基于时空二向度定型机制的静态网络检测算法研究

韩淑芹，李增祥



基于时空二向度定型机制的静态网络检测算法研究

*韩淑芹1，李增祥2

(1. 潍坊工程职业学院信息工程系，山东，潍坊 262500；2. 山东理工大学计算机学院，山东，淄博 255049)

为了解决当前静态网络检测机制中存在链路抖动检出频率低，数据传输性能不高，且难以实现信道噪声擦除的不足，提出了一种基于时空二向度定型机制的静态网络检测算法。首先，综合考虑静态网络接收信号强度（ Received Signal Strength Indication，RSSI）、链路质量指针（Link Quality Indicator，LQI）、信噪比（SIGNAL-NOISE RATIO，SNR）的特点，并结合静态网络节点的拓扑特性，通过移序方法，构建了基于频率漂移包络擦除方案的超参数捕捉方法，有效降低信道噪声对网络抖动性能的影响；随后，考虑到当前静态网络节点的数据流量分布不均匀的特性，基于链路相干协方差的方法，实现链路抖动二向度的误差消除，显著提升了网络抗噪性能，强化了数据传输过程中的误差控制。仿真实验表明，与高斯白噪声信道包络检测机制（Envelope Monitoring Mechanism in Gauss White Noise Channel，E2W-GWNC机制）、拉普拉斯信源联合抖动检测机制（Laplasse Source Joint Jitter Detection Mechanism，LS-2JD机制）相比，所提算法具有更高的网络数据传输能力，且有更好的链路抖动问题检出效果。

静态网络检测；时空二向度；超参数捕捉；链路质量指针；移序方式；误差控制

0 引言

随着以大规模分布式网络、网格计算、云网络、工业化4.0物联网为代表的静态网络技术的不断发展，各种网络不安定因素也随之增加，诸如DDos攻击、节点篡改、链路劫持等主动入侵行为层出不穷[1]。由于静态网络具有部署规模大、节点制式多、链路抖动严重、信道干扰强等实际困难，当前主要通过发展若干检测技术，主要通过对链路抖动的检测，实现网络质量可管可控[2]。

为解决静态网络部署过程中存在的这些问题，进一步提高静态网络技术在实践中的运用，人们提出了许多具有前瞻性的解决方案，在一定程度上促进了静态网络的广泛部署。Yan等[3]提出了一种基于网络硬件性能指标多维探测机制的静态网络检测方案，该方案主要选取网络中具有关键拓扑特性的网络节点，如区域网关、数据分发服务器等，通过定时机制检测这些网络节点的服务状态，并采取主备机制进行硬件更换，能够实现静态网络故障无感知切换，具有很强的实际部署价值；不过该算法需要定时检测关键节点的服务质量，难以实现对直接传输链路状态的准确捕捉，对高流动性网络的适应性较差。Hu等[4]提出了一种基于Web软件中间层服务质量裁决机制的静态网络检测方案，该方案主要通过选取合适的Web中间件，如Nginx等服务软件，采取端口定时检测机制实现对直接传输链路状态的实时捕捉，具有实现过程简单的特点；然而该算法需要通过一定的收敛机制（一般采取冒泡算法）进行路由收敛，难以适应网络规模较大的情况。Niu等[5]提出一种基于分区机制的静态网络检测方案，通过对静态网络按照一定规则进行区域划分，采取区域节点数据上传的方式建立两级数据传输链路，能够实现对链路抖动问题的实时捕捉，且无需特定的硬件或中间件，具有良好的普适性；不过该算法需要首先针对区域节点间链路进行固化处理，区域节点服务质量的好坏对网络服务状态具有很强的相干性，若区域节点出现服务质量紊乱的现象，则该算法将难以实现对数据传输的有效控制，制约了该算法的推广。

为了有效检测链路抖动问题与提升传输能力，提出了一种基于时空二向度定型机制的静态网络检测算法，该算法首先通过移序的方式实现对链路状态的超参数捕捉，并针对链路抖动具有的时不变特性进行定向频率漂移处理，有效地降低了链路抖动现象；随后本文算法针对静态网络数据具有的流量不稳定特性，通过提取链路相干协方差的方式实现对链路抖动二向度的误差消除，取得了平滑链路频率漂移的效果，进一步提高了本文算法的数据传输能力。最后通过NS2仿真实验平台，证实了本文算法的有效性。

