)的評估時間進行對比，改進系統(tǒng)的評估時間遠(yuǎn)遠(yuǎn)小于文獻(xiàn)[9]系統(tǒng)和文獻(xiàn)[10]系統(tǒng)的評估時間，說明改進系統(tǒng)的網(wǎng)絡(luò)節(jié)點權(quán)重評估效率更高，驗證了改進系統(tǒng)的運行效率高，具有一定的有效性。

分別采用文獻(xiàn)[8]系統(tǒng)、文獻(xiàn)[10]系統(tǒng)和改進系統(tǒng)，對網(wǎng)絡(luò)能耗態(tài)勢預(yù)測正確性進行測試，測得三種不同系統(tǒng)網(wǎng)絡(luò)能耗態(tài)勢預(yù)測正確率(%)對比結(jié)果如圖2所示。

圖2 三種不同系統(tǒng)網(wǎng)絡(luò)能耗態(tài)勢評估正確率對比

由圖2可知，文獻(xiàn)[8]系統(tǒng)的網(wǎng)絡(luò)能耗態(tài)勢預(yù)測正確率平均約為50%，其預(yù)測正確率隨網(wǎng)絡(luò)數(shù)據(jù)點的增多而降低，且變化幅度較大。文獻(xiàn)[10]系統(tǒng)的網(wǎng)絡(luò)能耗態(tài)勢預(yù)測正確率平均為65%，其預(yù)測正確率曲線波動較大。改進系統(tǒng)的網(wǎng)絡(luò)能耗態(tài)勢預(yù)測正確率平均約為95%，其預(yù)測正確率隨網(wǎng)絡(luò)數(shù)據(jù)點的增多，保持平穩(wěn)變化，曲線波動很小。對比三種系統(tǒng)的實驗結(jié)果可知，改進系統(tǒng)的預(yù)測正確率遠(yuǎn)遠(yuǎn)高于文獻(xiàn)[8]系統(tǒng)和文獻(xiàn)[10]系統(tǒng)的預(yù)測正確率，充分說明改進系統(tǒng)的預(yù)測準(zhǔn)確度更高。

非毀傷性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)為減少網(wǎng)絡(luò)能耗而設(shè)計，則系統(tǒng)的預(yù)測能耗是檢驗系統(tǒng)性能是否優(yōu)良的關(guān)鍵指標(biāo)，分別對傳統(tǒng)系統(tǒng)和改進系統(tǒng)的預(yù)測能耗進行測試，得到兩種不同系統(tǒng)網(wǎng)絡(luò)能耗態(tài)勢預(yù)測所用能耗(λ)對比結(jié)果如圖3所示。

(a)傳統(tǒng)系統(tǒng)預(yù)測所用能耗結(jié)果 (b)改進系統(tǒng)預(yù)測所用能耗結(jié)果圖3 兩種不同系統(tǒng)網(wǎng)絡(luò)能耗態(tài)勢預(yù)測所用能耗對比

觀察圖3可知，傳統(tǒng)系統(tǒng)的預(yù)測能耗隨著實驗時間的增加而變大，且增長幅度較大。改進系統(tǒng)的預(yù)測能耗在0～120 s階段，穩(wěn)定在30 λ左右變化，在120～250 s階段，穩(wěn)定在23 λ左右變化，預(yù)測能耗整體隨時間呈下降趨勢。對比傳統(tǒng)系統(tǒng)和改進系統(tǒng)的預(yù)測能耗結(jié)果，改進系統(tǒng)的預(yù)測能耗遠(yuǎn)遠(yuǎn)小于傳統(tǒng)系統(tǒng)的預(yù)測能耗，說明改進系統(tǒng)的運行能耗更低，驗證了改進系統(tǒng)的可行性。

綜合以上實驗結(jié)果可得，改進設(shè)計的非毀傷性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)具有預(yù)測效率高、預(yù)測正確率高、預(yù)測能耗低的優(yōu)點，具有一定的有效性和實用性。

5 結(jié)束語

改進設(shè)計的非毀傷性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)能夠有效解決傳統(tǒng)系統(tǒng)能好預(yù)測效率低，準(zhǔn)確率低，能耗高的問題。改進的硬件部分為軟件部分預(yù)測功能的實現(xiàn)提供良好的硬件環(huán)境，通過預(yù)測指標(biāo)的提取，網(wǎng)絡(luò)節(jié)點權(quán)重的評估，提高軟件能耗預(yù)測功能的準(zhǔn)確性，由此完成了非毀傷性攻擊下網(wǎng)絡(luò)多點能耗預(yù)測系統(tǒng)的設(shè)計。實驗結(jié)果表明，該系統(tǒng)比傳統(tǒng)系統(tǒng)能耗預(yù)測效率更高，準(zhǔn)確率更高，能耗低。但在預(yù)測效率方面還有提高空間，未來將針對系統(tǒng)能耗預(yù)測效率進行深入研究，為網(wǎng)絡(luò)節(jié)能處理領(lǐng)域的發(fā)展提供幫助。