孫雪峰

(吉林大學(xué) 教育技術(shù)中心，長春 130012)

0 引言

在網(wǎng)絡(luò)通信服務(wù)過程中，服務(wù)目標對象與服務(wù)器是直接通信的，該種通信方式使服務(wù)器連接的終端用戶數(shù)量巨大，需要保證一個服務(wù)器能在短時間內(nèi)立刻查到數(shù)以萬計的客戶端查詢到指定目標，并建立良好網(wǎng)絡(luò)結(jié)構(gòu)才能實現(xiàn)[1]。日益更新網(wǎng)絡(luò)入侵形式能夠引起人們對網(wǎng)絡(luò)安全問題的重視，作為能夠檢測數(shù)據(jù)異常的技術(shù)，依據(jù)網(wǎng)絡(luò)數(shù)據(jù)特征分析已經(jīng)標記的數(shù)據(jù)異常變化規(guī)律，由此捕獲異常數(shù)據(jù)特征。以往大都采用高維隨機矩陣分析網(wǎng)絡(luò)數(shù)據(jù)特征，通過相關(guān)矩陣模型推導(dǎo)目標數(shù)據(jù)檢測過程，雖然該方法檢測效果較好，但通信數(shù)據(jù)服務(wù)類型區(qū)分并不明確，導(dǎo)致檢測結(jié)果可靠性較低。而采用無監(jiān)督組建支持向量機模型的檢測技術(shù)，是將主動學(xué)習(xí)方法與目標數(shù)據(jù)檢測結(jié)合起來，通過人工標記方式能夠擴展異常檢測模型，但該方法更適用于大范圍的通信環(huán)境。而在實際環(huán)境中，應(yīng)用該技術(shù)無法高效分析數(shù)據(jù)樣本捕獲過程，導(dǎo)致后續(xù)計算結(jié)果存在較大誤差，檢測結(jié)果精準度也相對偏低。針對當前以往檢測技術(shù)存在的問題，提出了基于聯(lián)合壓縮感知重構(gòu)的網(wǎng)絡(luò)通信服務(wù)目標數(shù)據(jù)檢測技術(shù)。

1 聯(lián)合壓縮感知重構(gòu)原理

微電機系統(tǒng)隨著工作人員對網(wǎng)絡(luò)通信服務(wù)目標數(shù)據(jù)采集需求增強，其應(yīng)用范圍也不斷擴大，因此網(wǎng)絡(luò)通信服務(wù)中節(jié)點功能也需增強。微電機系統(tǒng)中數(shù)據(jù)傳送效率成為研究重點，為了提高系統(tǒng)數(shù)據(jù)傳輸效率，將節(jié)點捕獲到的數(shù)據(jù)全部壓縮后再傳送，以此降低網(wǎng)絡(luò)帶寬要求，對單個節(jié)點數(shù)據(jù)存儲與處理要求也相對寬容[2]。傳統(tǒng)數(shù)據(jù)壓縮要求網(wǎng)絡(luò)通信節(jié)點所捕獲目標對象信號頻率是信號頻率兩倍，否則無法還原原始信號。傳統(tǒng)數(shù)據(jù)壓縮將捕獲到的信號全部發(fā)送到下一個節(jié)點之前，需將信號接近零的數(shù)據(jù)進行變換處理，并保留少量系數(shù)，再將該系統(tǒng)編碼壓縮[3]。

以往數(shù)據(jù)壓縮雖然能夠減少數(shù)據(jù)量，但在高頻率采樣過程中，大量信息采集將會要求網(wǎng)絡(luò)通信服務(wù)節(jié)點硬件設(shè)備具有高處理效率以及數(shù)字轉(zhuǎn)換能力配置。此外，數(shù)據(jù)壓縮后的信號雖然能夠舍棄大量近似于零的數(shù)據(jù)，但要求存儲信號數(shù)值并沒有減少節(jié)點采集數(shù)據(jù)量[4]。

