基于本體知識推理的QoS區(qū)分服務(wù)策略精化方法

黃寥若，沈慶國，張高明，賈連祥

（1.解放軍理工大學(xué) 通信工程學(xué)院，江蘇 南京210007；2.中國人民解放軍66287部隊(duì)，河北 易縣074200）

0 引 言

在基于策略網(wǎng)絡(luò)系統(tǒng) （policy－based network system）中，如何將高層近自然語言描述的策略，精化分解為底層可執(zhí)行策略，一直是研究的熱點(diǎn)之一。其中比較受到認(rèn)可的方法有，基于目標(biāo)需求分解的精化方法、專家系統(tǒng)方法等。在目前的研究成果中，策略精化方法普遍缺少自動推理機(jī)制，仍然需要較多的人工干預(yù)，大大制約了策略精化的自動化水平。部分學(xué)者提出將本體知識系統(tǒng)引入策略網(wǎng)絡(luò)管理，利用本體良好的語義表達(dá)能力和知識推理能力實(shí)現(xiàn)策略的自動精化，然而，如何設(shè)計(jì)并實(shí)現(xiàn)本體驅(qū)動的策略精化機(jī)制卻始終未能得到解決。本文在以往研究成果的基礎(chǔ)上，針對QoS區(qū)分服務(wù)的具體應(yīng)用環(huán)境，對策略元素進(jìn)行了語義描述，利用本體知識推理實(shí)現(xiàn)了策略的精化過程，并利用實(shí)驗(yàn)對該方法進(jìn)行了驗(yàn)證，表明了該方法的有效性。

1 背景知識介紹

策略精化是指：為了滿足策略的可執(zhí)行性，將近自然語言描述的高級策略，自動分解和細(xì)化為設(shè)備可執(zhí)行的底層策略，從而對設(shè)備進(jìn)行管理的方法。如何自動化的實(shí)現(xiàn)策略精化，減少管理員的干預(yù)，一直是基于策略網(wǎng)絡(luò)系統(tǒng)領(lǐng)域的研究熱點(diǎn)之一，也是制約該系統(tǒng)廣泛應(yīng)用的主要因素之一。2004年，Bandara和Lupu等提出了基于目標(biāo)需求分解 （KAOS）的策略精化方法，之后部分學(xué)者提出利用線性時(shí)態(tài)邏輯 （linear temporal logic）和事件積分 （event calculus）來實(shí)現(xiàn)目標(biāo)和事件的形式化描述［1］，使得該方法成為了傳統(tǒng)方法中使用較為廣泛的一種。但是，該方法在目標(biāo)分解階段需要較多的專家知識，實(shí)現(xiàn)起來比較復(fù)雜和繁瑣，并且缺少工具支持，制約了該方法的實(shí)用性。Antonio Guerrero等人在文獻(xiàn) ［2］中提出了將本體引入策略精化過程的方法，闡述了使用本體知識推理實(shí)現(xiàn)策略精化的優(yōu)勢和基本思路。但是，作者并沒有給出通用的網(wǎng)絡(luò)本體模型，也沒有描述如何實(shí)現(xiàn)本體驅(qū)動的策略精化機(jī)制。之后，Cataldo Basile等在文獻(xiàn) ［3，4］中對本體精化機(jī)制進(jìn)行了研究，在安全管理領(lǐng)域，實(shí)現(xiàn)了對于安全管理策略的本體精化。但是作者提出的本體模型和實(shí)現(xiàn)機(jī)制均是基于安全管理域的特定知識，很難應(yīng)用于其他場景。而Farhad Mardukhi等學(xué)者則在文獻(xiàn) ［5］中提出了利用策略精化機(jī)制實(shí)現(xiàn)動態(tài)服務(wù)的方法，研究了本體精化機(jī)制如何在面向服務(wù)的系統(tǒng)中工作。至于使用本體對其他領(lǐng)域策略的精化方法研究，例如在QoS 中的策略精化，則未受到廣泛的關(guān)注。

