戴 敏
（中國聯(lián)合網(wǎng)絡(luò)通信有限公司江西分公司，江西 南昌 330000）
0 引 言
當(dāng)前通信網(wǎng)絡(luò)正在飛速發(fā)展，給人們的日常生活帶來了較大的便利，但也存在被網(wǎng)絡(luò)黑客入侵的風(fēng)險(xiǎn)[1]。隨著網(wǎng)絡(luò)互動(dòng)水平的逐步提高，分析通信網(wǎng)絡(luò)入侵風(fēng)險(xiǎn)變得越來越難。為了準(zhǔn)確識別入侵風(fēng)險(xiǎn)，需要確定入侵節(jié)點(diǎn)的位置，然而大部分節(jié)點(diǎn)定位算法很難給出通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)的具體位置，導(dǎo)致定位的準(zhǔn)確性較差。以大數(shù)據(jù)技術(shù)為基礎(chǔ)，構(gòu)建一個(gè)由接收信號強(qiáng)度作為距離測量的指標(biāo)，采用大數(shù)據(jù)技術(shù)原理對節(jié)點(diǎn)定位算法進(jìn)行迭代處理，是解決入侵節(jié)點(diǎn)定位精度低的有效手段，也是國內(nèi)外學(xué)者研究的熱點(diǎn)話題。
劉歡等人為了解決現(xiàn)有的網(wǎng)絡(luò)攻擊方法易出現(xiàn)漏報(bào)、誤報(bào)等問題，將融合機(jī)器學(xué)習(xí)算法引入網(wǎng)絡(luò)攻擊的探測和定位[2]。基于主成分分析（Principal Component Analysis，PCA）、深度卷積神經(jīng)網(wǎng)絡(luò)（Deep Convolutional Neural Networks，DCNN） 以及輕量的梯度提升機(jī)（Light Gradient Boosting Machine，LightGBM）3 種算法，利用PCA 方法對高維信息進(jìn)行主動(dòng)降維，并利用DCNN 模型來訓(xùn)練降維后的數(shù)據(jù)。由于LightGBM 的邊界識別能力不強(qiáng)，采用基于損傷函數(shù)的權(quán)值優(yōu)化方法，以提升識別的準(zhǔn)確性和運(yùn)行效率。結(jié)果顯示，提出的方法在許多方面都比LightGBM 更好，能夠很好地進(jìn)行網(wǎng)絡(luò)攻擊的探測和定位。與傳統(tǒng)定位算法相比，該算法的分類準(zhǔn)確率更高。基于此，文章將大數(shù)據(jù)技術(shù)應(yīng)用到通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)定位方法設(shè)計(jì)，確保通信網(wǎng)絡(luò)的安全運(yùn)行。
1 通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)定位方法設(shè)計(jì)
1.1 識別通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)
在確定通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)的位置前，先提取出通信網(wǎng)絡(luò)的大數(shù)據(jù)特征，然后計(jì)算網(wǎng)絡(luò)入侵節(jié)點(diǎn)的特征權(quán)值。然后利用大數(shù)據(jù)技術(shù)構(gòu)建重要密度函數(shù)，對通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)進(jìn)行采樣。通過引入分布式計(jì)算方法，計(jì)算入侵節(jié)點(diǎn)的權(quán)重信息，識別通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)，具體過程如下。
第1 步，根據(jù)通信網(wǎng)絡(luò)的置信度，構(gòu)建網(wǎng)絡(luò)入侵大數(shù)據(jù)集合Γ[3]。在集合內(nèi)，提取通信網(wǎng)絡(luò)的大數(shù)據(jù)特征ZW，即
式中：τs表示網(wǎng)絡(luò)入侵大數(shù)據(jù)的屬性；f(·)表示特征提取函數(shù)；σi表示大數(shù)據(jù)樣本的初始特征值。