2 稀疏目標數(shù)據(jù)采集

結(jié)合聯(lián)合壓縮感知原理可知，若網(wǎng)絡(luò)通信服務(wù)節(jié)點是隨機部署的，那么離散小波變換就可視為感知數(shù)據(jù)稀疏基。在網(wǎng)絡(luò)通信服務(wù)過程中，不同節(jié)點之間通信是具有較強關(guān)聯(lián)性的，由于網(wǎng)絡(luò)拓撲結(jié)構(gòu)變化相對復(fù)雜，但小波變換能夠應(yīng)用于任意位置，支撐交換函數(shù)，并構(gòu)造一個正交基，其所產(chǎn)生的基向量可用數(shù)據(jù)系數(shù)表示，使得感知數(shù)據(jù)能夠在某一變換區(qū)域內(nèi)以稀疏形式表示，方便壓縮數(shù)據(jù)采集[6]。

在網(wǎng)絡(luò)通信服務(wù)環(huán)境中，由于溫度是一個緩慢變化的信號，因此，溫度突變是具有很強稀疏性的，異常溫度變化很可能為一個稀疏事件[7]。在網(wǎng)絡(luò)通信服務(wù)區(qū)域內(nèi)是否出現(xiàn)稀疏信號，需通過網(wǎng)絡(luò)通信連接溫度指示器，判斷服務(wù)節(jié)點溫度[8]。溫度指示器如圖1所示。

圖1 網(wǎng)絡(luò)服務(wù)節(jié)點用溫度指示器

通常情況下，不同節(jié)點溫度是在一定范圍內(nèi)變化，一旦節(jié)點溫度超過這一范圍時，所連接的溫度指示器讀取結(jié)果為1，否則為0。系數(shù)數(shù)據(jù)采集過程可描述成如圖2所示。

圖2 系數(shù)數(shù)據(jù)采集過程

具體采集過程如下所示：

將N個網(wǎng)絡(luò)節(jié)點與1個sink節(jié)點組成抽象無向圖，圖中的每個網(wǎng)絡(luò)節(jié)點都需隨機分配一個編號，如果兩個網(wǎng)絡(luò)節(jié)點能夠相互通信，那么說明無向圖中的邊集合是存在的[9]。如果網(wǎng)絡(luò)節(jié)點存在一個數(shù)據(jù)，那么網(wǎng)絡(luò)節(jié)點的數(shù)據(jù)是可以寫成一個列向量的，因此可用稀疏基來表示。在網(wǎng)絡(luò)通信服務(wù)環(huán)境中，網(wǎng)絡(luò)節(jié)點周期性采集數(shù)據(jù)并將數(shù)據(jù)全部存儲在本地之中，sink節(jié)點存儲全部數(shù)據(jù)，通過監(jiān)視網(wǎng)絡(luò)通信服務(wù)區(qū)域內(nèi)稀疏數(shù)據(jù)檢測，確定稀疏二進制矩陣[10]。初始化矩陣，在每列中隨機選擇位置，保證位置元素都為1，其他位置元素為0，通過該方法構(gòu)造稀疏二進制矩陣，保證數(shù)據(jù)恢復(fù)性能。根據(jù)稀疏數(shù)據(jù)采集方法，編號移動代理，使其遷移到一個感興趣節(jié)點位置，并獲取該節(jié)點感知數(shù)據(jù)，這時將攜帶感知數(shù)據(jù)進行加權(quán)處理，以此進行下去，直到感知興趣節(jié)點都被移動代理所訪問為止，由此完成稀疏目標數(shù)據(jù)采集[11]。

3 網(wǎng)絡(luò)通信服務(wù)目標數(shù)據(jù)檢測

3.1 未知數(shù)量檢測數(shù)據(jù)精確重構(gòu)

采用聯(lián)合壓縮感知技術(shù)對網(wǎng)絡(luò)通信服務(wù)數(shù)據(jù)異常進行檢測，其中涉及到的上下層節(jié)點網(wǎng)絡(luò)通信數(shù)據(jù)需要及時處理，才能保證構(gòu)造的稀疏矩陣無需進行預(yù)處理，就能滿足約束等距條件[12]。采用離散編組形式，能夠及時捕獲網(wǎng)絡(luò)通信結(jié)果，進而實現(xiàn)對未知數(shù)量檢測數(shù)據(jù)精確重構(gòu)。

