物聯網終端安全接入數據網關狀態預測仿真

王玉峰，高雅娟

(中國礦業大學銀川學院，寧夏 銀川 750021)

1 引言

新一代信息技術中物聯網作為重要的構成部分，為采集客觀世界中存在的測量數據，將終端感知網絡作為觸角，并將激光掃描器、視頻攝像頭、全球定位系統和射頻識別裝置等具有感知功能的信息網絡在互聯網平臺中整合，實現物理系統與人類社會之間的互通互聯[1]。傳感器網絡在物聯網中不是孤立的，由于物聯網的互聯特征和廣域特征，決定了其必須利用公共網絡與企業網絡和各政府網絡連接傳感器信息，因此物聯網終端安全是不容忽視的[2]。為保障傳統網絡與物聯網之間數據的安全交換，需要對物聯網終端安全接入網關狀態進行預測[3-4]。

文獻[5]提出基于布谷鳥搜索的網絡數據網關預測方法，該方法根據輸出態勢值和態勢輸入指標數計算BP神經網絡中存在的輸入輸出節點數，通過試湊法和經驗公式對隱含層中存在的節點數進行計算，初始化處理各層的閾值和連接權值，閾值和權值通過浮點數編碼方式編碼成布谷鳥，通過布谷鳥搜索算法實現數據網關狀態的預測，該方法得到的預測結果與實際狀態不符，存在預測準確率低的問題。文獻[6]提出基于聚類分析的網絡數據網關狀態預測方法。該方法高效聚類融合多源異構非確定性信息源，獲得安全態勢，通過Dirichlet先驗分布平滑處理后驗概率，獲得聚類分析結果，在聚類分析結果的基礎上逐步量化評估網關狀態，實現數據網關狀態的預測，該方法預測所用的時間較長，存在預測效率低的問題。文獻[7]提出基于RBF神經網絡的數據網關狀態預測方法。該方法利用RBF神經網絡結合安全態勢值時間序列的特點獲得安全態勢值的非線性映射關系，通過混合遞階遺傳算法對網絡的參數和拓撲結構進行尋優，在遺傳算法中引入模擬退火算法實現數據網關狀態的預測，該方法獲取安全態勢值對應的非線性映射關系所用的時間較長，存在預測效率低的問題。

為解決上述問題，提出物聯網終端安全接入數據網關狀態預測方法。部署網關路由節點，構建物聯網信道傳輸模型，求解信道容量分析模型。構建多周期預測模型，以此實現物聯網終端安全接入數據網關狀態的預測。實驗結果驗證了所提方法的應用有效性。

2 網絡信道傳輸模型與信道容量分析模型

1)網絡信道傳輸模型構建

圖1 網絡信道傳輸模型

為了預測物聯網終端安全接入數據網絡狀態，需構建網絡信道模型，分析路由節點部署[8]。物聯網終端安全接入數據網關狀態預測方法通過分布式路由節點部署方法構建信道模型，在干擾濾波抑制方法的基礎上進行信號濾波處理和路由探測，通過最短路徑路由設計方法實現路由節點在網絡中的部署，當傳感數據在物聯網終端的特征符合cjTc

為減少路由在物聯網中的覆蓋盲點，物聯網終端安全接入數據網關狀態預測方法通過鏈路均衡控制方法跟蹤并識別信息，在卷積神經網絡的基礎上實現信息的分類，獲得簇首節點在物聯網中的最佳均衡配置，即物聯網信道傳輸模型

(1)

式中，γth表示卷積因子；σ表示標準差；hi表示鏈路增益值；n描述的鏈路數量；k表示節點數量；G表示增益。

2)信道容量分析模型

設在單沖突域內存在N個節點，任何等待隊列不為空的節點在物聯網中競爭相同信道的概率為ξ，因此兩次信道傳輸成功之間的時間間隔最小即為取得最大值的充分條件。

根據IEEE802.11的競爭機制分析可知，在一個范圍內隨著節點嘗試發送概率?的增加，節點成功發送數據的概率Psuc不斷增加，但當節點成功發送數據概率Psuc達到峰值后，不再隨著?的增加而增加，開始出現下降趨勢。

信道容量分析模型通過聯合控制節點嘗試發送數據的概率?和數據包到達率λ，在滿足延時約束的基礎上獲得最大信道容量。設Tmax表示端到端延遲約束值，則信道容量分析模型的表達式如下