第2 步，篩選式（1）提取的通信網(wǎng)絡(luò)大數(shù)據(jù)特征。計(jì)算網(wǎng)絡(luò)入侵節(jié)點(diǎn)的特征權(quán)值ω，公式為
式中：N*表示通信網(wǎng)絡(luò)大數(shù)據(jù)的樣本數(shù)量；λT表示網(wǎng)絡(luò)入侵節(jié)點(diǎn)的屬性權(quán)值。
第3 步，利用大數(shù)據(jù)技術(shù)構(gòu)建重要密度函數(shù)[4]。采集通信網(wǎng)絡(luò)入侵大數(shù)據(jù)的狀態(tài)，表示為
式中：Yt表示t時(shí)刻網(wǎng)絡(luò)入侵大數(shù)據(jù)的初始傳輸狀態(tài)；Mt表示t時(shí)刻網(wǎng)絡(luò)入侵大數(shù)據(jù)通過入侵節(jié)點(diǎn)后的傳輸狀態(tài)；μt表示網(wǎng)絡(luò)入侵大數(shù)據(jù)的初始傳輸速度；vt表示網(wǎng)絡(luò)入侵大數(shù)據(jù)通過入侵節(jié)點(diǎn)后的傳輸速度。
第4 步，利用分布式計(jì)算方法，計(jì)算入侵節(jié)點(diǎn)的權(quán)重信息[5]。將網(wǎng)絡(luò)入侵節(jié)點(diǎn)的識別時(shí)刻定義為t，如果t-1 時(shí)刻網(wǎng)絡(luò)入侵大數(shù)據(jù)通過入侵節(jié)點(diǎn)后的傳輸狀態(tài)為Mt-1，就可以計(jì)算出入侵節(jié)點(diǎn)的權(quán)值，公式為
第5 步，通過估計(jì)網(wǎng)絡(luò)入侵節(jié)點(diǎn)在任意時(shí)刻的狀態(tài)，計(jì)算入侵節(jié)點(diǎn)的危險(xiǎn)程度γ，即
第6 步，網(wǎng)絡(luò)入侵節(jié)點(diǎn)采樣。通過計(jì)算當(dāng)前網(wǎng)絡(luò)入侵節(jié)點(diǎn)的權(quán)值信息，判斷是否有入侵節(jié)點(diǎn)不在網(wǎng)絡(luò)區(qū)域內(nèi)。如果第i個(gè)入侵節(jié)點(diǎn)在t時(shí)刻的權(quán)值與第1 個(gè)入侵節(jié)點(diǎn)在t時(shí)刻的權(quán)值之比不大于3/4，說明網(wǎng)絡(luò)入侵節(jié)點(diǎn)識別失敗，需要對網(wǎng)絡(luò)入侵節(jié)點(diǎn)重新采樣。
第7 步，識別通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)。假設(shè)網(wǎng)絡(luò)入侵節(jié)點(diǎn)從狀態(tài)Mt-1轉(zhuǎn)移到狀態(tài)Mt的過程中，能夠傳輸Φ0個(gè)通信網(wǎng)絡(luò)大數(shù)據(jù)，那么在重采樣后，就可以計(jì)算出通信網(wǎng)絡(luò)大數(shù)據(jù)在狀態(tài)Mt-1與狀態(tài)Mt之間的傳輸量權(quán)值，即
1.2 設(shè)計(jì)通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)定位算法
在定位通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)的過程中，根據(jù)網(wǎng)絡(luò)入侵節(jié)點(diǎn)的信號強(qiáng)度，計(jì)算入侵節(jié)點(diǎn)之間的接收信號強(qiáng)度值，將計(jì)算結(jié)果轉(zhuǎn)換為質(zhì)心理論的權(quán)值，最后結(jié)合大數(shù)據(jù)技術(shù)估計(jì)入侵節(jié)點(diǎn)的位置，經(jīng)過優(yōu)化計(jì)算得到通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)的準(zhǔn)確位置。
假設(shè)E(d) 表示網(wǎng)絡(luò)入侵節(jié)點(diǎn)之間距離為d時(shí)可以接收到的平均能量，構(gòu)建入侵節(jié)點(diǎn)信號的衰減模型為
式中：E(d0) 表示網(wǎng)絡(luò)入侵節(jié)點(diǎn)之間距離為d0時(shí)可以接收到的平均能量；ξ表示通信網(wǎng)絡(luò)傳輸路徑的損耗指數(shù)。
