王凌風，盧國瀟

（華信咨詢設計研究院有限公司，浙江 杭州 310052）

0 引 言

現(xiàn)階段信息技術快速發(fā)展，在網(wǎng)絡支持下，人們對網(wǎng)絡信息的需求量劇增，無線通信網(wǎng)絡的工作量日趨增大，因此通信網(wǎng)絡傳輸海量通信信息時，不可避免地會出現(xiàn)異常節(jié)點，而網(wǎng)絡節(jié)點發(fā)生故障時，通信鏈路性能會迅速下降。因此，檢測通信網(wǎng)絡異常節(jié)點、維護通信網(wǎng)絡使用安全，是目前亟待解決的重要問題之一。傳統(tǒng)解決方法遵循奈奎斯特采樣定理，獲取網(wǎng)絡節(jié)點信息，但壓縮過程中會剔除一些價值較小的數(shù)據(jù)，造成資源浪費，同時，這些價值較小的數(shù)據(jù)可能是關鍵性的數(shù)據(jù)，在全局檢測下，會影響異常節(jié)點檢測結(jié)果。因此，研究者以傳統(tǒng)檢測方法為參考，研究基于物聯(lián)網(wǎng)的通信網(wǎng)絡異常節(jié)點檢測方法[1]。

物聯(lián)網(wǎng)在20世紀90年代被提出，與互聯(lián)網(wǎng)之間存在較大差別。在設計理念上，其服務對象為物體或使用設備，即從網(wǎng)絡概念上，對其使用功能和受眾對象進行了擴展。在嵌入式技術和通信技術共同作用下，對物體或設備賦予通信的能力，通過數(shù)據(jù)交互實現(xiàn)各項功能。而物聯(lián)網(wǎng)衍生的技術，是賦予物體通信能力，通過傳感器感知周圍的環(huán)境，然后通過數(shù)據(jù)傳輸實現(xiàn)物體之間、物體和用戶之間的信息交互[2]。此次研究將物聯(lián)網(wǎng)融入異常節(jié)點檢測中，根據(jù)物聯(lián)網(wǎng)精確檢測范圍，為通信網(wǎng)絡的平穩(wěn)運行與使用安全提供更嚴謹?shù)募夹g支持。

1 基于物聯(lián)網(wǎng)的通信網(wǎng)絡異常節(jié)點檢測方法

1.1 物聯(lián)網(wǎng)定位異常范圍

用戶訪問通信網(wǎng)絡、傳感器網(wǎng)絡節(jié)點自身運行，都可能造成網(wǎng)絡節(jié)點異常。利用物聯(lián)網(wǎng)可實現(xiàn)物物信息交換，定位通信網(wǎng)絡異常范圍?？紤]到網(wǎng)絡節(jié)點之間的關聯(lián)性和交互性，將網(wǎng)絡流量傳輸過程看作是一個運動過程。已知通信網(wǎng)絡中的錨節(jié)點可能是智能手機，也可能是傳統(tǒng)移動設備，因此，在定位網(wǎng)絡異常范圍時，假設通信網(wǎng)絡中錨節(jié)點設備的數(shù)量、位置與網(wǎng)絡拓撲都是固定的[3]。

當通信網(wǎng)絡正常使用時，設置其中的一個目標節(jié)點為0，使用n個移動錨節(jié)點，計算目標節(jié)點所在位置，錨節(jié)點為1,2,…,n，其中某一節(jié)點為i(i=0,1,2,…,n)，將其位置設置為pi(pi,1,pi,2,…,pi,m)，其中m表示通信網(wǎng)絡空間維數(shù)，且存在n≥m+1，需要定位的目標節(jié)點可設置為p0。為了計算目標節(jié)點的位置信息，需要計算該節(jié)點與其他節(jié)點之間的距離。因此，利用物聯(lián)網(wǎng)的非相鄰相減思路，消除多邊定位過程中的二次項。假設錨節(jié)點i需要滿足如式（1）所示的限制條件：

式中：p0,j表示待確定的未知變量。為了保證物聯(lián)網(wǎng)計算安全，將上述進行轉(zhuǎn)化，得到：

根據(jù)上述轉(zhuǎn)化結(jié)果，利用第n個公式，減去第i個公式，消除式（2）中左側(cè)的二次項，得到一個線性方程Xp0T=Y，根據(jù)式中X與Y的定義，得到線性方程的估計結(jié)果：