假設(shè)網(wǎng)絡(luò)通信服務(wù)檢測節(jié)點信號是線性疊加的，那么將不會存在網(wǎng)絡(luò)信號之間的干擾問題。將網(wǎng)絡(luò)通信服務(wù)目標數(shù)據(jù)檢測數(shù)據(jù)用向量來描述，當檢測數(shù)據(jù)處于非工作狀態(tài)下時，相應(yīng)信號值將為0，由于目標數(shù)據(jù)檢測數(shù)量滿足服務(wù)檢測數(shù)據(jù)遠遠小于目標數(shù)據(jù)檢測數(shù)據(jù)情況時，則相應(yīng)信號值為稀疏度的N維向量。采用聯(lián)合壓縮感知理論對檢測到的信號進行重構(gòu)，并采用正交矩陣進行描述。

當滿足觀測節(jié)點遠遠小于目標數(shù)據(jù)維數(shù)時，相應(yīng)信號值足夠稀疏，且目標數(shù)據(jù)檢測節(jié)點信號滿足路由信息協(xié)議時，能夠依據(jù)求解最小初始步長范數(shù)稀疏重構(gòu)出目標數(shù)據(jù)檢測信號。結(jié)合相關(guān)數(shù)據(jù)可知，求解出來的最小初始步長問題屬于最小編譯問題，將該過程應(yīng)用到信號稀疏重構(gòu)過程之中，能夠顯示出相應(yīng)編組位數(shù)，以此轉(zhuǎn)換為進化算子。通過不斷迭代更新處理蜘蛛算子后，獲取相應(yīng)權(quán)重最高個體，并進行編組位變換，提升網(wǎng)絡(luò)通信服務(wù)數(shù)據(jù)樣本信號稀疏重構(gòu)過程的多樣性，以此保證算法收斂最優(yōu)解。

綜上可見，《辦法》已不局限于排堵保暢，還應(yīng)關(guān)注船舶通航和水運市場的需求與導(dǎo)向，特別是船舶尺度尚未放寬的限制問題。對此，交通運輸部海事局根據(jù)京杭運河現(xiàn)有標準船型主尺度系列的實際情況，結(jié)合航道、港口(碼頭)、橋梁、船閘、裝卸工具等設(shè)施現(xiàn)狀，對原《辦法》第五條作出修訂，見表1。

3.2 數(shù)據(jù)異常檢測

提取最優(yōu)重構(gòu)數(shù)據(jù)，利用構(gòu)造函數(shù)計算網(wǎng)絡(luò)通信服務(wù)數(shù)據(jù)之間的相似度，根據(jù)該相似度能夠區(qū)分不同樣本，進而剔除多余數(shù)據(jù)。

采用聯(lián)合壓縮感知技術(shù)對網(wǎng)絡(luò)通信服務(wù)目標數(shù)據(jù)進行檢測，具體實施過程如下所示：

通過重構(gòu)后的強相關(guān)數(shù)據(jù)連接記錄、連接記錄相應(yīng)特征、通信服務(wù)數(shù)據(jù)特征近似度計算通信服務(wù)數(shù)據(jù)間近似度，并確定重構(gòu)后通信服務(wù)數(shù)據(jù)分類線性邊界。如果強相關(guān)性訓(xùn)練數(shù)據(jù)是線性可分的，那么將存在一對相應(yīng)決策函數(shù)，使網(wǎng)絡(luò)通信服務(wù)數(shù)據(jù)間隔最大等價達到最小，即為通信服務(wù)數(shù)據(jù)最優(yōu)分類面，由此實現(xiàn)網(wǎng)絡(luò)通信服務(wù)目標數(shù)據(jù)檢測。

4 實驗分析

基于聯(lián)合壓縮感知重構(gòu)的網(wǎng)絡(luò)通信服務(wù)目標數(shù)據(jù)檢測技術(shù)研究可靠性，設(shè)計了一種簡化網(wǎng)絡(luò)拓撲結(jié)構(gòu)，如圖3所示。

圖3 簡化網(wǎng)絡(luò)拓撲結(jié)構(gòu)

將FusionServer RH2288 V3服務(wù)器作為重要控制設(shè)備，保證每個端都能與服務(wù)器直接通信，使每一個加入網(wǎng)絡(luò)的用戶，都能將基本信息添加到服務(wù)器資料庫之中，以此查找數(shù)據(jù)資料庫中指定目標信息，進而確定目標精確位置，使客戶端不會因設(shè)備故障停機而影響其他客戶端的正常通信。

