李學(xué)威 張瑞

摘要：針對并行傳輸程序中時序數(shù)據(jù)相似性檢測受到網(wǎng)絡(luò)攻擊的影響，以提高時序數(shù)據(jù)相似性檢測性能為目的，提出了并行傳輸程序中時序數(shù)據(jù)相似性檢測軟件設(shè)計。結(jié)合時間序列相似性度量算法，分析了并行傳輸程序中時序數(shù)據(jù)，通過對比不同度量方法的優(yōu)點，完成時序數(shù)據(jù)的相似性度量，在處理各塊時序數(shù)據(jù)的基礎(chǔ)上，以動態(tài)的方式生成聚類網(wǎng)格，并將時序數(shù)據(jù)逐個映射到相應(yīng)聚類網(wǎng)格上，完成時序數(shù)據(jù)的聚類，最后利用時序數(shù)據(jù)相似性檢測程序設(shè)計，實現(xiàn)了并行傳輸程序中時序數(shù)據(jù)相似性的檢測。實驗結(jié)果表明，提出的并行傳輸程序中時序數(shù)據(jù)相似性檢測軟件可以提高時序數(shù)據(jù)相似性檢測性能。

關(guān)鍵詞：并行傳輸程序;時序數(shù)據(jù);相似性;檢測軟件

中圖分類號：TP391 文獻標(biāo)識碼：A

文章編號：1009-3044（2020）33-0071-03

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

時序數(shù)據(jù)是隨著時間的變化而形成的有序數(shù)據(jù)序列，時序數(shù)據(jù)集反映了數(shù)據(jù)隨著時間變化的過程狀態(tài)，可以采用實際的數(shù)值或符號來定義[1]。隨著時代的變遷，并行傳輸程序中產(chǎn)生了大量的時序數(shù)據(jù)，時序數(shù)據(jù)在不斷地累積過程中，如何分析和處理并行傳輸程序中的時序數(shù)據(jù)相似性已經(jīng)成為一種必要需求。并行傳輸程序中時序數(shù)據(jù)相似性檢測是指將對時間序列中單位數(shù)據(jù)點的數(shù)值進行度量，對超出閾值或者閾值范圍內(nèi)的時序數(shù)據(jù)點進行告警[2]。針對并行傳輸程序中時序數(shù)據(jù)的相似性檢測，傳統(tǒng)的檢測方法往往存在一定局限性，無法在相同的場景中進行相關(guān)技術(shù)知識的遷移和推廣。

人們在日常生活中產(chǎn)生的社會、經(jīng)濟、政治、文化、食物、衣著、住房、交通等各種數(shù)據(jù)，都是通過計算機軟件技術(shù)的字節(jié)數(shù)據(jù)進行傳輸和存儲的。在世界各地，各種活動都會產(chǎn)生大量的數(shù)據(jù)。爆炸式的過程數(shù)據(jù)增長、通用的數(shù)據(jù)標(biāo)準(zhǔn)以及龐大的時序數(shù)據(jù)信息庫，將人類社會帶人了真正的虛擬數(shù)據(jù)時代[3]。因此，如何找到一種通用性和兼容性好、且功能強大的數(shù)據(jù)分析工具，對并行傳輸程序中時序數(shù)據(jù)集進行統(tǒng)計分析，并從中提煉出更多有價值的時序數(shù)據(jù)信息，早就成了數(shù)據(jù)時代的必然要求[4]。如何并行傳輸程序中時序數(shù)據(jù)進一步系統(tǒng)化，形成更加有效的理論知識，為人類社會的生產(chǎn)和實踐乃至調(diào)度決策，提供相應(yīng)的數(shù)據(jù)支持和理論幫助，已經(jīng)成為數(shù)據(jù)時代的必然要求。時序數(shù)據(jù)相似性檢測軟件正是基于這一需求而產(chǎn)生的，它在人類社會各行各業(yè)中的作用也越來越重要[5]。

基于以上背景，本文設(shè)計了并行傳輸程序中時序數(shù)據(jù)相似性檢測程序，從而提高時序數(shù)據(jù)相似性檢測性能。

1 時序數(shù)據(jù)相似性檢測軟件設(shè)計

1.1度量時序數(shù)據(jù)的相似性

在度量時序數(shù)據(jù)相似性過程中，結(jié)合時間序列相似性度量算法，提出了基于支持增量數(shù)據(jù)的時序數(shù)據(jù)相似性度量算法。在并行傳輸程序中時序數(shù)據(jù)的分析中，計算時序數(shù)據(jù)相似性是一個重要且基本的問題，通常被應(yīng)用在時序數(shù)據(jù)的聚類、相似性搜索、分類和預(yù)測中，因此并行傳輸程序中時序數(shù)據(jù)相似性度量的好壞直接影響時序數(shù)據(jù)的分析結(jié)果[6]。時序數(shù)據(jù)相似性度量有以下幾種方法：