實(shí)現(xiàn)策略精化的難點(diǎn)主要在于，首先，缺少一種統(tǒng)一的知識表示方法，使得系統(tǒng)和系統(tǒng)用戶對網(wǎng)絡(luò)知識缺少準(zhǔn)確一致的認(rèn)識，限制了策略作用的范圍，割裂了不同層次間策略之間的聯(lián)系；其次，高層策略與底層策略之間缺少映射和推理機(jī)制，使得策略的精化過程需要較多的人工干預(yù)。將本體引入策略控制系統(tǒng)，可以在一定程度上解決上述問題，本體是共享概念模型的明確的形式化規(guī)范說明［6］，它不僅可以為系統(tǒng)知識提供統(tǒng)一，規(guī)范的形式化描述，還能夠?qū)χR之間的關(guān)系和約束等隱性關(guān)系進(jìn)行刻畫，從而使系統(tǒng)知識具備豐富的語義。本體知識推理，是在本體知識的基礎(chǔ)上，借助相應(yīng)的推理規(guī)則，在推理引擎的幫助下，推理出新的本體知識，并對原本體進(jìn)行更新的過程。網(wǎng)頁本體語言 （Web ontology language，OWL）是目前廣泛使用的本體描述語言，能夠在語義Web 規(guī)則描述語言 （semantic Web rule language，SWRL）的配合下，進(jìn)行基于概念和規(guī)則的推理。

圖1 本體知識推理的總體框架

通過對之前研究成果的對比和總結(jié)，本文提出了一種基于本體知識推理實(shí)現(xiàn)策略精化的方法。該方法利用本體對策略行為進(jìn)行語義刻畫，使得策略行為具備執(zhí)行的前提與效果，使得行為可以根據(jù)目前的環(huán)境條件決定是否執(zhí)行，而環(huán)境可以根據(jù)行為的執(zhí)行結(jié)果進(jìn)行更新，從而可以根據(jù)系統(tǒng)狀態(tài)和高層抽象行為，確定底層可執(zhí)行行為。這種方法與之前的方法相比，通過本體知識推理，提供了一種高層策略到底層策略的自動映射機(jī)制，提高了自動化程度；同時(shí)，由于對于策略行為的語義刻畫是分布式的，不需要系統(tǒng)的設(shè)計(jì)者具備完備的領(lǐng)域知識，而是可以通過多個(gè)專家或團(tuán)體的協(xié)作，來完成知識庫的構(gòu)建，減少了對于領(lǐng)域?qū)＜抑R的依賴。

2 系統(tǒng)總體設(shè)計(jì)

IETF和DMTF提出了PBNM 的基本模型，這一模型由策略決策點(diǎn) （policy decision point，PDP），策略執(zhí)行代理 （policy enforcement point agent），策略執(zhí)行點(diǎn) （policy enforcement point，PEP），策略管理工具 （policy management tool，PMT），策略庫 （policy repository，PR）和連接以上各個(gè)部分的通信協(xié)議組成。本文所利用的本體模型主要存在于PDP中，研究的策略精化機(jī)制，也主要在PDP中實(shí)現(xiàn)，在本文的研究過程中，我們利用protégé進(jìn)行本體建模，利用Jess推理機(jī)進(jìn)行知識推理。其中，protégé是由斯坦福大學(xué)開發(fā)的本體建模工具，Jess是由美國Sandia國家實(shí)驗(yàn)室開發(fā)，利用Java編寫的SWRL 推理機(jī)。系統(tǒng)的總體框架如1所示。

用戶在PMT 中生成策略之后，高層策略首先被映射到本體知識庫，其中本體知識庫是對系統(tǒng)知識及策略知識的本體建模，然后根據(jù)SWRL 推理規(guī)則庫中預(yù)先定義的策略精化規(guī)則，在Jess推理機(jī)的幫助下進(jìn)行知識推理，得到新的本體知識，從而更新本體，然后將新的策略本體翻譯為底層可執(zhí)行策略，進(jìn)行策略存儲和策略分發(fā)。本文研究的重點(diǎn)在于，如何建立合適的規(guī)則，在PDP中推理機(jī)制的幫助下，實(shí)現(xiàn)策略的自動精化過程。

