云計算網絡中邊界節點識別方法改進研究

朱亞東

(江蘇聯合職業技術學院 南京工程分院，南京 211135)

云計算網絡中邊界節點識別方法改進研究

朱亞東

(江蘇聯合職業技術學院 南京工程分院，南京 211135)

目前，云計算網絡為人們的生產和生活提供了各種應用和服務，網絡邊界節點的識別問題一直較難解決;傳統的網絡中邊界節點類型復雜，邊界部署成本高，較多感知模型和靜態場景難以實現;為此，提出一種改進的云計算網絡中邊界節點識別方法，通過制定邊界部署規則確定邊界節點部署數量及要求，對邊界節點感知漏洞進行修補，保證邊界節點對網絡區域內的全覆蓋識別，最后設計出云計算網絡識別模型，實現了云計算網絡中邊界節點正確識別;仿真實驗表明，提出的邊界節點識別方法在穩定性、識別率和識別數量上都比傳統方法有優越性，具有應用價值。

云計算；網絡；邊界節點；識別

0 引言

云計算革命是網絡技術的一次重大變革，該技術使物聯網與感知網的執行和通信理念應用范圍更加寬闊[1-3]。云計算網絡作為一個在其上能夠運行多個應用服務能力的平臺，比傳統的網絡更加方便和快捷[4-6]。

傳統的網絡中邊界節點類型復雜，邊界部署成本高，較多感知模型和靜態場景難以實現[7-8]。由于對云計算網絡特征層次數量提取過多，導致無法對單一的邊界節點進行識別，在運行一段時間后，識別穩定性開始下降[9-11]。

為此，提出一種改進的云計算網絡中邊界節點識別方法，通過制定邊界部署規則確定邊界節點部署數量及要求，對邊界節點感知漏洞進行修補，保證邊界節點對網絡區域內的全覆蓋識別，最后設計出云計算網絡模型，實現了云計算網絡中邊界節點正確識別。仿真實驗表明，提出的邊界節點識別方法在穩定性、識別率和識別數量上都比傳統方法有優越性，具有應用價值。

1 邊界規則部署

邊界規則部署主要包括線條STRIP、等邊三角形TRIANGLE、正方形SQARE、菱形RHOMBUS等等[12]。

云計算網絡邊界部署一般設定節點感知模型，一個邊界節點的感知能力取決于云計算節點距離半徑rs。網絡節點有效面積APN體現云計算網絡的任一單個節點對網絡部署提出的支持度，也體現了整個云計算網絡部署的有效性，通常用公式對一個支持區域進行程度評價，其計算公式為：

(1)

公式(1)中，Ap為云計算網絡中節點在目標區域內的部署面積，Nn為組成此云計算網絡支持區域所需節點數量，Np為整個網絡中一個節點中相關單位數量。

云計算網絡邊界節點部署優化即在部署區內，保證區域內各點覆蓋程度。每個節點用最佳的拓撲模型，實現云計算最高效部署。Rs為節點部署半徑，α為部署形狀邊長。用公式表示正方形和六邊形的邊界節點覆蓋面積為：

(2)

通過公式可以發現，在對云計算網絡邊界節點進行部署過程中，正方形的部署效率最高。

以上是對云計算網絡邊界節點覆蓋部署確定。在確定了覆蓋方法后就要對隨機臨界節點密度進行分析。在實際工作情況下，對于完全靜態的邊界節點部署，固定區域內要實現完全的覆蓋。因此，設定該區域為一正方形網絡，邊長設定為l，面積為L=l×l。假定有N=λL個邊界節點在區域網絡內任意分布。當N大時，靜態網絡邊界在該區域上的節點數量為nA，則用公式表示為：

(3)

對云計算網絡區域部署需要的節點數量密度必須達到條件，且這些條件都是在實驗理想狀態下。現實的區域節點部署存在較大的隨機性，現實中存在感知空洞，因此必須對邊界節點的感知空洞進行分析。

假設邊界節點感知半徑與網絡通信距離相等時，以節點A,B,C三個位置構成等邊三角形時，則該區域中心存在EFG感知空洞。

如果整個云計算網絡中區域完全覆蓋，即A,B,C3個節點圍成的區域任意一點距離都要小于邊界感知半徑。所有任意邊界節點距離都要距離3個節點距離最遠。因此，感覺半徑與通信距離之間既是邊界關系。

各個邊界節點被識別的概率與網絡適應度大小成正比，設網絡中邊界節點群體大小為N，個體的i的適應度為Fi，邊界節點個體被選中的概率Pi用公式表示為：

(4)

邊界節點識別漏洞修補算法對應函數包括區域覆蓋率。由于云計算網絡邊界節點感知區域相互覆蓋，無法以單一的模型和公式進行模擬計算，考慮采用估計算法進行整個區域的邊界節點識別。用公式表示為：