上述結(jié)果就是物聯(lián)網(wǎng)以某一目標節(jié)點為中心經(jīng)計算得到的異常節(jié)點最遠距離。重復上述步驟，得到通信網(wǎng)絡鏈路中所有網(wǎng)絡異常節(jié)點構(gòu)成的通信網(wǎng)絡異常范圍。

物聯(lián)網(wǎng)完全覆蓋并感知網(wǎng)絡鏈路，根據(jù)各個節(jié)點的數(shù)據(jù)變化情況，利用物聯(lián)網(wǎng)信息交互功能，實現(xiàn)信息交換、信息完全覆蓋功能，通過對全區(qū)域網(wǎng)絡節(jié)點的信息識別，計算其中與目標節(jié)點存在影響關聯(lián)的錨節(jié)點，定位異常節(jié)點所在范圍。

1.2 提取異常節(jié)點特征

在確定通信網(wǎng)絡異常節(jié)點的所在范圍后，利用一種簇中心距離和的特征提取方法，提取異常范圍中由于鏈路自身故障、人為故障導致的網(wǎng)絡異常節(jié)點特征。將得到的異常范圍劃分成訓練集和測試集，然后從訓練集中提取s個簇中心，再將原始的m維數(shù)據(jù)集轉(zhuǎn)化，得到一個全新的s維數(shù)據(jù)集。該提取過程共包含兩個階段：第一階段是通過上述方式得到訓練集后進行聚類，然后提取簇中心；第二階段是再次計算目標節(jié)點與各個節(jié)點之間的距離和，構(gòu)建一個全新的訓練集訓練數(shù)據(jù)。

假設將m維數(shù)據(jù)集W劃分后，得到的訓練集和測試集分別為W1和W2，聚合并提取W1中s個不相連的簇和簇中心。由于第一階段中，通信網(wǎng)絡節(jié)點之間的異常行為較為相似，因此，需要將數(shù)據(jù)集劃分為多個簇。假設W1中的數(shù)據(jù)樣本為qi，計算qi與所有簇之間的距離，并獲取與其最接近的簇Cq，重復此步驟，得到s個簇中心c1,c2,…,cs。此時的目標函數(shù)為：

式中：Q為數(shù)據(jù)樣本與其所在簇的簇中心cj之間的距離度量；a＜m，表示m維數(shù)據(jù)的總使用數(shù)量。通過上述步驟，得到W1中的s個簇中心。利用W1和簇中心c1,c2,…,cs，生成s維數(shù)據(jù)集W1'，其中每個數(shù)據(jù)樣本都是由s個距離之和構(gòu)成的。再根據(jù)上述分析，使用簇中心c1,c2,…,cs將W2轉(zhuǎn)換為新數(shù)據(jù)集W2'，利用分類算法對W2'的結(jié)果進行分類。為衡量不同樣本數(shù)據(jù)在網(wǎng)絡異常范圍內(nèi)距離的遠近，對于網(wǎng)絡中存在的任意兩個數(shù)據(jù)，即異常中心節(jié)點和異常邊緣節(jié)點，計算異常中心節(jié)點和異常邊緣節(jié)點之間的歐幾里得距離，公式為：

式中：n表示異常節(jié)點數(shù)量。通過重復上述計算過程，得到新的數(shù)據(jù)集W2'，然后進行節(jié)點分類，找出多個節(jié)點與目標節(jié)點之間的強弱關聯(lián)，得到物聯(lián)網(wǎng)定位范圍內(nèi)所有異常節(jié)點的特征。

1.3 構(gòu)建檢測模型壓縮感知異常節(jié)點信息

根據(jù)上一節(jié)的提取結(jié)果構(gòu)建檢測模型，描述通信網(wǎng)絡節(jié)點檢測過程，如圖1所示。

圖1 網(wǎng)絡異常節(jié)點檢測模型

根據(jù)圖1可知，通信網(wǎng)絡中的異常節(jié)點并不是均勻分布的，而構(gòu)建的檢測模型需要依托一個分布式檢測算法，實現(xiàn)對所有異常節(jié)點的壓縮感知，從而實現(xiàn)對通信網(wǎng)絡異常節(jié)點的循環(huán)檢測。