1.1.1符號化距離

把并行傳輸程序中的時序數(shù)據(jù)轉(zhuǎn)換為字符串的形式，然后對轉(zhuǎn)換后的字符串進行相似性度量，這是符號距離的主要思想。符號距離測量的著名方法是以歐幾里德距離為基礎(chǔ)的。首先將原始時間序列數(shù)據(jù)轉(zhuǎn)換為滿足標(biāo)準(zhǔn)高斯分布值的序列，然后利用SAX表示法將其轉(zhuǎn)換為字符串的形式。極大公共子串問題可視為時間序列數(shù)據(jù)的符號距離度量[7]。傳統(tǒng)的解決方法是采用動態(tài)規(guī)劃法，得到兩個字符串的最大公共子串，它的異構(gòu)性是O（m*n）。很明顯，這種方法對于解決較長的時間序列數(shù)據(jù)的相似度量是無效的。

1.1.2 動態(tài)時間彎曲

動態(tài)時間彎曲是一種廣泛使用的時間序列數(shù)據(jù)相似性度量方法，它既能對非均等時間序列數(shù)據(jù)的相似性進行度量，又能對異常時序數(shù)據(jù)進行相似性度量。其不利之處是時間效率低，長時間序列數(shù)據(jù)的相似度不高。

由于動態(tài)時間彎曲的時間復(fù)雜度一般情況下為O（n2），因此對于比較長的兩個時間序列數(shù)據(jù)，在計算過程中耗費的時間往往也是比較長的，不能滿足動態(tài)時間彎曲的實際需求。當(dāng)前，研究者們對如何提高動態(tài)時間彎曲的時間性能進行了比較深入的研究，其中，快速時間彎曲是經(jīng)典動態(tài)時間彎曲的一種近似方法，它綜合利用了約束和時序數(shù)據(jù)提取兩種方法來加快計算速度。該方法首先對原始時間序列數(shù)據(jù)進行抽象，即通過具體的算法對時間序列數(shù)據(jù)進行粗粒度處理，再對時間序列數(shù)據(jù)進行粗粒度計算[8]。在粗粒度條件下，得到的規(guī)則路徑經(jīng)過的方塊被進一步細化成細粒度的時間序列，并與之前的結(jié)果進行了比較。在此基礎(chǔ)上，利用動態(tài)時間彎曲縮小了時序數(shù)據(jù)的搜索空間，得到了動態(tài)彎曲距離。由于動態(tài)時間彎曲影響因素較多，算法的時間復(fù)雜度為線性時間復(fù)雜度。此外，還提出了一種滿足動態(tài)時間彎曲下要求的測距方法——快速計算相似度搜索法。

1.1.3其他距離度量方法

時序數(shù)據(jù)的長度往往超過了正常時序數(shù)據(jù)的維度，為了進一步提高時序數(shù)據(jù)的搜索效率，需要對時序數(shù)據(jù)特征進行變換，通過降維法來提高相似性搜索的效率;在建立時間序列模型的基礎(chǔ)上，計算一段時間序列數(shù)據(jù)產(chǎn)生另一段時間序列數(shù)據(jù)的相似度，得出相似度度量結(jié)果。

1.2聚類時序數(shù)據(jù)

并行傳輸程序中時序數(shù)據(jù)的聚類分為時序數(shù)據(jù)的在線處理和離線處理兩個過程，時序數(shù)據(jù)在線處理過程中，對各塊時序數(shù)據(jù)進行處理，以動態(tài)的方式生成聚類網(wǎng)格，并將時序數(shù)據(jù)逐個映射到相應(yīng)聚類網(wǎng)格上。采用密度門限將在線處理算法生成的聚類網(wǎng)格分為稠密聚類網(wǎng)格、過渡聚類網(wǎng)格和稀疏聚類網(wǎng)格[9]。對密集聚類網(wǎng)格、過渡聚類網(wǎng)格和稀疏聚類網(wǎng)格分別采用不同的處理方法得到時序數(shù)據(jù)聚類集，并將其存儲到時序數(shù)據(jù)庫中。離線時序數(shù)據(jù)處理過程中，根據(jù)不同用戶對時序數(shù)據(jù)的需求，抽取一定時間范圍內(nèi)的時序數(shù)據(jù)聚類集合，通過判斷兩個時序數(shù)據(jù)集合是否具有相似性，再對數(shù)據(jù)進行聚類，得到最終的聚類結(jié)果。