當(dāng)通信網(wǎng)絡(luò)遭到外界攻擊時(shí)，入侵節(jié)點(diǎn)處的信號強(qiáng)度會(huì)減弱[6]。假設(shè)信號強(qiáng)度以dB 為單位，優(yōu)化式（7），計(jì)算入侵節(jié)點(diǎn)之間的接收信號強(qiáng)度值為
式中：AdB表示高斯隨機(jī)變量。
在式（7）的模型下，入侵節(jié)點(diǎn)的通信射程為L，通信過程中的網(wǎng)絡(luò)覆蓋范圍是以L為半徑的圓形，假設(shè)第i個(gè)入侵節(jié)點(diǎn)的對應(yīng)坐標(biāo)為(xi,yi)，利用大數(shù)據(jù)技術(shù)估計(jì)入侵節(jié)點(diǎn)的位置，表示為
式中：εi表示網(wǎng)絡(luò)入侵節(jié)點(diǎn)對應(yīng)的坐標(biāo)權(quán)重[7]。
通過對式（9）的優(yōu)化計(jì)算，得到通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)的準(zhǔn)確位置為
式中：ς表示優(yōu)化系數(shù)。
2 實(shí)例分析
2.1 設(shè)置實(shí)驗(yàn)環(huán)境及參數(shù)
為了驗(yàn)證本文方法在通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)定位中的性能，開展對比實(shí)驗(yàn)。將入侵節(jié)點(diǎn)隨機(jī)分布在1 000 m×1 000 m 的正方形區(qū)域內(nèi)，具體分布情況如圖1 所示。
圖1 入侵節(jié)點(diǎn)分布
在通信區(qū)域內(nèi)，根據(jù)入侵節(jié)點(diǎn)分布情況設(shè)置實(shí)驗(yàn)參數(shù)，如表1 所示。
表1 實(shí)驗(yàn)參數(shù)
2.2 通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)定位測試
因?yàn)榇罅康娜肭止?jié)點(diǎn)會(huì)導(dǎo)致通信網(wǎng)絡(luò)中的數(shù)據(jù)丟失，嚴(yán)重時(shí)甚至導(dǎo)致通信網(wǎng)絡(luò)停止運(yùn)行，所以必須在最短的時(shí)間內(nèi)確定入侵節(jié)點(diǎn)的位置，以確保通信網(wǎng)絡(luò)的安全穩(wěn)定運(yùn)行。測試過程中，引入基于融合機(jī)器學(xué)習(xí)算法的定位方法作為對比，測試入侵節(jié)點(diǎn)的定位時(shí)間，結(jié)果如圖2 所示。
圖2 通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)的定位時(shí)間
從圖2 可以看出，本文方法與基于融合機(jī)器學(xué)習(xí)算法的定位方法在定位時(shí)間方面存在較大的差異。采用基于融合機(jī)器學(xué)習(xí)算法的定位方法時(shí)，對100 個(gè)通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)的定位時(shí)間始終在40 ms 以上，說明該算法還需要改進(jìn)。采用本文方法時(shí)，通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)的定位時(shí)間控制在20 ms 以內(nèi)，說明大數(shù)據(jù)技術(shù)可以在最短的時(shí)間內(nèi)準(zhǔn)確定位入侵節(jié)點(diǎn)，提高了通信網(wǎng)絡(luò)的數(shù)據(jù)傳輸速度。
3 結(jié) 論
文章提出一種基于大數(shù)據(jù)的通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)定位方法，利用大數(shù)據(jù)技術(shù)識別入侵節(jié)點(diǎn)，通過定位算法的設(shè)計(jì)，實(shí)現(xiàn)了通信網(wǎng)絡(luò)入侵節(jié)點(diǎn)的定位。結(jié)果顯示，該方法可以縮短入侵節(jié)點(diǎn)的定位時(shí)間，避免外界攻擊影響通信網(wǎng)絡(luò)的安全性。在今后的研究中，將引入同態(tài)加密算法對通信網(wǎng)絡(luò)進(jìn)行加密處理，以保證通信網(wǎng)絡(luò)的安全性。