4.1 實驗環(huán)境設(shè)置

在進行實驗測試時，需在Visual C++6.0環(huán)境中，采用C++語言編譯來實現(xiàn)。運行的機器配置型號為Pentium4，CPU為3.0 GHz，內(nèi)存大小為512 MB。在Matlab實驗平臺上，提取網(wǎng)絡(luò)監(jiān)測系統(tǒng)下的真實數(shù)據(jù)，每隔15分鐘進行一次采樣，實驗設(shè)備選擇Intel(R)Core(TM)i5-3210CPU2.5 GHz型號計算機，內(nèi)存大小為16 GB。

運行機器內(nèi)核配置如圖4所示。

圖4 運行機器內(nèi)核配置

4.2 通信量分析

將聯(lián)合壓縮感知檢測技術(shù)中的稀疏目標數(shù)據(jù)采集方法與以往方法在不同壓縮率情況下，隨著網(wǎng)絡(luò)節(jié)點數(shù)量增加，各個方法在通信總量變化方面進行對比分析。圖5(a)是壓縮率為10時的不同方法總通信量實驗結(jié)果，圖5(b)是壓縮率為5時的不同方法總通信量實驗結(jié)果。

圖5 不同方法總通信量

1)壓縮率為10：當節(jié)點數(shù)量為800個時，無監(jiān)督組件支持向量機模型檢測技術(shù)、高維隨機矩陣檢測技術(shù)和聯(lián)合壓縮感知重構(gòu)技術(shù)的通信量依次為0.18×104bit、0.38×104bit、0.75×104bit；當節(jié)點數(shù)量為1100個時，三種技術(shù)檢測的通信量依次為0.28×104bit、0.5×104bit、1.0×104bit；當節(jié)點數(shù)量為1400個時，無監(jiān)督組件支持向量機模型檢測技術(shù)通信量已經(jīng)達到最高為1.2×104bit，且不再發(fā)生改變，而高維隨機矩陣檢測技術(shù)和聯(lián)合壓縮感知重構(gòu)技術(shù)的通信量依次為1.0×104bit 和0.39×104bit。

2)壓縮率為5：當節(jié)點數(shù)量為800個時，無監(jiān)督組件支持向量機模型檢測技術(shù)、高維隨機矩陣檢測技術(shù)和聯(lián)合壓縮感知重構(gòu)技術(shù)的通信量依次為0.9×104bit、0.5×104bit、0.4×104bit；當節(jié)點數(shù)量為1 100個時，無監(jiān)督組件支持向量機模型檢測技術(shù)通信量達到1.2×104bit，且不再發(fā)生變化，而高維隨機矩陣檢測技術(shù)的通信量在節(jié)點數(shù)量為1 400個時，也達到最大通信量狀態(tài)。聯(lián)合壓縮感知重構(gòu)技術(shù)在節(jié)點數(shù)量為1 700個時，通信量達到最大為1.0×104bit。

由圖5可看出，隨著節(jié)點數(shù)量增加，通信量也會隨之增加。聯(lián)合壓縮感知重構(gòu)技術(shù)通信量遠遠小于監(jiān)督組件支持向量機模型檢測技術(shù)、高維隨機矩陣檢測技術(shù)，因為聯(lián)合壓縮感知重構(gòu)技術(shù)在數(shù)據(jù)收集過程中分析了不同溫度下稀疏目標數(shù)據(jù)采集過程，將通信量較大節(jié)點數(shù)據(jù)進行壓縮處理，保證節(jié)點所傳送的通信量都相對較小。聯(lián)合壓縮感知重構(gòu)技術(shù)選取的簇頭位于簇中心位置，因此，簇內(nèi)節(jié)點只需將信息全部發(fā)送到中心附近位置，就可將各自收集到的信息發(fā)送到接近左下角的父節(jié)點，大大增加了數(shù)據(jù)傳輸效率，進而增加網(wǎng)絡(luò)通信量。