傳統(tǒng)意義上的固定劃分網(wǎng)格方法不能適應(yīng)并行傳輸程序中時序數(shù)據(jù)的相似性特征，而且固定劃分網(wǎng)格一旦劃分就不可以發(fā)生改變。為了避免這一問題產(chǎn)生，本文在聚類時序數(shù)據(jù)時引入了動態(tài)生成網(wǎng)格方法，根據(jù)時序數(shù)據(jù)的特征生成相應(yīng)的網(wǎng)格[10]。

當(dāng)時序數(shù)據(jù)塊內(nèi)有n個時序數(shù)據(jù)單元時，先采集時序數(shù)據(jù)塊內(nèi)部的時序數(shù)據(jù)單元特征，通過計算時序數(shù)據(jù)單元在每一個維度屬性的均值δj，確定網(wǎng)格單元內(nèi)每一個維度空間的劃分長度hi。時序數(shù)據(jù)每一個維度屬性的均值為：

網(wǎng)格單元的處理方法有兩種，包括稠密網(wǎng)格處理及過渡網(wǎng)格和稀疏網(wǎng)格處理。稠密網(wǎng)格處理是以網(wǎng)格的中心點作為頂點，如果選取的任意兩個網(wǎng)格都是相鄰的，就為其中一個網(wǎng)格賦予一條邊，生成一個稠密且沒有方向的有權(quán)圖，通過利用深度優(yōu)先算法獲取有權(quán)圖的連通分支，從而得到一個稠密網(wǎng)格簇集合;過渡網(wǎng)格處理必須先計算稠密網(wǎng)格中的所有點距網(wǎng)格中心距離的標(biāo)準(zhǔn)差。令任意一個網(wǎng)格單元為gm，其標(biāo)準(zhǔn)差為：

1.3 設(shè)計時序數(shù)據(jù)相似性檢測程序

在完成并行傳輸程序中時序數(shù)據(jù)空間網(wǎng)格劃分的基礎(chǔ)上，采用二元正態(tài)密度核函數(shù)，來計算時序數(shù)據(jù)在任意一個單元格的密度估計值，計算公式為：

根據(jù)上述的計算過程，將并行傳輸程序中的異常區(qū)域看作是滿足一定條件的相鄰密度值相同，或者是近似單元格連成的區(qū)域，并行傳輸程序中異常區(qū)域的判斷為：

其中，d （δ1）和d（δ2）分別表示并行傳輸程序中兩個相鄰單元格的密度估計值，ε表示并行傳輸程序中異常區(qū)域的判斷閾值。

根據(jù)上述步驟檢測，獲得并行傳輸程序的異常區(qū)域之后，需要進一步檢測并行傳輸程序中異常區(qū)域的時序數(shù)據(jù)活動位置隨時間的變化情況，完成時序數(shù)據(jù)的檢測。假設(shè)Oi和ARi分別表示并行傳輸程序中任意一個時序數(shù)據(jù)和異常區(qū)域，將異常區(qū)域轉(zhuǎn)換為二進制序列，即：

B=b1b2…bi…bn

（8）

由于并行傳輸程序中時序數(shù)據(jù)頻譜泄露或其他原因得到了一系列候選周期圖，為了避免并行傳輸程序存在不正確和虛假報警現(xiàn)象，通過引入自相關(guān)函數(shù)來檢驗得到的候選周期圖，確定并行傳輸程序中異常區(qū)域時序數(shù)據(jù)變化周期，并行傳輸程搜索空間，得到了動態(tài)彎曲距離。由于動態(tài)時間彎曲影響因素較多，算法的時間復(fù)雜度為線性時間復(fù)雜度。此外，還提出了一種滿足動態(tài)時間彎曲下要求的測距方法——快速計算相似度搜索法。

1.1.3其他距離度量方法

時序數(shù)據(jù)的長度往往超過了正常時序數(shù)據(jù)的維度，為了進一步提高時序數(shù)據(jù)的搜索效率，需要對時序數(shù)據(jù)特征進行變換，通過降維法來提高相似性搜索的效率;在建立時間序列模型的基礎(chǔ)上，計算一段時間序列數(shù)據(jù)產(chǎn)生另一段時間序列數(shù)據(jù)的相似度，得出相似度度量結(jié)果。

1.2聚類時序數(shù)據(jù)

