摘要：針對傳統方法在信噪比高的網絡環境中對異常節點定位精準度低的問題，提出基于自適應級聯陷波的網絡異常節點定位方法。運用SQL分析算法對網絡節點的通信協議和信道的分析，構建網絡異常節點數據提取模型，完成網絡異常節點提取工作;通過聚類理論確定異常節點與鄰近節點的皮爾森相關性系數，并利用評估函數計算出異常節點屬性特征;結合陷波器和自適應級聯陷波算法實現對網絡異常節點的定位。經實驗證明，基于自適應級聯陷波的網絡異常節點定位方法具有較高的精準度。

　　關鍵詞：自適應級聯陷波;SQL分析算法;聚類理論;皮爾森相關性系數;陷波器

　　《網絡傳播》(月刊)創刊于2004年，由中國外文局對外傳播中心主辦。以報道網絡傳播新聞動態、宣傳黨和國家的互聯網方針政策，總結引導網上輿論的經驗，研究網絡傳播規律為主要內容，是為互聯網管理及從業人員提供政策支持、信息服務和理論依據的專業性期刊。

　　自適應級聯陷波是一種檢測異常和非異常網絡節點技術，由于該項技術具有很強的濾波和適應能力，并且算法簡單易實現，所以常用于對異常信息檢測定位中。隨著網絡環境逐漸變得復雜、多樣，同時網絡信噪也逐漸提高，這對網絡異常節點定位增加了難度，傳統的方法已經無法滿足對異常節點定位的需求，所以提出將自適應級聯陷波應用到網絡異常節點定位中，提高對網絡異常節點定位的精準度。

　　1 基于自適應級聯陷波的網絡異常節點定位方法

　　1.1 構建網絡異常節點數據提取模型

　　為了實現對網絡的異常節點定位，需提取網絡中存在的異常節點數據，此次選擇通過構建模型的方式完成對網絡異常節點數據的提取。網絡異常節點數據提取模型在構建是對網絡協議和節點信道的合理分析實現的[1]。由于網絡的結構大多都是復雜多樣的，所以節點數據在傳輸過程中承載著不同的網絡協議和網絡信道，控制節點數據流通的網絡協議有隨機訪問協議、資源調度協議、信道劃分協議三種，這三種網絡協議直接影響構建的模型的屬性分類，分別是資源類、屬性類和功能類，此次選用SQL分析算法對網絡協議進行設計分析，實現模型的異常節點數據提取目的，模型構建如下：

　　在網絡環境中，節點數據是通過數據庫儲存實現資源分配的，大量的節點數據在不斷傳輸分配過程中難免會遭受到網絡不良環境因素的影響成為異常節點數據，而此時網絡局部節點數據鏈為：

　　公式⑴中，CB表示網絡局部環境中節點數據的數量，i表示在網絡協議執行中的節點數據數量，CBT表示網絡局部節點數據通信信道，T表示網絡局部通信通道數量[2]。當網絡節點接收到數據的功率N=n時，系統中央處理器會對網絡節點數據進行處理;當n=1，…，n-1時，在計算完網絡局部節點數據鏈之后，運用SQL分析算法計算出網絡節點數據平均吞吐量，其計算公式如下：

　　公式⑵中，y為網絡節點數據平均吞吐量，k表示在通信范圍內的網絡節點，n是節點k的接收功率，u表示節點數據數量[3]。假設在網絡中所有的異常節點數據所占的比例為a，則網絡路徑損耗因子為：

　　公式⑶中，Zk表示第k個數據在當前網絡結構通信中所需要的路線長度盤代表的是網絡中損壞的路徑。

　　通過以上SQL分析算法對網絡節點數據分析過程實現對網絡異常節點數據提取模型建立，在此模型中實現對異常節點數據的釆集，為后續的異常節點定位提供理論依據。

　　1.2 解析網絡異常節點數據屬性

　　在上文提取到的網絡異常節點數據基礎上，需要對網絡異常節點數據進行進一步的深入解析，了解網絡中異常節點的屬性特征，從而實現對異常節點的定位。此次從網絡異常節點數據提取模型的釆樣數據近似值出發，以聚類理論為解析理論指導，確定節點數據異常系數，然后根據RSSI向量近似值找到異常節點的附近節點，通過皮爾森相關性系數在自我確定階段中的異常節點的判斷，確定網絡異常節點數據的屬性特征[4]。

　　假設，H為時刻r時網絡節點k到節點j之間接收到的異常節點數據，則網絡節點k到節點j之間在r時刻滑動窗口數據為：

　　公式(4)中，?t表示在時刻r一共存在的節點數據數量。假設O點為H的中心節點數據，網絡中中心點O到R(r)的距離為L，以此組建異常節點評分函數?(x)，對提取到的異常節點進行異常程度的評估，并且將異常節點最小評估誤差作為函數?(x)的目標函數，將評估分數最大的異常節點給予刪除，如果刪除該異常節點后評估誤差能夠有所減小，則說明該異常節點與評估結果相符，以下是函數?(x)的公式表達：

　　公式(5)中，dH(m)，H(n)代表節點m到節點n之間的距離，Em而代表網絡節點距離判定閥值，dHO代表異常節點數據丑到網絡節點中心O的距離，median代表網絡節點異常程度叫由于在網絡環境中各個節點的所處環境具有一定的差異性，所以將待定位的網絡異常節點到臨近節點的滑動窗口信號強度參數作為帶定位節點的異常屬性特征。假設在r時刻待定位的異常節點n的屬性特征為Sn，Sm為n的臨近節點m的屬性特征，則的屬性特征為：

　　在公式(6)中，∑R(r)為節點n到滑動數據窗口的信號強度，同理結算出Sm然后運用皮爾森相關性系數來分析異常節點n與節點m的屬性不同，以下是異常節點n與鄰近節點m的皮爾森相關系數計算公式：

　　公式⑺中，E(Sn-Sm)表示節點n與節點屬性差均值，?Sn·?Sm代表節點n與節點m空間相差程度，由此得出網絡異常節點的屬性特征。

　　1.3 提出自適應級聯陷波定位網絡異常節點

　　由于網絡環境中存在加強的信噪，為了減小網絡信噪對異常節點定位的影響，此次釆用自適應級聯陷波實現異常節點的定位，自適應級聯陷波算法具有能夠自動濾波的優點，它是包含陷波器與自適應級聯陷波算法于一體的定位技術，同時為了提高異常節點定位的準確性，在應用算法進行節點定位時需要將陷波器重新進行設計，從而實現自適應級聯陷波算法的最優定位[6]。下圖為自適應級聯陷波結構設計。1 [2] 存入我的閱覽室