基于改进G-K算法的多节点网络设备管理系统设计

程 庆

（淮南师范学院 计算机学院，安徽淮南 232038）

近年来，随着互联网技术的日益发展，尤其是移动互联网的出现以及飞速发展，对网络管理提出了更高的要求[1-2].所以，现阶段对网络设备进行管理成为研究的热点.虽然已有的网络设备管理系统在功能上已经趋于成熟，但是面对迅速崛起的移动互联网仍然存在很多的问题，例如管理过程过于复杂以及灵活度较差，等等.为了更好地解决上述问题，相关专家给出了一些较好的研究成果，例如赖伟坚等人[3]主要通过C＃和Java 编程语言设计互联网能量管理系统，同时结合B/S 架构进行系统设计；赵志杰等人[4]结合多种环境传感器实时监测不同设备的运行信息，通过双模定位模块进行空间和时间上的精准定位，同时还能够将获取信息发送至监测平台用户所使用的APP 中，最终实现管理.上述两种系统虽然取得了较为满意的研究成果，但是依旧无法满足现阶段网络技术的发展需求.为此，本文提出一种基于改进G-K 算法的多节点网络设备管理系统.仿真实验结果表明，所设计系统不仅具有较高的执行效率，同时还能够有效降低管理费用.

1 多节点网络设备管理系统设计

进行多节点网络设备管理系统设计的主要目的是方便对网络设备的管理，系统主要是由发现和数据采集模块、数据采集模块以及拓扑显示模块组成，具体结构如图1所示.

图1 多节点网络设备管理系统整体结构图

通过系统中的各个模块能够进行多节点网络设备管理，主要是依据设定的顺序对网络设备内的数据进行全面搜索以及采集，并且将其存储到数据库中，进行下一步处理；最终，将获取的结果通过图形化的形式呈现给管理员.管理员在操作的过程中需要优先查找网络的IP 范围，通过改进的G-K 算法进行网络安全态势评估[5-6]，判断各个设备的类型；通过搜索到的设备对路由器进行下一步搜索，判定子网内的路由是否和其他子网存在关联，逐一进行搜索和查询，直至获取对应的网桥和路由器实现相关数据存储.

1.1 数据存储模块

1.1.1 拓扑信息显示模块

将采集以及搜索到的数据分别按照不同的类型进行划分，不同类型采取不同的加工处理方式，将网络拓扑结构信息采用合适的图形展示给前台界面[7].

1.1.2 网络拓扑数据存储模块

主要负责将收集到的信息按照不同的类型分别存储到数据表中，为数据提供对应的函数接口，方便系统其他模块实时进行调用.为了更好地将拓扑结构展示给相关的工作人员，当实现拓扑信息自动化的同时，还需要进行交互操作.

网络拓扑发现以及数据采集模块是系统的核心模块，主要使用SNMP 协议进行通信，方便得到Ping的方法.通过顺序进行咨询，获取所需要的MIB取值.根据查询的信息将网络中全部设备的编号以及运行状态等情况进行统计；数据存储部分的主要任务是将获取的全部数据进行预处理，之后对其进行分析和加工处理；拓扑展示部分的任务就是针对存储模块进行图形化处理[8-9]，同时展示给终端设备管理员设备.

为了有效提升程序的多线程同时操作设计，需要将这部分的功能划分为三个小部分进行编写，具体的操作过程如下：

（1）子网的发现程序.

主要任务是对全网内全部的设备进行扫描，判定系统内各个设备是否正常进行工作，同时甄别各个设备的类型，并且对其进行标记，其中包含各类设备的类型以及设备的运行状况.进行操作的主要目的是方便数据的存储，同时也能够为拓扑结构展示提供方便.

（2）ICMP程序.

主要负责对相关请求进行答复.

（3）SNMP.

主要任务是针对全部命令进行统一的分类处理[10-11].在系统管理前期，需要优先设计一个重要的类，主要负责网址搜索以及子网掩护.

1.2 数据采集模块

采用拓扑发现算法在物理层对数据进行搜索，其中主要包含主机数据信息，根据已经查找的主机对不同数据进行分析，同时判定端口和交换机等重要信息.

路由设备信息主要是通过路由表信息获取，进而对网络拓扑结构进行分析，主要负责对网络设备进行自学.由于全部的路由设备均包含各自的IP，为了有效避免IP 对路由识别产生的不良影响，需要设定唯一设备的路由IP.

在物理层进行数据收集的主要目的是判定系统内各个子网是否存在关联[12]，数据的收集过程如图2所示.

图2 物理层数据收集过程

（1）发现全部活动IP.

通过网络层搜索的子网信息去搜寻全部网内的IP，分别对全部IP 所发送的指令进行判断，假设系统一次能够成功Ping 一个主机，则说明主机处于运行状态，此时对主机进行相应的标示，假设没有Ping 成功，则需要和主机断开链接，同时将其存储到对应的列表中进行后续操作.

（2）获取设备信息.

主要任务是步骤（1）搜索到的全部运行IP 进行判断，辨别各个设备类型的子网信息去搜寻全部网内的IP，分别对全部的运行IP 进行判断，判别各个设备的类型，获取相关的信息，其中主要包含设备的厂商名称等.

