移動通信網絡異常信號優化識別研究

李永華+何兆照

【摘要】 準確的識別移動通信網絡異常信號，具有重要的意義，能夠對移動網絡運行安全性進行有效的確保。在異常信號識別當中，要對移動通信網絡異常信號的數據特征進行提取，并根據這些特征，分類異常信號數據，對移動通信網絡異常信號識別模型進行建立。以往基于遺傳神經網絡算法，需要對大量網絡信號樣本信息進行訓練及測試，無法準確提取異常信號數據特征，在識別中具有誤差大、準確性低等特點。基于此，本文對移動通信網絡異常信號優化識別進行了研究。

【關鍵詞】 移動通信網絡 異常信號 優化識別

前言：近年來，隨著網絡技術的發展，移動通信網絡逐漸得到廣泛的應用。不過，移動通信網絡在給人們帶來便利的同時，也帶來了信息盜取、病毒木馬傳播、服務攻擊、網絡入侵等問題，對用戶信息安全造成了很大的影響。基于此，應當對這些異常的移動通信網絡信號進行準確的識別，以提高移動通信網絡的安全性。但在傳統的移動通信網絡信號識別中，存在著較多的問題和不足，因此，可以采用基于DFI的移動通信網絡異常信號識別方法進行優化識別，從而取得更好的效果。

一、移動通信網絡異常信號識別的原理

在移動通信網絡異常信號的識別過程中，通過對移動通信網絡著呢廣場狀態下信號特征的分析，對平穩狀態下移動通信網絡信號模型進行建立，并利用該模型，對移動通信網絡異常信號進行識別。利用相應公式，對正常狀態下的移動通信網絡信號特征進行提取，公式為M={q/2}=q/2；（q+1）/2。用q+1代表移動通信網絡中所有信號數據的長度，用M代表移動通信網絡信號數據匯總周期數量的最大值[1]。在此基礎上，可對移動通信網絡信號數據中，各個匯總周期信號數據離均差平分、組建離均差平方進行計算。同時，對各個移動通信網絡異常信號的識別周期方差進行計算。不過，對于異常信號數據特征，傳統方法無法準確提取，因而可能會出現漏判、誤判的情況，會對移動通信網絡異常信號識別準確度造成影響。

二、基于DFI的移動通信網絡異常信號優化識別

2.1 移動通信網絡異常信號的分類過程

2.2 移動通信網絡異常信號的特征提取

以SVM為基礎，對移動通信網絡信號識別控制模型進行建立，在模型中，結構實質是通過轉換和處理不明確移動通信網絡信號數據，使其成為數字向量模式。由支持向量機分類器進行處理，根據分類函數式，分類數字向量模式，并向信號識別控制模塊傳輸最終的分類結果，從而控制和處理移動通信網絡信號。利用數據預處理器，提取數據包網絡異常信號特征[2]。對全部源及目的進行識別，如果固定連接IP數，和固定連接端口數相同，則為正常移動通信網絡信號。如果不相同，則為異常移動通信網絡信號。對兩種移動通信網絡數據流源變化差異進行分析，運用三位特征向量提取算法，對異常信號特征進行提取。

2.3 移動通信網絡異常信號的優化識別

對前面提取的異常信號特征向量進行訓練，（xi，yi），i=1，2，…，n，y∈{+1，-1}。對特征進行預處理，得到訓練向量，以及訓練支持向量機，對SVM參數進行調控，達到最佳參數性能，在Vapnik含義下，對移動通信網絡信號最優分類面f（x）=0進行獲取。利用SVM參數，對異常信號識別需要的移動通信網絡信號分類面進行建立，并作為實際決策函數。利用實際決策函數，預處理分析預測移動通信網絡異常信號特征。決策這一向量是否在標記已識別移動通信網絡記錄表中，如果在，向移動通信網絡信號控制模塊進行傳輸，作為正常網絡信號。如果不再，標記為移動通信網絡異常信號，從而實現對異常信號的準確識別。

三、結論

移動通信網絡目前擁有十分廣泛的應用，在各個領域中都發揮了重要的作用。對于移動通信網絡來說，用戶信息安全是十分重要的，為此，應對移動通信網絡異常信號進行準確的識別，以確保網絡運行安全。由于傳統識別方法存在較多的問題和弊端，因此，提出了基于DFI的支持向量機技術，依次實現移動通信網絡異常信號的優化識別。

參 考 文 獻

[1]李威， 顧海林， 黃興. 網絡被入侵后的信號檢測系統設計與優化[J]. 現代電子技術， 2017， 40（3）：58-61.

[2]曹航， 張云龍. 高速移動通信的信號優化處理方法研究[J]. 計算機仿真， 2016， 33（8）：177-180.endprint