4.3 實驗結(jié)果與分析

根據(jù)上述通信量分析結(jié)果可知，聯(lián)合壓縮感知重構(gòu)技術(shù)隨著節(jié)點數(shù)量的增加，通信量相對較小，壓縮效果較好。為了進一步驗證聯(lián)合壓縮感知重構(gòu)技術(shù)的可靠性，以500個通信服務(wù)數(shù)據(jù)樣本為例，對聯(lián)合壓縮感知重構(gòu)技術(shù)檢測結(jié)果進行測試。圖6給出聯(lián)合壓縮感知重構(gòu)技術(shù)對通信服務(wù)數(shù)據(jù)樣本進行分類處理，具有較好分類效果，分類線性邊界定位較為精準。

圖6 聯(lián)合壓縮感知重構(gòu)技術(shù)數(shù)據(jù)分類結(jié)果

使用平均數(shù)值度量對網(wǎng)絡(luò)通信服務(wù)目標數(shù)據(jù)的監(jiān)測效果進行評估，并與以往兩種方法進行實驗對比分析，通過獲取不同方法下的平均數(shù)值進行數(shù)據(jù)收集。通過ROC曲線能夠直觀描述出目標數(shù)據(jù)檢測率和誤報率，依據(jù)兩者之間線性關(guān)系，設(shè)置多個臨界值，由此繪制出如圖7所示的ROC曲線圖。

圖7 不同方法相應(yīng)ROC曲線

由圖7可看出，無監(jiān)督組件支持向量機模型檢測技術(shù)、高維隨機矩陣檢測技術(shù)ROC曲線下方所空余的面積較小，隨著誤報率增加，兩種技術(shù)目標數(shù)據(jù)檢出率始終沒超過60%；聯(lián)合壓縮感知重構(gòu)技術(shù)相應(yīng)的ROC曲線下方所空余的面積較大，隨著誤報率增加，該技術(shù)目標數(shù)據(jù)檢出率最高可達到87%，說明聯(lián)合壓縮感知重構(gòu)技術(shù)網(wǎng)絡(luò)通信服務(wù)目標數(shù)據(jù)檢測精準度較高，誤報率也相對較低，數(shù)據(jù)檢測效果理想，也由此證實了基于聯(lián)合壓縮感知重構(gòu)的網(wǎng)絡(luò)通信服務(wù)目標數(shù)據(jù)檢測技術(shù)研究方法是具有可靠性的。

5 結(jié)論

聯(lián)合壓縮感知在網(wǎng)絡(luò)通信服務(wù)目標數(shù)據(jù)檢測研究成為近年來研究熱點為題，在數(shù)據(jù)可壓縮條件下，通過采集少量測量值恢復(fù)大量原始數(shù)據(jù)，為數(shù)據(jù)檢測提供基礎(chǔ)數(shù)據(jù)。主要研究成果總結(jié)如下：

結(jié)合試驗結(jié)果可看出，提出的基于聯(lián)合壓縮感知重構(gòu)檢測技術(shù)與以往檢測技術(shù)相比具有明顯優(yōu)勢，主要是因為所提檢測技術(shù)利用聯(lián)合壓縮感知重構(gòu)檢測技術(shù)對網(wǎng)絡(luò)節(jié)點所采集到的通信服務(wù)數(shù)據(jù)進行處理，能夠完成對未知數(shù)據(jù)精確重構(gòu)。利用該技術(shù)在提高通信服務(wù)目標數(shù)據(jù)檢測率的同時，還能降低目標數(shù)據(jù)誤報率，檢測性能明顯更優(yōu)。

研究內(nèi)容仍存在一些問題總結(jié)如下：

1)基于聯(lián)合壓縮感知重構(gòu)檢測技術(shù)可以均衡網(wǎng)絡(luò)通信服務(wù)節(jié)點之間的能量消耗，但網(wǎng)絡(luò)整體延遲還相對較大，因此，研究網(wǎng)絡(luò)延遲小且能量均衡數(shù)據(jù)分析模型是具有必要性的。

2)受到時間限制，目前只考慮了規(guī)則簇區(qū)域的劃分方式，但該方式僅適用于各種已經(jīng)劃分簇區(qū)域中簇頭的選取，因此，進一步將網(wǎng)絡(luò)簇區(qū)域中的劃分進行研究，能夠更好地實現(xiàn)能量的有效收集。