(2)

式中，Di(λ，?)表示數據時延約束，為第一個約束；?min表示節點嘗試發送數據的最小概率?；第二個約束為數據發送時間間隔在物聯網中對發送概率范圍的約束。

物聯網終端安全接入數據網關狀態預測方法通過拉格朗日乘子法和對偶分解法求解信道容量分析模型，拉氏函數的表達式如下

L(π，θ，λ，?)=capch(?)-

πd[Di(λ，?)-Tmax]-θ(?-?min)

(3)

式中，πd表示節點延遲因子；θd表示節點的競爭因子，以上兩個因子均為對偶變量，即拉格朗日乘子。

在上式的基礎上可獲得對偶函數R(π，0)

R(π，0)=maxL(π，θ，λ，?)=

max{capch(?)-πd[Di(λ，?)-Tmax]-θd(?-?min)}

(4)

在對偶函數R(π，0)的基礎上獲得信道容量分析的對偶問題

(5)

物聯網終端安全接入數據網關狀態預測方法通過下述迭代算法求解上述問題，賦值對偶變量πd、θd以及原變量λ、?，采用梯度法更新對偶變量值，根據更新后的對偶變量更新原變量值，當變量收斂時停止迭代[9]。

設t表示迭代次數，通過下述公式更新對偶變量

πd(t+1)=πd(t)-(Tmax-Di(λ，?))

(6)

θd(t+1)=θd(t)-ξt(?min-?)

(7)

利用對偶變量調整原變量：

1)對偶變量πd、θd以及原變量λ、?進行賦值，πd≥0，θd≥0。

2)若?沒有收斂，聯合競爭因子θd和時延因子πd對節點訪問信道概率進行調整，通過下式計算?

(8)

更新對偶變量競爭因子θd和時延因子πd值；若?收斂，進行步驟4)。

3)若原變量λ沒有收斂，通過時延因子πd調整數據包到達率，利用下式計算原變量λ：

(9)

根據計算結果更新對偶變量πd；如果原變量λ收斂，進行下一步，否則回到步驟2)中。

4)當λ收斂時，結束迭代；相反轉到步驟3)中。

5)當?收斂時，結束迭代；相反轉到步驟2)中。

3 數據網關狀態預測

在特定時間點特定傳感器感知到的狀態概率函數為p(si，ti，ck)∈[0，1]，是由三個參數構成的，其中ck∈C={O，F}，C表示傳感器可能狀態集合，即空閑和占用；tj∈T，T表示時間序列集合；si∈S={s1，s2，s3，…，sn}，S表示所有傳感器集合。在時間序列T上預測需要建立模型預測函數p的值。

設[t0，tc]表示時間窗口；tp表示預測概率對應的時間點；p(si，tp，ck)表示在時間窗口中預測時間點狀態與傳感器狀態所占的比例，其計算公式如下

(10)

對于時間窗口的周期模式，上述聚合預測模型針對性較低，計算量較小，但得到的預測結果與實際不符，不適用于物聯網終端安全接入數據網關狀態的預測[10]。

周期性重復事件在日常生活中存在很多，如果經過時間段l后，一件事如果出現了重復現象，則會在其它的不同時間點具有相同偏移。針對上述情況，根據時間重復理論可知單周期預測模型的預測能力較高。

周期l的整數倍可以作為時間窗口，設Tw表示時間窗口對應的大小，預測概率p(si，tp，ck)可通過下式計算得到

(11)

式中，γ(s，t，c)表示傳感器狀態統計函數。

時間的周期在實體的實際行為狀態中會受到多種因素的影響，因此很多時候傳感器感知到的為多周期混合影響下的結果，在這種情況下上述預測模型的精準度較低。為了提高預測精準度，物聯網終端安全接入數據網關狀態預測方法結合單周期預測模型和聚合預測模型提出多周期預測模型對物聯網終端安全接入數據網關狀態進行預測。

設LStp表示tp時刻存在周期事件，其表達式如下

LStp=(ci，li，λi，φi)

(12)

式中，ci表示傳感器的狀態；φi表示事件的概率；li表示周期；λi表示周期li對應的偏移。

用滿足條件的概率支持度最大的事件在預測tp時刻狀態為ci的概率時作為最有決定性作用的時間，傳感器輸出狀態為ci的概率即為該時間對應的概率，構建多周期預測模型：

p(si，tp，ck)=max{φi|(ci，li，λi，φi)∈

LStp∩ci=ck}

(13)