3 對策略行為進(jìn)行語義描述

策略精化過程的關(guān)鍵在于找到一組合適的底層行為集，使之執(zhí)行的結(jié)果能夠滿足高層策略的需求［7］。然而，在不同的應(yīng)用層次上，對于策略行為的理解往往是不同的。例如在業(yè)務(wù)層次上，高層策略的形式往往是以用戶需求的形式表達(dá)的，如SLS，策略行為則是蘊(yùn)含了具體服務(wù)指標(biāo)的抽象行為，而在IP承載層次上，策略行為是具體的、能夠被網(wǎng)絡(luò)設(shè)備識別和執(zhí)行的具體操作。因此，在本文的研究中，主要對底層策略行為進(jìn)行語義描述。

根據(jù)上述要求，對策略行為的語義刻畫主要包括3個(gè)方面：“行為作用類”（ReactClass），“執(zhí)行條件”（PreCondition）與 “執(zhí)行效果”（PostCondtion）。

其中行為作用類指示的是策略行為作用于哪種對象，如數(shù)據(jù)流，數(shù)據(jù)包，被管設(shè)備等，指示了策略行為的作用粒度。執(zhí)行條件指示的是，策略動作能夠被執(zhí)行的必要條件，通過對動作執(zhí)行條件的定義，使得系統(tǒng)能夠從當(dāng)前狀態(tài)和目標(biāo)狀態(tài)2個(gè)方面，判斷一個(gè)動作能否被執(zhí)行，以及在何時(shí)被執(zhí)行，確保了底層策略動作執(zhí)行順序的正確性。執(zhí)行效果指示的是，策略行為在執(zhí)行之后，系統(tǒng)或者服務(wù)對象的屬性及狀態(tài)變化，通過對執(zhí)行效果的定義，使得可以通過評估動作的執(zhí)行效果，來判斷高層策略是否被滿足，以及是否有新的動作被觸發(fā)。通過對執(zhí)行條件和效果的定義，可以據(jù)此判斷不同動作間的組合、分解、關(guān)聯(lián)等關(guān)系。需要注意的是，執(zhí)行條件和執(zhí)行效果是基于網(wǎng)絡(luò)管理領(lǐng)域的基本知識與基本機(jī)制，與策略客體和服務(wù)對象的具體狀態(tài)無關(guān)，因此在對策略行為進(jìn)行語義刻畫時(shí)，不涉及具體的參數(shù)和數(shù)值。由于SWRL 具有良好的邏輯表達(dá)能力，并能在本體知識推理過程中作為規(guī)則匹配，因此本文中采用SWRL對策略行為進(jìn)行描述。

SWRL規(guī)則的一般形式是 “前提→結(jié)論”，其中前提是若干個(gè)一元謂詞和二元謂詞的和，當(dāng)所有的謂詞判斷為真時(shí)前提才為真，同時(shí)結(jié)論為真。SWRL 規(guī)則中的謂詞，均來源于本體模型中定義的類和屬性，形式為class（？c）和property（？c，？p），其中class和property分別為類名和屬性名，“？c”代表的是某個(gè)非確定實(shí)例，當(dāng)利用該規(guī)則進(jìn)行推理時(shí)，則推理機(jī)將對所有實(shí)例分別匹配該規(guī)則。例如對setDSCP行為的語義描述如下：

這條SWRL 規(guī)則的意義是：如果數(shù)據(jù)包的類型和某PHB適用的類型相同，則為數(shù)據(jù)包打上該P(yáng)HB 的標(biāo)記。在以上例子中，并不涉及具體的PHB，也不涉及數(shù)據(jù)包具體的類別，只是對它們之間的關(guān)聯(lián)關(guān)系進(jìn)行了描述，因此這條規(guī)則實(shí)際上是對setDSCP 動作的抽象和總結(jié)。在實(shí)際推理中，系統(tǒng)將遍歷所有的系統(tǒng)實(shí)例，根據(jù)實(shí)際的需求，生成具體的數(shù)值，因此，策略行為的語義描述規(guī)則將對策略行為的定性分析和定量分析區(qū)分開來，使得描述規(guī)則可以在策略精化系統(tǒng)中得到重用。