（3）得到交换机物理拓扑结构的相关信息.

分析步骤（1）和步骤（2）可知，通过ARP 信息表能够为系统的拓扑结构提供更加优质的服务，获取信息的过程就是端口进行信息交换的过程[13-14].

（4）得到全部路由器的ARP信息.

利用ARP 表中所包含的信息完成路由器以及交换机两者之间的连接.

1.3 网络拓扑呈现模块

主要通过拓扑图形成模块，利用全部搜索到的网络层和物理层的设备信息进行连接，通过数据库进行存储以及加工处理；然后根据拓扑布局方法将多节点网络形成的拓扑图展示给终端界面，即实现各个多节点网络设备的可视化.其中拓扑展示能够划分为三个不同的部分，如图3 所示.

图3 网络拓扑呈现模块的组成

当管理员进入到系统的登录界面后，需要输入相关信息，同时触屏终端屏幕；当设备感知到管理员的触摸以后，需要将信息传输到UIkit 进行处理.拓扑结构展示的具体操作步骤为：在后台数据处理模块中得到数据处理对象对应的TopoInfo，同时将对象传输至拓展对象所在的位置，并且结合TopoInfo 合作进行多节点网络设备的可视化管理.

2 基于改进G-K 算法的多节点网络设备安全预测

影响多节点网络设备的安全态势有很多的因素，不同因素对各个设备所产生的影响是不同的.为了更好地实现节点网络设备管理，需要优先对网络设备的安全进行预测.其中多节点网络设备的拓扑结构如图3所示.

图3 多节点网络设备的拓扑结构图

为了有效减少安全预测的复杂性，需要最大限度降低网络设备安全预测的复杂性，主要使用关联分析法对不同的影响因素进行分析.以下通过灰熵均衡关联度进行关联分析，通过改进的GK算法进行多节点网络设备安全预测，具体的操作过程如下：

（1）计算灰关联系数.

设定灰关联因子集序列为|rk(l)|；l代表关联因子集子序列的长度；n代表关联因子集子序列的总数.分别获取参考序列和比较序列两者的因子序列差值[15]，进而计算灰关联系数w为

（2）计算灰关联度熵.

通过不同因子序列的灰关联度系数映射获取如下的计算式

其中，灰关联度熵能够通过公式

进行计算.

（3）计算灰熵均衡关联度.

子序列的灰熵关联度为

通过灰色关联度和灰熵关联度Y(Sk)进行灰熵均衡关联度计算，有

进行多节点网络设备安全预测的前期，分别从主机层等层面对多节点进行网络设备安全预测.使用LWi(t)表示在t时间段内服务Wi的网络设备安全预测态势指数，具体的计算式如下：

使用改进G-K 算法中的滤波器对离散控制过程进行处理，获取符合多节网络设备的特点，主要使用状态方程和观测方程进行描述，具体的表达式为：

改进G-K算法的基本操作步骤为：

采用多节点网络态势重要影响因子值以及安全态势值对状态向量进行计算，主要通过状态矢量方程描述在下一时间段内多节点网络设备的安全预测值.设定λ（t）代表在t时间段内多节点网络设备所包含的安全态势感知信息，其中各个设备的信息可以通过公式

进行更新.

在上述分析的基础上，结合改进的G-K 算法进行多节点网络设备安全预测，即

结合上述安全预测结果，及时给出符合系统需求的管理方案，有效确保系统的稳定运行.

3 仿真实验

为了验证所提基于改进G-K 算法的多节点网络设备管理系统的综合有效性，在Intel i7-97006 核心处理器、16GB 内存、操作系统为64 位Windows10 操作系统下对系统的性能进行测试，实验主要测试执行效率和管理费用.

实验选取文献［3］系统作为对比对象，利用图4 给出三种不同管理系统的执行效率对比结果.

图4 不同系统的执行效率对比结果

分析图4 中的实验数据可知，所设计系统拥有最高的执行效率，主要是因为其针对多节点网络设备进行安全预测，并且结果预测符合系统需求的管理方式，全面提升了整个系统的执行效率.

为了更进一步验证所设计系统的优越性性，以下实验重点对比不同系统的多节点网络设备管理费用，具体实验对比结果如表1 所示.

表1 不同系统的多节点网络设备管理费用对比结果

分析表1中的实验数据可知，所设计系统的多节点网络设备管理费用明显低于文献[3]系统，充分验证了所设计系统的优越性.

4 结语

针对当前多节点网络设备管理系统存在的问题，结合改进G-K 算法，本文提出了一种基于改进G-K 算法的多节点网络设备管理系统.仿真实验结果表明，所设计系统能够有效提升执行效率，降低整体管理的费用.

虽然详细对基于改进G-K 算法的多节点网络设备管理系统进行了分析和研究，但是仍然存在一定的弊端，后续需要在以下两方面开展更深入的研究：

（1）扩大网络研究规模，使其能够实现对大型网络的管理；

（2）进一步加强三维可视化技术的研究.