复杂感知网络风险控制算法的设计

林 清

(泉州华光职业学院，福建泉州 362121)

0 引言

为顺应“数字中国”的建设趋势，信息技术频现改革浪潮，诸如在“互联网+”平台上实施大数据接入，为应用层上的行业终端提供多元化的业务服务。此接入方案的实施使传统网络架构变得复杂化，在较好地满足复杂终端各类业务需求的同时也面临QoS〔1〕异常的问题。虽然业界针对此问题提出过解决方案，即通过在网中嵌入具有感知功能的感知节点对那些承载了大数据业务的异常节点目标实施安全检测以降低复杂网络所遭遇的信息失效、延迟、阻塞等风险，但是该方案在部署过程中总是受到资金和复杂物理环境的制约而导致收效甚微。因此，学术界在可用物理资源有限的前提下提出了一种对潜在风险的异常QoS目标展开安全算法评估。实践表明，该算法的评估思想因具备较多的约束条件而使其评估精度欠缺。诸如：评估过程假设了复杂网络中的节点对密度是均匀的；在节点感知半径范围内任意两个节点的间距视为等同。显然这样的假设并不符合复杂网络终端对的实际分布。基于此，本文提出一种风险控制算法来对具有潜在风险的异常QoS目标展开计算。

1 风险控制过程

假设复杂感知网络中存在感知距离为r、间距为L的感知节点S1和S2，以各自为中心形成的广播圆范围相交于点D1和D2，交集部分的面积记作A1，四个点形成的平行四边形面积记作A2，感知节点S2的张角α∈[1200，1800]，由D1、S2、D2围成的扇形面积记作A3，可求得张角α=(r2sinα+A1)/r2。故间距L=2r·cos(α/2)，且节点对之间的更新跳数T=2cos(α/2)。结合该计算思想〔2〕，在实施跳数更新时，首先由载有定位装置的源节点向全局广播其周围邻居设备列表信息，邻居节点收到并保存该表于自身内存中。令相邻感知节点Si和Sj周围的相邻感知设备规模为NNSi、NNSj，同时位于两个感知节点周围的设备规模记作NNSij，则A1满足函数(πr2·NNSij)/NNSi，NNSi>NNSj的同时，也要满足函数(πr2·NNSi)/NNSij，NNSi<=NNSj。据此可得两个节点优化后的实际跳数。

2 风险控制算法的设计

根据上述风险控制思路所述，制定如下算法步骤来实施异常QoS目标的评估，以此控制异常节点在复杂感知网络通信过程中引发潜在业务延迟和失效等风险。

首先，复杂感知网络节点相互广播彼此收集到的邻居节点列表信息，同时更新设备间的跳数参数。其次，锚节点广播包含自身方位参数和置零跳数的信息域。如果某个节点第一次得到该信息域，则将此信息域保存在内存中并刷新跳数信息；如果某个节点并非第一次，则要判断当前信息域中的跳数值是否超过内存中的跳数值，若不是则放弃该信息域；否则可以将此信息域保存在内存中并刷新跳数信息〔5〕；然后，异常QoS目标节点计算出自身与锚节点之间的距离，同时算出自身节点设备的跳距参数。最终通过迭代权值方法评估出异常QoS目标具体的方位数据。

3 算法测试

3.1 测试模型

3.2 比较分析

图1 不同规模的锚节点对算法统计性能的影响力

图1描述了两种算法在统计异常QoS目标方位信息过程中表现出来的统计误差度。从曲线走势不难看出，传统算法的统计能力与锚节点规模呈显著的正比关系。正是由于对锚节点规模具有较大的依赖性，导致当锚节点规模与未知节点规模同步扩大时，比例逐渐降低的锚节点不再为算法提供精确的信息域，这使得传统算法的统计精度显著下降。本文设计的算法采用分布式广播机制，有效地摆脱了对节点部署密度的依赖，因此表现出了相对优势。

图2 广播范围对统计的影响力

风险控制算法紧密地结合了复杂网络中节点布局呈现出复杂的特征，这在一定程度上增加了节点对之间距离和跳距的计算难度。相对于传统算法在计算节点对间距时，一味地认为通信半径范围内任意两个节点对之间的距离恒为一个数值的情形，风险控制算法有效地给出了良好的计算过程，有效地规避了传统算法在跳距和跳数上计算的严重误差。这样的计算思想在图2所示的曲线中得到了验证。节点广播通信范围的扩大给传统算法统计工作造成了困扰。相对而言，本文提出的风险控制算法在实施异常QoS目标信息统计时，影响较小。