(5)

其中在區域內邊界節點函數定義用公式可以表示為：

(6)

點(x,y)在A邊界節點上是獨立的。為了計算Ix(x,y)，對于每個任一節點，其監測的邊界識別的點在任意一個感知的范圍內。在實際的操作環境下，設時間復雜性為O，隨機的數量L加強，識別結果更加準確。在滿足節點設定距離約束下移動距離越小，修補識別邊界節點的適應度值越高。函數用公式表示為：

(7)

其中:L為第i個云計算網絡中邊界節點的距離，C為修補節點覆蓋洞，β為加權值。

2 云計算機網絡邊界節點識別的實現

對云計算機網絡邊界節點的各個功能模塊進行實現，能夠較好地實現節點識別的目標。

在對網絡邊界節點識別系統設計時，首先對網絡節點進行還原，對沒有加密的數據邊界節點采用透傳的方法進行識別，依據設定的方法進行辨別，合理的則通過，不合理的就舍棄。

通過網絡邊界后，對合法的數據進行IPS分組，IPS就開始對云計算網絡數據進行識別，以為IPS具備很大的并行治理水平，在平衡器效用下，數據被區分到各個節點的IPS治理，經過IPS分析模塊后，網絡負載進行平衡并對節點邊界進行分配。

經過檢測后，合法的網絡數據進入云計算內網，網絡入侵節點邊界識別能夠更好保護云計算內網安全。

圖1 邊界節點識別系統圖

當云計算網絡數據通過邊界節點進行IPS后，IPS應依據個注入網絡數據的包頭及數據流實行區分，不一樣類型的數據把被送往不一樣的識別器里實行濾波。個過濾節點臨界均要實行并行處理。

邊界節點識別處理模塊分為開啟部分及運行部分兩塊。在云計算機網絡臨界開啟部分包括漏洞特性庫信息，它包含有攻擊及掃描信息，經過掃描全部最新臨界信息，網絡數據治理模塊就能夠在前一次數據攻擊里的臨界，一直維持最新的臨界節點數據信息。網絡臨界節點又包含主機訊息，有操縱系統、服務信息、使用軟件訊息及攻擊主機等。

網絡數據模塊就可以分辨出合法的邊界節點并允許該云計算機進行網絡邊界節點識別。而在全體云網絡里，臨界節點重點在網絡管理控制平臺里，網絡臨界防護系統中的安全設備在管理控制平臺里均有對應的代理。

運用部分重點管理IPS和網絡數據間的協調，為了確定流量，IPS要和云計算機網絡臨界節點間協同，知道數據轉換，IPS要和特性及漏洞實行轉換，為云計算機供應回復，數據處理模塊向漏洞特征庫發送請求，按照一定流程進行邊界節點識別。

云計算機網絡中邊界節點識別使用擺渡方法，把云網絡里的最新漏洞特性及攻擊邊界訊息放入網絡。供應臨界補丁自動更新服務。

經過設定的有效安全臨界節點辨別，使用適合的安全方法，配合采用云計算機網絡平臺，保證網絡臨界節點穩定可靠辨別。

(8)

云計算機網絡識別邊界節點消耗能量代價用公式表示為：

(9)

網絡數據邊界識別時延函數用公式表示為：

(10)

圖2 識別系統模塊圖

盡管在云計算機網絡中邊界識別是從局部最優進行考慮出發，但該算法能夠解決全局最優的一個IPS難點問題，保證了網絡邊界節點識別。

3 仿真實驗

為驗證改進識別方法的有效性及可行性，需要進行仿真實驗證明。實驗在MATLAB環境下進行。

測試系統配置：服務器中央處理器intel(R)core(TM) i8 CPU5.00 GHz

測試服務器內存：8.00 GB

測試服務器軟件配置：

WINDOWS7 專業版操作系統

物聯網客戶端配置：內存2GB CPU個數：1

物聯網服務端配置：內存2GB CPU個數：4

環境設置如表1：

表1 邊界節點識別環境設置

先對本文設計的方法和傳統方法邊界節點識別的速度趨勢進行比較，具體實驗情況如圖3所示。

圖3 兩種方法網絡邊界節點識別趨勢圖

通過圖3能夠發現，利用傳統算法和本文算法分別對云計算網絡中邊界節點進行識別，本文提出的算法在相同識別時間內識別邊界節點數量顯著優于傳統方法，且伴隨時間的增長，改進算法的識別趨勢成幾何倍的增長且一直優于傳統方法。

云計算網絡邊界節點識別穩定性比較圖主要是針對兩種方

法在進行運算過程中，穩定性能的體現，是實際工作的基礎。

根據圖4可知，傳統算法由于對云計算網絡特征層次特征數量過多提取，對單一的節點特征重復進行識別，在運行20秒后，識別穩定性開始下降，而使用本文算法識別穩定性好，能夠適應實際工作需要。