1 网络模型概述

由于静态网络具有混构特性，如典型的静态网络往往能够集成3G、LTE、WSN等不同制式的网络节点[6]，因此静态网络具有数据链路抖动强、节点冗余度低、网络拓扑结构复杂等特性[7]；实践中常见的静态网络主要用于LTE-物联网混合组网场景：数据采集节点为物联网芯片，LTE节点为用户节点，通过物联网芯片进行基本数据采集，用户采用LTE网络接入方式（一般为5G网络）进行数据体验[8]。整个网络模型主要由物联节点、LTE节点、WSN节点等多种制式节点进行组网，见图1，物联节点可用于搜集物联信息，WSN节点用于感知数据动态变化，LTE节点用于搜集移动传感数据。三种制式节点进行混合组网后，能够充分利用各种制式节点特性，实现网络对数据搜集的全覆盖，具体如下所示：

1）网络组成采取混构形式，物联网节点作为区域节点，主要负责数据采集，LTE节点作为用户节点，主要承担4层以上业务流量[8]；

2）物联网节点拓扑具有长期不变特性，即一旦物联网节点被纳入静态网络组成节点时，除非自身能量耗尽，将不会被剔除出静态网络[9]；

3）LTE节点具有随机接入特性，其数据传输流量也随着节点的接入呈现强波动性[10]；

4）物联网节点与LTE节点具有数据交互特性，不同制式的数据报文能够通过路由转换设备进行就地转换[11]。

图1 本文网络模型

2 所提的静态网络检测算法设计

本文算法主要针对链路抖动故障进行检测，提出新的检测方法，主要由2个过程构成：基于频率漂移包络擦除流程的超参数捕捉、链路抖动二向度的误差消除；通过基于频率漂移包络擦除流程的超参数捕捉过程，构建基于接收信号强度（Received Signal Strength Indication，RSSI）、链路质量指针（Link Quality Indicator，LQI）、信噪比（SIGNAL-NOISE RATIO，SNR）的超参数矢量，且根据该矢量具有的频率漂移特性进行移序处理，大大减少了信号发射过程中频率混叠造成的误码现象；通过链路抖动二向度的误差消除流程，针对预发射信道进行带宽-能量预估发射，进一步提高对信道噪声的抑制效果，实现数据传输性能的优化。详细过程叙述如下。

2.1 基于频率漂移包络擦除流程的超参数捕捉

为便于捕捉链路抖动详情，本文算法的超参数 捕捉主要通过三种参数：接收信号强度（Received Signal Strength Indication，RSSI）、链路质量指针（Link Quality Indicator，LQI）、信噪比（SIGNAL-NOISE RATIO，SNR），并假设网络中节点总数为，则整个网络的、、可由如下表达式获取：

超参数优化及频率漂移包络擦除过程如下：

Step 1：对超参数矢量进行频率参量获取：

Step 2：对频率参量进行差分移序：

Step 3：对原始超参数矢量进行移序处理：

Step 4：信号预发射过程中，根据模型（7）所示的超参数矢量进行信号发射，该发射信号为进行了频率消除处理后的信号。

2.2 基于链路抖动二向度的误差消除

通过基于频率漂移包络擦除流程的超参数捕捉流程，虽然能够对预发射信号进行处理，消除频率抖动影响，但由于链路抖动具有一定的随机特性，需要针对链路抖动情况进行二次精度提升[11]；因此针对链路抖动的随机特性，本文算法设置基于链路抖动二向度的误差消除，对链路抖动及相关的信道噪声进行二次抑制，以便达到提升信道传输能力的目的，详细流程如下：

Step 1：针对预发射的信道，进行抖动带宽二次预估，获取最佳传输带宽，见图2：

Step 3：根据上两步获取的最佳传输带宽及最佳发射强度，实现对链路抖动二向度的误差消除，消除方式如下：

Step 4：算法结束。

图2 本文网络检测算法的过程

3 仿真实验

3.1 仿真参数

为实现对本文算法性能的有效仿真，采取NS2网络仿真实验平台进行仿真实验。对照组方案采取当前静态网络检测算法中常用的高斯白噪声信道包络检测机制[12]（Envelope Monitoring Mechanism in Gauss White Noise Channel，E2W-GWNC机制）、拉普拉斯信源联合抖动检测机制[13]（Laplasse Source Joint Jitter Detection Mechanism，LS-2JD机制）。仿真网络环境采用LTE网络、物联网、高速移动WSN网络混构网络，从数据传输带宽、网络抖动检出频率、数据误码率、错误检出率四个性能进行仿真对比，以便证明本文算法的性能，仿真参数如表1所示：