并行傳輸程序中時序數(shù)據(jù)的聚類分為時序數(shù)據(jù)的在線處理和離線處理兩個過程，時序數(shù)據(jù)在線處理過程中，對各塊時序數(shù)據(jù)進行處理，以動態(tài)的方式生成聚類網(wǎng)格，并將時序數(shù)據(jù)逐個映射到相應(yīng)聚類網(wǎng)格上。采用密度門限將在線處理算法生成的聚類網(wǎng)格分為稠密聚類網(wǎng)格、過渡聚類網(wǎng)格和稀疏聚類網(wǎng)格[9]。對密集聚類網(wǎng)格、過渡聚類網(wǎng)格和稀疏聚類網(wǎng)格分別采用不同的處理方法得到時序數(shù)據(jù)聚類集，并將其存儲到時序數(shù)據(jù)庫中。離線時序數(shù)據(jù)處理過程中，根據(jù)不同用戶對時序數(shù)據(jù)的需求，抽取一定時間范圍內(nèi)的時序數(shù)據(jù)聚類集合，通過判斷兩個時序數(shù)據(jù)集合是否具有相似性，再對數(shù)據(jù)進行聚類，得到最終的聚類結(jié)果。

傳統(tǒng)意義上的固定劃分網(wǎng)格方法不能適應(yīng)并行傳輸程序中時序數(shù)據(jù)的相似性特征，而且固定劃分網(wǎng)格一旦劃分就不可以發(fā)生改變。為了避免這一問題產(chǎn)生，本文在聚類時序數(shù)據(jù)時引入了動態(tài)生成網(wǎng)格方法，根據(jù)時序數(shù)據(jù)的特征生成相應(yīng)的網(wǎng)格[10]。

當(dāng)時序數(shù)據(jù)塊內(nèi)有n個時序數(shù)據(jù)單元時，先采集時序數(shù)據(jù)塊內(nèi)部的時序數(shù)據(jù)單元特征，通過計算時序數(shù)據(jù)單元在每一個維度屬性的均值δj，確定網(wǎng)格單元內(nèi)每一個維度空間的劃分長度hi。時序數(shù)據(jù)每一個維度屬性的均值為：

網(wǎng)格單元的處理方法有兩種，包括稠密網(wǎng)格處理及過渡網(wǎng)格和稀疏網(wǎng)格處理。稠密網(wǎng)格處理是以網(wǎng)格的中心點作為頂點，如果選取的任意兩個網(wǎng)格都是相鄰的，就為其中一個網(wǎng)格賦予一條邊，生成一個稠密且沒有方向的有權(quán)圖，通過利用深度優(yōu)先算法獲取有權(quán)圖的連通分支，從而得到一個稠密網(wǎng)格簇集合;過渡網(wǎng)格處理必須先計算稠密網(wǎng)格中的所有點距網(wǎng)格中心距離的標(biāo)準(zhǔn)差。令任意一個網(wǎng)格單元為gm，其標(biāo)準(zhǔn)差為：

1.3 設(shè)計時序數(shù)據(jù)相似性檢測程序

在完成并行傳輸程序中時序數(shù)據(jù)空間網(wǎng)格劃分的基礎(chǔ)上，采用二元正態(tài)密度核函數(shù)，來計算時序數(shù)據(jù)在任意一個單元格的密度估計值，計算公式為：

根據(jù)上述的計算過程，將并行傳輸程序中的異常區(qū)域看作是滿足一定條件的相鄰密度值相同，或者是近似單元格連成的區(qū)域，并行傳輸程序中異常區(qū)域的判斷為：

其中，d （δ1）和d（δ2）分別表示并行傳輸程序中兩個相鄰單元格的密度估計值，ε表示并行傳輸程序中異常區(qū)域的判斷閾值。

根據(jù)上述步驟檢測，獲得并行傳輸程序的異常區(qū)域之后，需要進一步檢測并行傳輸程序中異常區(qū)域的時序數(shù)據(jù)活動位置隨時間的變化情況，完成時序數(shù)據(jù)的檢測。假設(shè)Oi和ARi分別表示并行傳輸程序中任意一個時序數(shù)據(jù)和異常區(qū)域，將異常區(qū)域轉(zhuǎn)換為二進制序列，即：

B=b1b2…bi…bn

（8）

由于并行傳輸程序中時序數(shù)據(jù)頻譜泄露或其他原因得到了一系列候選周期圖，為了避免并行傳輸程序存在不正確和虛假報警現(xiàn)象，通過引入自相關(guān)函數(shù)來檢驗得到的候選周期圖，確定并行傳輸程序中異常區(qū)域時序數(shù)據(jù)變化周期，并行傳輸程

序中時序數(shù)據(jù)相似性檢測。

2 實驗對比分析

為了進一步驗證并行傳輸程序中時序數(shù)據(jù)相似性檢測軟件的可行性，采用傳統(tǒng)時序數(shù)據(jù)相似性檢測軟件做對比，對比測試注入不同比例的網(wǎng)絡(luò)攻擊時，兩種時序數(shù)據(jù)相似性檢測軟件的檢測準(zhǔn)確率，對比結(jié)果如表1所示。