整理分析上面闡述實驗中的數據，得到數據如表1和表2所示。

表2 傳統算法的實驗數據表

表3 本文算法的實驗數據表

圖5 兩種方法調制網絡通信濾波頻率比較圖

對比上面闡述的實驗數據可知，用本文算法對云計算網絡邊界節點進行識別，準確性提升有效，可以滿足檢測的需求。

通過圖5可以發現，本文方法在同等信號量的情況下，可避免傳統計算方法的缺陷，使邊界節點識別率升高。對網絡邊界節點識別頻率是傳統方法的9倍。

實驗表明，本文方法比傳統方法云計算網絡邊界節點識別綜合性能大大提高，改善了原有識別過程時間長，效率低，精度差等缺點。本文算法解決了弊端。提高了云計算網絡邊界節點識別時效性。

4 結論

傳統的網絡中邊界節點類型復雜，邊界部署成本高，較多感知模型和靜態場景難以實現。為此，提出一種改進的云計算網絡中邊界節點識別方法，通過制定邊界部署規則確定邊界節點部署數量及要求，對邊界節點感知漏洞進行修補，保證邊界節點對網絡區域內的全覆蓋識別，最后設計出云計算網絡模型，實現了云計算網絡中邊界節點正確識別。仿真實驗表明，提出的邊界節點識別方法在穩定性、識別率和識別數量上都比傳統方法有優越性，具有應用價值。

[1] 程 誠,孔蒙蒙,胡光岷,等.基于面翻轉三維傳感器網絡邊界節點識別算法[J].計算機應用,2014,34(12):3391-3394.

[2] 汪 偉,張效義,胡赟鵬.基于無線傳感網的分布式協作調制識別算法[J].計算機應用研究,2014,31(5):1524-1527.

[3] 劉 陽,季新生,劉彩霞.一種基于邊界節點識別的復雜網絡局部社區發現算法[J].電子與信息學報,2014(12):2809-2815.

[4] 姚 霖,劉 軼,李鑫鑫,等.詞邊界字向量的中文命名實體識別[J].智能系統學報,2016,11(1):37-42.

[5]丁榮貴,王金安,孫 華,等.項目利益相關方社會網絡邊界確定方法研究[J].軟科學,2015(8):124-128.

[6] 王曉磊,楊岳湘,何 杰.基于流量統計的P2P網絡關鍵節點識別[J].計算機應用研究,2015(5):1445-1449.

[7] 李海濤.基于DTW約束的動作行為識別[J].計算機仿真,2014,31(11):227-230.

[8] 丁德武,彭秀芬.基于交疊社團相似性的生物網絡關鍵節點識別[J].計算機與應用化學,2014,31(10).

[9] 王建波,邵文權,張艷麗,等.電壓差特征引起電壓暫降的故障類型識別[J].西安工程大學學報,2015,29(5):617-622.

[10] 吳鵬飛,李光輝,朱 虹,等.基于無線傳感器網絡和線性神經網絡的事件邊界檢測方法[J].模式識別與人工智能,2015(4):377-384.

[11] 蘇 靜,譚毓銀.多節點多車聯動下的物聯網標簽動態識別仿真[J].計算機仿真,2014(5):319-322.

[12] 夏 怒,李 偉,羅軍舟,等.一種基于波動類型識別的路由節點行為預測算法[J].計算機學報,2014,37(2):326-334.

Cloud Computing Network Improvement Study Method for Identifying Boundary Nodes

Zhu Yadong

(Jiangsu Union Technical Institute Nanjing Engineering Branch, Nanjing 211135, China)

Cloud computing network to people's production and life currently provides a variety of applications and services, network boundary node identification has been difficult to solve. Node type complex, in the traditional network boundary deployment cost is high, the more perception model and static scene is difficult to implement. Therefore, an improved cloud computing network, the method for identifying the boundary node deployment by setting rules of boundary nodes deployed number and requirements, to repair boundary nodes perception loopholes, guarantee a complete coverage of boundary nodes within the network area on recognition, cloud computing network model, the final design for cloud computing boundary nodes in a network to identify. The boundary nodes on the simulation results show that the proposed identification method on the stability, the number of recognition rate and recognition are better than the traditional method has the superiority, has practical value.

cloud computing; network; boundary node; identify

2016-07-08；

2016-09-13。

江蘇省教育科學“十二五”規劃課題(B-b/2015/03/067)。

朱亞東(1976-)，男，江蘇阜寧人，碩士，副教授，主要從事計算機網絡方向的研究。

1671-4598(2017)01-0167-03

10.16526/j.cnki.11-4762/tp.2017.01.047

TP391

A