表1 仿真参数表

3.2 仿真性能对比

3.2.1 数据传输带宽

图3显示了本文算法与E2W-GWNC机制及LS-2JD机制的数据传输带宽测试结果。由图可知，随着信道发射功率的不断增加，本文算法与E2W-GWNC机制及LS-2JD机制均呈现数据传输带宽不断增加的态势，这是由于随着信道发射功率的不断增加，信道传输能力也随之提高，因而数据传输带宽性能也随之上升。不过本文算法的数据传输带宽上升幅度更快，始终处于优势地位，这是由于本文算法能够通过超参数方式对信道噪声实现移序，特别是处于信道抖动状态时，本文算法通过移序方式消除信道噪声漂移的性能更好；E2W-GWNC机制及LS-2JD机制仅在信号预发射过程中采用一次成型方式进行数据传输，对信道噪声仅能适应高斯白噪声的状况，若信道处于抖动状态时，数据重传次数要高于本文算法，因此两种对照组算法数据传输带宽性能要低于本文机制。

图3 不同数据传输带宽测试

3.2.2 网络抖动检出频率

图4显示了本文算法与E2W-GWNC机制及LS-2JD机制的网络抖动检出频率测试结果。由图可知，随着数据传输带宽的不断增加，本文算法与E2W-GWNC机制及LS-2JD机制均呈现网络抖动检出频率不断增加的态势，这是由于随着数据传输带宽的不断增加，传输周期内误比特率也随之上升，因此被算法检测到的概率也随之提高。不过本文算法的网络抖动检出频率始终处于较高水平，这是由于链路抖动与传输误比特率息息相关，随着传输误比特率的上升，因误比特率而导致的拥塞现象也随之严重，导致链路抖动发生频率也随之增加。本文设计链路相干协方差的方式对链路抖动现象进行二次检测，能够针对网络链路抖动的漏检情况进行二次追踪，因而检出频率较高。E2W-GWNC机制及LS-2JD机制均采用一次检出的方式进行链路检测，无法针对漏检情况进行二次追踪，因而在网络抖动检出频率性能上要低于本文算法。

图4 不同算法的网络抖动检出频率测试

3.2.3 数据误码率仿真

图5显示了本文算法与E2W-GWNC机制及LS-2JD机制在数据误码率测试结果。由图可知，随着信道信噪比的不断提高，本文算法与E2W-GWNC机制及LS-2JD机制均呈现数据误码率降低的现象，不过本文算法的数据误码率更低，且波动程度较低。这是由于本文算法可以通过移序方式对信道噪声进行彻底消除，因而能够降低因噪声干扰造成的误码现象。E2W-GWNC机制及LS-2JD机制没有对信道噪声进行过滤处理，且由于两种机制均无法针对链路抖动现象进行二次检测，极易发生因链路抖动而导致的数据误码现象，因此对照组算法在数据误码率性能上要差于本文算法。

图5 不同算法的数据误码率测试

3.2.4 错误检出性能

图6显示了本文算法与E2W-GWNC机制及LS-2JD机制在检测过程中因检测失误而导致的错误发生概率上的仿真对比情况。由图可知，本文算法在进行信号发射后，所接收到的信号图像出现的噪声点较少，这是由于本文算法通过移序方式构建了基于频率漂移包络擦除方案的超参数捕捉方法，能够通过超参数矢量消除的方式进行噪声检测并进行消除处理，因此本文算法得到的传输图像与初始数据相比，基本上没有噪声污染，显示了本文算法在信道噪声检出及消除上的优越性能。E2W-GWNC机制及LS-2JD机制均仅对信号预发射过程中的错误进行检测，且均采用频率过滤方式进行初始噪声信号擦除，无法对数据传输过程中混入的信道噪声进行检测，因而数据传输性能较差，噪声点的出现频率要大大高于本文算法，体现了较差的错误检出性能。

图6 不同算法的错误检出性能测试

4 结束语

考虑到当前常见的静态网络检测机制存在链路抖动检出频率较低、数据传输性能差、传输带宽水平难以提高等难题，提出了一种基于时空二向度定型机制的静态网络检测算法；本文算法主要由两个部分构成：基于移序方式的超参数捕捉流程，能够实现对信道噪声的定向频率擦除，实现对链路抖动现象的有效抑制；基于链路相干协方差方式的链路抖动二向度误差消除，能够实现对特地频率噪声的二次擦除，大大提高算法的数据传输能力。仿真实验亦证明了本文算法的有效性。

下一步，将针对本文算法在纯LTE-5G网络中存在的链路抖动性能不佳的难题，通过引入超球体拓扑链路稳定机制，稳定高流动性状态下的网络异常问题捕捉，提高网络的数据传输能力，促进本文算法在实践中广泛应用。

[1] 吕敬祥,廖海红. 分区大规模无线传感网络多跳LEACH协议[J]. 井冈山大学学报:自然科学版, 2017, 38(6): 38-42.