4 策略精化的實(shí)現(xiàn)機(jī)制

進(jìn)行高層策略的精化，首先需要將策略行為分解和細(xì)化為設(shè)備可以理解和執(zhí)行的底層行為，然后，需要根據(jù)高層策略的要求和服務(wù)對象的屬性，確定使用哪些底層行為。通過對相應(yīng)的行為編輯正確的執(zhí)行前提與效果，可以建立對象屬性和采取動作之間的聯(lián)系，因此，可以在推理的過程中，自動匹配出需要執(zhí)行的正確行為。

4.1 策略動作的分解

通過定義策略動作的執(zhí)行條件和執(zhí)行效果，為策略動作之間的比較和關(guān)聯(lián)創(chuàng)造了條件，由以上的例子可以看出，對于一個(gè)底層動作的語義定義主要包含3 個(gè)部分，因此，可以將底層動作表示為以下邏輯表達(dá)式

其中Ai表示策略行為，Si表示行為作用類的謂詞表達(dá)式，Prei和Posti為若干謂詞表達(dá)式的集合，其中 “∧”表示謂詞表達(dá)式的與，“→”表示邏輯推出。

在此我們有如下定義：

定義1 動作的并行執(zhí)行：若有Ai：Si∧Prei→Posti，Ai：Si∧Prei→Posti，且有Si∧Sj∧Prei∧Prej→Posti∧Postj，則稱2個(gè)動作Ai和Aj可以并行執(zhí)行，以符號 “∪”表示。

該定義的意義是：如果2個(gè)動作可以并行執(zhí)行，那么2個(gè)動作的執(zhí)行條件為它們執(zhí)行條件的和，執(zhí)行效果為它們執(zhí)行效果的和。

定義2 動作的串行執(zhí)行：若有Ai：Si∧Prei→Posti，Ai：Si∧Prei→Posti，且Si∧Sj∧Prei→Postj，則稱2個(gè)動作Ai和Aj可以串行執(zhí)行，以符號 “∩”表示2個(gè)動作的串行執(zhí)行，

該定義的意義是：如果2個(gè)動作可以串行執(zhí)行，那么2個(gè)動作的執(zhí)行條件為其中一個(gè)動作的執(zhí)行條件，執(zhí)行效果為另一個(gè)動作的執(zhí)行效果。

此外還需要對謂詞邏輯表達(dá)式間的關(guān)系進(jìn)行定義：

定義4 行為作用類間的關(guān)系：以符號 “∈”表示2個(gè)行為作用類的關(guān)系，有2個(gè)行為作用類Ci，Cj；當(dāng)且僅當(dāng)Ci為Cj的子類時(shí)，Ci∈Cj。

由定義4可以得出如下定義：

定理 若有Ai：Si∧Prei→Posti，若有Si∈Sj，則Sj∧Prei→Posti亦成立。

該定義的意義是：如果一個(gè)動作作用在某個(gè)類上，那么它一定也作用在該類的父類上。

根據(jù)以上定義，若有3 個(gè)不同的策略行為A1，A2，A3，則可得到以下動作細(xì)化規(guī)則。

規(guī)則1：S1∈S3，S2∈S3，Pre1，Pre2，Post1，Post2兩兩沒有包含關(guān)系，且有Pre3＝Pre1∧Pre2，Post3＝Post1∧Post2，則有A3＝A1∪A2。

證明：由對動作的定義可得A1：S1∧Pre1→Post1，A2：S2∧Pre2→Post2，又因?yàn)镻re1，Pre2，Post1，Post2兩兩沒有包含關(guān)系，所以A1∪A2：S1∧S2∧Pre1∧Pre2→Post1∧Post2（＊）成立；又因?yàn)镾1∈S3，S2∈S3，所以S1∧S2∈S3；又有Pre3＝Pre1∧Pre2，Post3＝Post1∧Post2，所以由定理5，（＊）式即為S3∧Pre3→Post3，即A3＝A1∪A2，證畢。規(guī)則1的有向圖如圖2所示。