使用循環(huán)迭代的分布式檢測算法，將整個無線通信網(wǎng)絡劃分為若干個區(qū)域，在每個區(qū)域中進行壓縮感知任務。當檢測模型完成循環(huán)檢測工作后，根據(jù)檢測結(jié)果調(diào)整模型參數(shù)，同時調(diào)整對應的檢測矩陣。同樣假設通信網(wǎng)絡中包含K個節(jié)點，用x(k),k=1,2,…,K表示離散數(shù)據(jù)向量。檢測模型對每個網(wǎng)絡定位區(qū)域，執(zhí)行加權追蹤任務，然后利用式（6）判斷各個節(jié)點是否存在因為鏈路或人為因素導致的異常情況：

式中：x'(i)表示模型加權追蹤后得到的第i個恢復數(shù)據(jù)；λ1表示網(wǎng)絡節(jié)點存在異常問題；λ0表示網(wǎng)絡節(jié)點不存在異常問題；b表示通信網(wǎng)絡節(jié)點異常的門限值。將計算結(jié)果與實際發(fā)生情況進行對比，并調(diào)整每個定位范圍的區(qū)域權重。之后，匯總整個通信網(wǎng)絡的檢測情況，以全局的角度定位檢測結(jié)果位置，然后調(diào)整對應區(qū)域內(nèi)的檢測矩陣。這里研究者假設通信網(wǎng)絡被劃分成A個子區(qū)間，檢測模型從中獲取G個節(jié)點信息，根據(jù)式（7）調(diào)整檢測節(jié)點數(shù)量：

式中：Gij、Fij分別表示模型第j次檢測時，對于第i個區(qū)間的檢測數(shù)據(jù)數(shù)目、發(fā)現(xiàn)節(jié)點異常的數(shù)目。利用構(gòu)建的模型壓縮感知異常節(jié)點信息，完成對通信網(wǎng)絡中存在的異常節(jié)點的檢測。

2 實驗研究

將傳統(tǒng)的網(wǎng)絡異常節(jié)點檢測方法作為對照組測試對象，將此次研究的異常節(jié)點檢測方法作為實驗組測試對象，比較兩個檢測方法對通信網(wǎng)絡異常節(jié)點的檢測能力。

利用仿真軟件設計一個500×500的正方形區(qū)域，用該區(qū)域模擬通信網(wǎng)絡，并模擬該網(wǎng)絡中共存在16個高度異常節(jié)點（A類節(jié)點），7個低度異常節(jié)點（B類節(jié)點）。圖2是兩個測試組的異常節(jié)點檢測結(jié)果。

圖2 不同測試組的通信網(wǎng)絡異常節(jié)點檢測結(jié)果

從圖2可知，實驗組和對照組都檢測出16個高度異常網(wǎng)絡節(jié)點。而面對異常程度低的網(wǎng)絡節(jié)點，實驗組在多次循環(huán)檢測下，只遺漏了1個異常節(jié)點，該節(jié)點遠離其他異常節(jié)點，且只有1個。對照組由于不具備循環(huán)檢測的功能，因此在一次掃描檢測后遺漏了6個低度異常節(jié)點。通過上述分析可知，面對異常波動較小、影響程度較低、數(shù)量較少、位置偏離的低度異常節(jié)點，實驗組檢測方法可通過循環(huán)檢測得到更加準確的檢測結(jié)果；而對照組由于檢測程序單一，只能檢測出摻雜在大范圍異常節(jié)點內(nèi)的低度異常節(jié)點。

對照組檢測B類網(wǎng)絡異常節(jié)點的能力較弱，實驗組檢測B類網(wǎng)絡異常節(jié)點的能力相對來說更強。經(jīng)計算，實驗組的異常節(jié)點檢測漏報率比對照組低。綜合上述實驗測試結(jié)果可知，此次研究的通信網(wǎng)絡異常節(jié)點檢測方法通過循環(huán)檢測的方式，降低了異常節(jié)點的漏報率。

3 結(jié) 論

此次研究的檢測方法將物聯(lián)網(wǎng)作為檢測依托，實現(xiàn)對網(wǎng)絡異常節(jié)點的精準定位。但此次研究的檢測方法，其檢測結(jié)果并不是絕對準確的，受突發(fā)事件、計算誤差影響，仍會存在漏報的情況。但總體來看，目前研究的檢測方法的檢測性能相對更好。但隨著物聯(lián)網(wǎng)的不斷優(yōu)化升級，對網(wǎng)絡異常節(jié)點檢測方法的要求不斷提高，因此，在今后的研究中，要根據(jù)物聯(lián)網(wǎng)的更新與優(yōu)化，改善定位效果，盡量在簡化檢測步驟、提升檢測效率的同時，進一步精確檢測結(jié)果。