[2] Hung S M, Givigy S N. A Q-learning Approach to FlocKing with UAVs in a Stochastic Environment[J]. IEEE Tra-nsactions on Cybernetics, 2016, 47(1): 186-197.

[3] Yan J, He H, Zhong X. Q-learning-Based Vulnerability anAlysis of Smart Grid Against Sequential Topology Attacks[J]. IEEE Transactions on Information Forensics & Security, 2017,12(1):200-210.

[4] Hu H, Zhang H, Liu Y. Quantitative Method for Network Security Situation Based on Attack Prediction[J]. Security & Communication Networks, 2017(4):1-19.

[5] Niu B A. Cooperation Stimulation Strategy in Clouds Networks [J]. Signal Processing, IEEE Transactions on, 2017, 59(5): 2355-2369.

[6] Liu J, Zhang H Q, Liu Y. Research on Optimal Selection of Moving Target Defense Policy Based on Dynamic Game with Incomplete Information[J]. Acta Electronica Sinica, 2018, 46(1): 82-89.

[7] 陈艳,王子健,赵泽. 传感器网络环境检测时间序列数据的高斯过程建模与多步预测[J]. 通信学报, 2015, 36(10): 252-262.

[8] Weng L N, Zhang P, Feng Z Y. Short-Term Link Quality Prediction Using non Parametric Time Series Analysis[J]. Science China Information Sciences, 2015,58(8): 1-15.

[9] 舒坚,汤津,刘琳岚. 基于模糊支持向量回归机的 WSNs 链路质量预测[J]. 计算机研究与发展, 2015, 52(8): 1842-1851.

[10] 李振刚. 基于高斯过程回归的网络流量预测模型[J]. 计算机应用,2014, 34(5): 1251-1254.

[11] 李军,张友鹏. 基于高斯过程的混沌时间序列单步与多步预测[J].物理学报, 2011, 60(7): 143-152.

[12] Prachi S. Intelligent Query-Based Data Aggregation Model and Optimized Query Ordering for Efficient Wireless Sensor Network[J]. Wireless Personal Communications, 2018, 100(4): 1405-1425.

[13] Shu J, liu S. Link Quality Prediction for WSNs Based on Dynamic Bayesian Networks[J]. Advanced Engineering Sciences,2017, 49(2): 152-159.

Research on static network detection algorithm based on spatiotemporal two-dimensional stereotype mechanism

*HAN Shu-qin1, LI Zeng-xiang2

(1. Department of Information Engineering, Weifang engineering Career Academy, Weifang, Shandong 262500, China; 2. School of computer, Shandong University of Technology, Zibo, Shandong 255049, China)

In order to overcome the shortcomings, such as low detection frequency of link jitter, low performance of data transmission and difficulty to eliminate the channel noise in current static network monitoring mechanism, a static network detection algorithm based on spatiotemporal two-dimensional shaping mechanism was proposed in this paper. Firstly, considering the characteristics of received signal strength, link quality pointer and signal-to-noise ratio in static networks, as well as combining with the topological characteristics of static network nodes, the hyperparametric capture method based on frequency drift envelope erasure scheme was constructed by shifting order mechanism, which can effectively reduce the influence of channel noise on network jitter performance. Then, considering the uneven distribution of data traffic in current static network nodes, the error elimination of link jitter dimension based on covariance of link coherence was realized to improve the anti-noise performance of the network and it strengthens the error control in the process of data transmission. Simulation experiments show that compared with the envelope monitoring mechanism in gauss white noise channel and joint laplacian source jitter detection mechanism, this algorithm can achieve higher capacity of the network data transmission and the better detection effect of link jitter.

Static network detection; Spatio-temporal dimension; Hyperparameter capture; Link quality indicator; Sequence shift mode; Error control

1674-8085(2019)03-0050-06

TP393

A

10.3969/j.issn.1674-8085.2019.03.009

2018-12-24；

2019-04-05

*韩淑芹(1975-)，女，山东青州人，副教授，主要从事计算机图像、计算机应用、软件开发等研究(E-mail: hsq96288@sina.com);

李增祥(1978-)，男，山东安丘人，副教授，硕士，主要从事图像处理、软件与系统开发等研究(E-mail: lizxiang1978sd@163.com).