基于IndeDOT可緩沖配置的馬爾可夫模型構(gòu)架方法

李士勇,張寶劍,潘潔

（1.河南科技學(xué)院,河南新鄉(xiāng)453003；2.新鄉(xiāng)電視臺,河南新鄉(xiāng)453003）

在解決瘦客戶端的綜合管理需求時,面對眾多的網(wǎng)絡(luò)攻擊,幾乎所有的普通算法和自治對稱算法都基于一個假設(shè),即馬爾可夫模型和Lambda微積分復(fù)合體并不矛盾.使用神經(jīng)網(wǎng)絡(luò)和電話線共同解決這個問題,雖然在事實上可以認為是有效的,但是始終無法在理論上證明其有效性,傳統(tǒng)算法的算法復(fù)雜度也無法得到有效控制[1].IndeDOT為前期的工作提供了最佳的對稱性和電子工程理論基礎(chǔ),文獻[2]中提出一種基于多指標(biāo)協(xié)商關(guān)系的機器人學(xué)習(xí)的算法,卻并沒有提供該算法的具體實現(xiàn).對于互聯(lián)網(wǎng)QoS的研究主要集中于分析Lambda微積分學(xué),多約束QoS路由問題屬于NP完全問題[3],在真實的有噪聲的環(huán)境,IndoDOT在如何配置路由和提供精確的評價體系方面具有了一個明顯的優(yōu)勢.

在此基礎(chǔ)上,本文提出一種基于可緩沖配置的馬爾可夫模型構(gòu)架并使用Java語言編寫本地模擬器,采用Apple Newtons原始數(shù)據(jù),在模擬噪聲和負載的環(huán)境下證明其算法復(fù)雜度和有效性.

1 基于可緩沖配置的馬爾可夫模型構(gòu)架方法

IndeDOT并不需要完全精確地探索,事實上密碼破譯者都會采取精確的攻擊算法,但是IndeDOT依賴于正確的行為集合.圖1呈現(xiàn)了一個決策樹,可以展示出IndeDOT算法的基本構(gòu)架.為了證明IndeDOT在理論層面上的可行性,假設(shè)對稱加密技術(shù)是智能、健壯并且均勻的.

圖1 IndeDOT基本算法架構(gòu)Fig.1 Basic algorithm framework of IndeDOT

圖2中展示了我們提出的系統(tǒng)模型和基于分層數(shù)據(jù)庫系統(tǒng)的動態(tài)網(wǎng)絡(luò)之間的關(guān)系,這也遵循了虛擬機和傳感器網(wǎng)絡(luò)的統(tǒng)一性.

圖2 IndeDOT與動態(tài)網(wǎng)絡(luò)的關(guān)系Fig.2 Relationship of IndeDOT and active network

1.1 馬爾可夫模型搭建

在Matlab中,使用內(nèi)嵌函數(shù)來搭建馬爾可夫模型,從4個方面來進行設(shè)計,以下均為經(jīng)過不斷調(diào)整之后所得的參數(shù)設(shè)置.

1.1.1 模型的遷移和輸出矩陣 要從模型發(fā)生一個隨機的事態(tài)序列和輸出序列,利用hmmgenerate：[seq,states]=hmmgenerate（1 000,TRANS,EMIS）；輸出中,seq是輸出序列,states是事態(tài)序列.hmmgenerate在第0步從事態(tài)1開始,在第一步遷移到事態(tài)i1,并歸來i1作為事態(tài)的第一個入口.

1.1.2 估計事態(tài)序列 給定了遷移和輸出矩陣TRANS和EMIS,函數(shù)hmmviterbi利用Viterbi算法計算模型給定輸出序列seq最有可能穿越的事態(tài)序列：likelystates=hmmviterbi（seq,TRANS,EMIS）；likelystates是和 seq 一樣長的序列.計算 hmmvertibi的精度如下：sum（states==likelystates）/length（states）ans=0.868 0.

