【技术实现步骤摘要】
一种基于时间序列分析的网络拓扑推断方法及装置
[0001]本专利技术涉及计算机网络领域,尤其涉及一种基于时间序列分析的网络拓扑推断方法与装置。
技术介绍
[0002]网络拓扑是信息传输过程中需遵循的地图,为了实现网络中关键节点的识别、网络性能的监控以及网络特征的分析等均需要了解网络的拓扑结构。现有的拓扑推断方法主要分为协作式拓扑推断和非协作式拓扑推断两类,目前相关研究成果主要集中于协作式拓扑推断。
[0003]协作式拓扑推断方法,主要基于网络可接入、报文可解析的前提,通过对网络中传输信息的解析实现网络拓扑的推断,分为基于网络层析成像的推断方法和基于协议分析的推断方法。
[0004]基于网络层析成像的网络拓扑推断通常包括三个步骤:(1)使用端到端的测量方法获取端到端的相关性能参数;(2)利用端到端相关参数计算节点之间的关联性;(3)根据节点之间的关联性对网络的拓扑结构进行推断。针对节点相关性进行计算时依据的参数包括:传输成功率、排队时延、时延协方差、时延抖动协方差以及对多个参数融合后的综合参数等。网络层析成像技术按照探测包的发送方式分为主动测量和被动测量两类。主动测量主要是通过在选定节点上主动发送探测包,并根据采集到的相关信息对网络进行推断,方法主要包括单播测量和多播测量。主动测量的优势是主动发包,测量过程可控,使用灵活;其不足是发送的探测包会增加网络负担,对网络中正常数据的传输产生一定的影响。被动测量是通过对网络中的链路或者设备进行监测,根据网络中特定类型的数据包进行分析完成推断的方法。被动测量的优点 ...
【技术保护点】
【技术特征摘要】
1.一种基于时间序列分析的网络拓扑推断方法,其特征在于,包括以下步骤:步骤S101:获取信息数据,将所述信息数据以时间序列进行表征;步骤S102:根据表征结果,对各节点进行排序,并按照排序次序将各节点对应的时间序列进行拼接;步骤S103:对拼接后的时间序列进行分段近似聚合;步骤S104:使用格拉姆角差场算法对分段近似聚合后的时间序列进行编码,构建类格拉姆矩阵;步骤S105:根据所述类格拉姆矩阵,对网络进行拓扑推断。2.如权利要求1所述的基于时间序列分析的网络拓扑推断方法,其特征在于,所述步骤S101:获取信息数据,将所述信息数据以时间序列进行表征,包括:获取信息数据,设定采样时间间隔,对所述信息数据进行分析,若在采样间隔内有信号发送,则该采样间隔对应的时间序列中的值为1,否则为0。3.如权利要求2所述的基于时间序列分析的网络拓扑推断方法,其特征在于,所述步骤S102:根据表征结果,对各节点进行排序,并按照排序次序将各节点对应的时间序列进行拼接,包括:所述信息数据的时间序列的表征方式是0和1组成的序列,将各节点首次出现1的时间进行比较,即按照1出现的时间对节点进行排序,1出现的早的节点排在前面;按照排序次序将各节点对应的时间序列进行拼接。4.如权利要求3所述的基于时间序列分析的网络拓扑推断方法,其特征在于,所述步骤S103:对拼接后的时间序列进行分段近似聚合,包括:对于一个包含n个观测值的时间序列T,T={t1,t2,
…
,t
n
},使用N
d
表示时间序列被处理后得到的最终维数;设定压缩率ψ用于表示原始时间序列的长度与其分段聚合后的长度之比,ψ的计算公式如下:(1)使用表示时间序列T压缩后得到的结果,T
ψ
中第r个元素对应的计算公式如下:(2)其中,t
j
为T中的第j个元素;在分段近似聚合的基础上,将T
ψ
中元素归一化到[
‑
1,1]区间内,得到集合,,其中,为聚合结果归一化后集合中的第i个元素,的计算公式为:
ꢀꢀ
(3)为中第i个元素,max(T
ψ
)为T
ψ
中最大值,min(T
ψ
)为T
ψ
中最小值;步骤S104:使用格拉姆角差场算法对分段近似聚合后的时间序列进行编码,构建类格拉姆矩阵,包括:根据归一化的结果,将分段近似聚合后的时间序列从笛卡尔坐标系转换到极坐标系,将缩放后得到的数值编码为角度,且存在,将对应的时间戳t
i
’
编码为半径r
i
,坐标变换公式如下: (4)其中,t
i
’
是时间序列中第i个元素对应的时间戳,是对极坐标系统生成空间进行正则化的常数因子,为常数集合;利用格拉姆角差场算法对分段近似聚合后的时间序列进行编码构建类格拉姆矩阵,其计算公式如下:其中,G为编码得到的类格拉姆矩阵,为对应的角度值大小,为对应的角度值大小,是的平方操作,I是单位行向量[1,1,
…
,1],是的转置操作,为的转置向量;所述步骤S105:根据所述类格拉姆矩阵,对网络进行拓扑推断,包括:根据节点之间是否存在通联关系为不同节点对形成的类格拉姆矩阵增加标签,即节点对之间存在通联关系则其对应的标签为1,否则为0;在标签数据构建的基础上,使用K最近邻算法进行判定,使用余弦相似度来衡量样本之间的相似性,余弦相似度的计算公式为:(6)
其中P为已训练好模型中的一个序列,p
k
为P中第k个元素,P
’
为待判定序列,p
’
k
为P
’
中第k个元素;在样本相似度求取得基础上,根据样本相似性找出相似度最高的个训练样本作为待分类样本的个近邻,再根据个近邻采用投票策略实现对待分类样本类型的判定,判定待分类样本对应的两个节点之间是否存在通联关系,根据判定结果和节点位置信息完成拓扑推断结果的输出。5.一种基于时间序列分析的网络拓扑推断装置,其特征在于,所述装置包括:表征模块:配置为获取信息数据,将所述信息数据以时间序列进行表征;拼接模块:配置为根据表征结果,对各节点进行排序,并按照排序...
【专利技术属性】
技术研发人员:束妮娜,马涛,王晨,牛钊,汪明智,刘春生,常超,李磊,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。