圖2 規(guī)則1有向圖

該規(guī)則的意義為，某個(gè)高層動作可以分解為若干個(gè)并行執(zhí)行的底層動作，例如在訪問控制策略中，當(dāng)高層策略為 “禁止外部用戶訪問服務(wù)器”，則該策略可以分解為底層的若干條具體的訪問控制策略，如 “禁止源地址在10.1.1.0／24網(wǎng)段的用戶訪問服務(wù)器”等，這些策略中的動作通過并行執(zhí)行，達(dá)到高層的策略的訪問控制目標(biāo)。

規(guī)則2：S1∈S3，S2∈S3，且有Pre3＝Pre1，Post3＝Post2，Pre2Post1，則有A3＝A1∩A2。

證明：因?yàn)锳1：S1∧Pre1→Post1，所以S1∧S2∧Pre1→Post1∧S2，因?yàn)镻re2Post1，則可得Post1∧S2→Pre2∧S2→Post2，即A1∩A2：S1∧S2∧Pre1→Post2（＊）成立；又S1∈S3，S2∈S3，所以S1∧S2∈S3；又因?yàn)镻re3＝Pre1，Post3＝Post2，則 （＊）即為S3∧Pre3→Post3，即A3＝A1∩A2，證畢。規(guī)則2的有向圖如圖3所示。

該規(guī)則的意義為某個(gè)高層動作，可以分解為若干個(gè)串行執(zhí)行的底層動作，例如在QoS服務(wù)策略中，高層策略為“保證語音流量F的吞吐量不少于520kbps”，則該策略可以分解為底層的標(biāo)記策略和資源分配策略，如 “將語音流F標(biāo)記為EF”， “為目標(biāo)流F分配520kbps帶寬”等。這些策略中的動作通過順序執(zhí)行，達(dá)到高層策略的性能目標(biāo)。

圖3 規(guī)則2有向圖

通過以上2條規(guī)則，可以基本完成對于系統(tǒng)中策略動作的細(xì)化，但是為了滿足高層策略的需求，如SLS等，則還需要對細(xì)化后的動作進(jìn)行篩選，從而組織正確的底層動作序列，使之執(zhí)行的效果，能夠滿足高層策略的需求。

4.2 策略動作的篩選

將策略動作進(jìn)行細(xì)化之后，則需要根據(jù)服務(wù)的屬性和流量的需求，挑選正確的動作，利用SWRL 規(guī)則進(jìn)行策略精化的核心在于，根據(jù)高層用戶需求和服務(wù)屬性，與行為規(guī)則的前提進(jìn)行匹配和推理，從而篩選出正確底層行為的過程。策略精化算法流程如圖4所示。

圖4 策略精化算法流程

在策略精化的過程中，輸入行為規(guī)則，根據(jù)當(dāng)前的系統(tǒng)狀態(tài)，資源需求，對象屬性等，篩選可以被執(zhí)行，并且不與當(dāng)前系統(tǒng)狀態(tài)相沖突的行為，并根據(jù)行為的執(zhí)行結(jié)果，對系統(tǒng)狀態(tài)和對象狀態(tài)進(jìn)行更新，進(jìn)而判斷選取的行為集是否滿足用戶需求，直到所有可執(zhí)行的策略行為被挑選出來之后，策略精化過程結(jié)束。