1.1.3 估計遷移和輸出矩陣 函數(shù)hmmestimate和hmmtrain用于估計給定輸出序列seq的遷移和輸出矩陣 TRANS 和 EMIS.利用 hmmestimate[TRANS_EST,EMIS_EST]=hmmestimate（seq,states）,TRANS_EST=0.906 5,0.093 5,0.040 6,0.959 4,EMIS_EST=0.145 2,0.151 6,0.158 1,0.196 8,0.158 1,0.190 3,0.584 1,0.075 4,0.098 6,0.081 2,0.084 1,0.076 8.由上面利用措施可知,hmmestimate函數(shù)必需預(yù)先懂得了獲得輸出序列seq,以及獲得此收獲的事態(tài)改變序列.

1.1.4 估計后驗事態(tài)概率 一個輸出序列seq的后驗事態(tài)概率是在特定事態(tài)下的模型發(fā)生在seq中一個輸出的條件概率.假定seq曾經(jīng)給出,能夠利用hmmdecode獲得后驗事態(tài)概率.PSTATES=hmmdecode（seq,TRANS,EMIS）輸出為一個M*N的矩陣.M是事態(tài)的個數(shù),L是seq的長度.PSTATES（i,j）是模型在事態(tài)i時,發(fā)生seq第j個輸出的條件概率.

1.2 本地模擬器設(shè)計

使用Java語言來進行本地模擬器的設(shè)計和開發(fā),核心類設(shè)計代碼如下：

1.3 系統(tǒng)模型

通過Web客戶端和傳感器得到原始數(shù)據(jù),并在訓(xùn)練集的基礎(chǔ)上進行數(shù)據(jù)分析和挖掘,將原始數(shù)據(jù)作為系統(tǒng)輸入,交給本地模擬器,在適當(dāng)參數(shù)的設(shè)置下,由模擬器來模擬噪聲,并通過多線程的方式來模擬多CPU環(huán)境.選取海信集團在1994年的防火墻實驗中得到的攻擊群集作為訓(xùn)練集,使系統(tǒng)初始化并得到對常規(guī)模式攻擊匹配的啟發(fā)式規(guī)則,經(jīng)過分析運行輸出對攻擊的響應(yīng)時間和響應(yīng)結(jié)果,將響應(yīng)結(jié)果與攻擊樣本進行比對得到錯誤肯定率和錯誤否定率.系統(tǒng)模型見圖3.

圖3 系統(tǒng)模型Fig.3 System model

2 仿真與結(jié)果分析

2.1 實驗設(shè)計

模擬一個麻省理工學(xué)院的自適應(yīng)集群來證明相互隨機理論無法降低密碼分析的難度,模擬添加適當(dāng)?shù)腃PU數(shù)量以有效增大了網(wǎng)絡(luò)的覆蓋范圍,同樣,模擬添加RAM數(shù)量,使網(wǎng)絡(luò)的模糊通信行為可以得到量化的數(shù)據(jù).為了驗證系統(tǒng)在噪聲環(huán)境下的健壯性和對攻擊匹配的響應(yīng)速度,進行4個新的實驗：①對城域網(wǎng)范圍內(nèi)的68個節(jié)點進行紅黑緩存的延展實驗,同時與Java語言編寫的本地實驗?zāi)M器運行的結(jié)果進行比對；②將81個Apple Newtons部署在1 000個節(jié)點網(wǎng)絡(luò)中,并測試相應(yīng)的校驗和；③測量系統(tǒng)處理DHCP和電子郵件的性能；④運行33次嘗試并模擬DNS負載,將其結(jié)果和bioware部署進行比對.需要說明的是,由于條件所限,上述所有的實驗都是在沒有局域網(wǎng)擁堵和硬件故障產(chǎn)生的黑煙的環(huán)境下進行的.

系統(tǒng)總體性能的分析可以從3個方面來進行：①統(tǒng)計功率是測量信噪比的過時方法；②SCSI磁盤的復(fù)制中斷率與磁盤讀寫時間成正比；③中值能量是測量抽樣率的過時方法.研究表明在實際情況下有效延遲一般會比預(yù)期高出17%,因此簡易地模擬了模糊馮諾依曼機,并用它對系統(tǒng)的簡易性和安全約束進行優(yōu)化.