利用多周期預測模型實現物聯網終端安全接入數據網關狀態的預測。

4 實驗結果與分析

為驗證所提物聯網終端安全接入數據網關狀態預測方法的整體有效性，對物聯網終端安全接入數據網關狀態預測方法進行多指標測試。本次測試所用的實驗軟件通過Matlab7設計。

4.1 不同方法的預測效率對比分析

分別采用物聯網終端安全接入數據網關狀態預測方法、文獻[5]提出的基于布谷鳥搜索的網絡數據網關預測方法和文獻[6]提出的基于聚類分析的網絡數據網關狀態預測方法測試效率指標，實驗結果中利用不同方法的耗時來體現效率，時間消耗越長，其效率則越低。不同方法預測耗時測試結果如圖2所示。

圖2 不同方法的預測時間對比結果

分析圖2可知，在多次迭代中物聯網終端安全接入數據網關狀態預測方法對網關狀態進行預測時，所用的時間均低于0.2min；在多次迭代中基于布谷鳥搜索的網絡數據網關預測方法對網關狀態進行預測時，預測所用的時間在第三次迭代中高達0.6min；在多次迭代中基于聚類分析的網絡數據網關狀態預測方法對網關狀態進行預測時，預測所用的時間在第一次迭代中高達0.7min。對比物聯網終端安全接入數據網關狀態預測方法、基于布谷鳥搜索的網絡數據網關預測方法和基于聚類分析的網絡數據網關狀態預測方法的測試結果可知，采用物聯網終端安全接入數據網關狀態預測方法對網關狀態預測所用的時間最少，效率最高。這是因為物聯網終端安全接入數據網關狀態預測方法構建了網絡信道傳輸模型與信道容量分析模型，通過網絡信道傳輸模型與信道容量分析模型獲取物聯網終端安全接入數據網關狀態的相關信息，縮短了預測所用的時間，提高了物聯網終端安全接入數據網關狀態預測方法的預測效率。

4.2 不同方法的預測準確率對比分析

分別采用物聯網終端安全接入數據網關狀態預測方法、文獻[5] 方法以及文獻[6]方法進行測試預測準確率指標測試，對比測試結果如圖3所示。

圖3 不同方法的預測準確率

分析圖3可知，物聯網終端安全接入數據網關狀態預測方法在多次迭代中獲得的預測準確率均高于基于布谷鳥搜索的網絡數據網關預測方法和基于聚類分析的網絡數據網關狀態預測方法在多次迭代中獲得的預測準確率。這是因為物聯網終端安全接入數據網關狀態預測方法結合單周期預測模型和聚合預測模型構建多周期預測模型，通過多周期預測模型對物聯網終端安全接入數據網關狀態進行預測，提高了物聯網終端安全接入數據網關狀態預測方法的預測準確率。

4.3 不同方法的網關數據轉換效率對比分析

為進一步驗證所提方法的實用性，以網關數據轉換效率為指標，對文獻[5]方法、文獻[6]方法以及所提方法進行對比測試，結果如圖4所示。

圖4 不同方法的網關數據轉換率對比

根據圖4的實驗數據可知，文獻[5]方法和文獻[6]方法下隨著物聯網終端接入時長的增加，網關數據轉換效率逐漸增加，但是兩種傳統方法的效率增加幅度較小，相比之下，所提方法的網關數據轉換率最高。本次實驗結果驗證了所提方法能夠大大提高網絡數據的轉換率，不僅可以準確預測物聯網終端安全接入數據網關狀態，還優化了網關運行效果。

5 結束語

為改善當前物聯網終端接入后網關運行狀態不穩定問題提出新的物聯網終端安全接入數據網關狀態預測方法。為有效優化預測效率，采用最短路徑尋優法部署網關路由節點，構建物聯網信道傳輸模型。利用拉格朗日對偶分解法求解信道容量分析模型，以此提高預測準確度。最后構建多周期預測模型，實現物聯網終端安全接入數據網關狀態預測。

實驗驗證該方法能夠在較短的時間內準確的預測物聯網終端安全接入數據網關狀態，提高網關數據轉換效率，為物聯網終端的安全運行提供了保障。