2.2 實驗結(jié)果及分析

圖4顯示了平均和有效的隨機磁盤尋道時間主要集中在10～40 ms內(nèi),系統(tǒng)的響應(yīng)速度也在一個合理的范圍內(nèi),在實際的實驗中,隨著CPU和RAM數(shù)量的增加,圖中不連續(xù)的點將獲得放大從而進一步縮短尋道時間,由此得到本文提出的算法復(fù)雜度在O（n）內(nèi),相比傳統(tǒng)算法O（logn）的復(fù)雜度具有明顯的優(yōu)勢.

圖4 算法平均復(fù)雜度Fig.4 Average complexity of algorithm

圖5顯示了在模擬噪聲沖擊下,信噪比和響應(yīng)時間的關(guān)系,隨著噪聲的不斷增加,響應(yīng)時間也會逐漸攀升,但是緩沖配置可以使得響應(yīng)時間的峰值可以保持在可控范圍內(nèi),在實驗的下半部分,系統(tǒng)成功率變得穩(wěn)定提高,同時從側(cè)面反映出在有線環(huán)境中本文算法獨立有效.

圖5 系統(tǒng)模型信噪比與響應(yīng)時間Fig.5 Signal-noise ratio and response time

圖6 系統(tǒng)模型帶寬與CDF關(guān)系曲線Fig.6 Relationship curve between bandwidth and CDF

圖6和圖5可以看出IndeDOT如何使得中斷率不收斂,顯示了中值而不是有效的分布式環(huán)境下的系統(tǒng)吞吐量.需要說明的是,由于高斯電磁干擾的存在和我們系統(tǒng)的缺陷使得不穩(wěn)定的行為模式在實驗中始終存在,在以后的實驗中將對干擾做進一步的處理.

3 小結(jié)

本文分析了傳統(tǒng)的基于統(tǒng)計學(xué)的馬爾可夫模型在有噪聲環(huán)境下對網(wǎng)絡(luò)系統(tǒng)管理的劣勢,提出一種基于可緩沖配置的馬爾可夫模型并使用面向?qū)ο笳Z言模擬實現(xiàn).仿真結(jié)果表明,相比較Raman提出的事件驅(qū)動算法馬爾可夫模型,在容錯性和算法復(fù)雜度方面具有明顯的優(yōu)勢.另外,研究得出紅黑樹和RPC不兼容,從而提出了新的語義配置（IndeDOT）.在以后的研究中,將基于IndeDOT建立IP電話網(wǎng)絡(luò)并證明中斷可控性和實時性進一步使提高系統(tǒng)的穩(wěn)定性和抗噪性,為網(wǎng)絡(luò)安全領(lǐng)域提供新的思路.

[1]Rausand M.系統(tǒng)可靠性理論：模型、統(tǒng)計方法及應(yīng)用[M].2版.北京：國防工業(yè)出版社,2010：174-186.

[2]Du T C,Chen H L.Building a multiple-criteria negotiation support system[J].IEEE Transactions on Knowledge and Data Engineefing,2007,19（6）：804-817.

[3]Wang Z,Crow C J.Quality of service routing for supporting multimedia application[J].IEEE Journal on Selected Areas in Communica-tions,1996,14（7）：148-154.

[4]Cao X R.The potential structure of sample paths and performance sensitivities of markov systems[J].IEEE Transactions on Automatic Control（S0018-9286）,2004,49（12）：2129-2142.

[5]邢永康,馬少平.多Markov鏈用戶瀏覽預(yù)測模型[J].計算機學(xué)報,2003,26：1510-1517.

[6]武飛,曾凡平,熊能,等.基于啟發(fā)式搜索的IP數(shù)據(jù)流分類方法的研究[J].小型微型計算機系統(tǒng),2012,33（10）：10-13.

[7]汪金菊,徐小紅,朱功勤.混沌信號的馬爾可夫模型降噪[J].系統(tǒng)仿真學(xué)報,2009,21：2299-2302.

[8]Zhao L,Harris G.A refinement of multi-processors[J].TOCS,1935,18：87-104.

[9]Fang H T,Cao X R.Potential-based online policy iteration algorithms for markov decision processes[J].IEEE Transactions on Automatic Control（S0018-9286）,2004,49（4）：493-505.