通過4.1的行為分解，確保了挑選出來的策略行為都是可以被底層設(shè)備理解和執(zhí)行的，則可設(shè)如下集合，其中集合中的元素是包含了具體對象實(shí)例和數(shù)值的謂詞表達(dá)式：系統(tǒng)狀態(tài)集合S （S1，S2，…，Sn），其中Si為系統(tǒng)的某個(gè)屬性，如可用資源，用戶數(shù)量等；對象屬性集合F （F1，F(xiàn)2，…，F(xiàn)n），其中Fi為服務(wù)對象的某個(gè)屬性，如應(yīng)用類別，服務(wù)端口等；用戶需求集合R （R1，R2，…，Rn），其中Ri為SLA 中規(guī)定的資源和需求，如帶寬供應(yīng)，突發(fā)速率等；底層動作集合A （A1，A2，…，An），其中Ai為4.1中經(jīng)過分解和細(xì)化的底層行為；對象狀態(tài)集合P （P1，P2，…，Pn），其中Pi為服務(wù)對象的當(dāng)前狀態(tài)，如流量的標(biāo)記，被分配的資源等；目標(biāo)行為集合 A＊ （A1，A2，…，An），其中Ai為篩選出來，可以滿足高層策略需求的底層行為。各個(gè)集合中的元素為在本體中定義的對象實(shí)例或具體數(shù)值，可以代入謂詞表達(dá)式中進(jìn)行判斷。

定義5 若有Sj，F(xiàn)j，Rj滿足Prej，使得Aj：Prej∧Sj→Postj成立，則Aj被篩選出來，Pj為Postj中推理得出的對象屬性值，則Pj∈P。

該定義的意義是：若存在集合S、F、R 中的元素，使得Aj的執(zhí)行前提為真，則Ai被加入集合A＊，同時(shí)Posti中的PJ被加入集合P。

定義6 若對于狀態(tài)集合P 均為真時(shí)，用戶需求R 可以被滿足，則稱P能滿足R，記為P→R；

該定義的意義是：當(dāng)P能滿足R 時(shí)，若對象的屬性與P中的元素一致時(shí)，對服務(wù)對象的服務(wù)水平可以滿足用戶需求。

則根據(jù)定義5和定義6，可以得到以下結(jié)論：

結(jié)論：若存在一個(gè)行為集合A’，通過執(zhí)行A’中的所有行為，可以使得P能滿足R，則必有A’A＊；

該結(jié)論的意義是：若存在一個(gè)行為集合可以滿足用戶需求，那么一定包含在算法選出的行為集A＊中。

證明：設(shè)行為集合A＋＝A－A＊，則根據(jù)定義5，A＋中的行為在當(dāng)前狀態(tài)下不具備執(zhí)行的條件，或與系統(tǒng)參數(shù)和狀態(tài)沖突。則假設(shè)存在A’，使得P能滿足R，同時(shí)至少存在Ak∈A’，同時(shí)Ak∈A＋且AkA＊，則根據(jù)算法，Ak不能被執(zhí)行，因此與題設(shè)矛盾，假設(shè)不成立。

通過以上結(jié)論可以得出，若存在行為集合能夠滿足用戶的目標(biāo)，則必可以通過該算法找出該行為集合。

4.3 策略執(zhí)行主體的確定

在本文的研究過程中，我們將某個(gè)設(shè)備在網(wǎng)絡(luò)中所處的位置和所起的作用，抽象為 “角色”概念，通過角色概念，一方面可以向系統(tǒng)屏蔽具體的被管對象的細(xì)節(jié)，使得對于系統(tǒng)的管控更加方便；另一方面，可以在具體的策略行為執(zhí)行主體和策略行為之間建立聯(lián)系。在對于策略行為的語義描述過程中，還需要將策略行為與行為的執(zhí)行角色之間建立聯(lián)系，這一聯(lián)系的依據(jù)是某個(gè)行為是由某一類設(shè)備執(zhí)行的，例如QoS的標(biāo)記行為，則通常是由邊界節(jié)點(diǎn)執(zhí)行的，則可以在標(biāo)記行為和邊界節(jié)點(diǎn)之間建立聯(lián)系，從而在策略精化的過程中，確定策略的執(zhí)行主體。

確定策略執(zhí)行主體的過程如圖5所示。

圖5 主體確定方法

該過程表示了，對于某個(gè)行為，我們可以找到它的執(zhí)行角色。在策略作用域中，由于設(shè)備所處的不同位置，或發(fā)揮的不同作用，可以確定某個(gè)設(shè)備的角色。將兩者匹配，則可以通過策略行為，找到具體的被管對象，以及它的引址或IP地址。

5 本體知識庫的建立

本文應(yīng)用OWL語言進(jìn)行本體建模，在OWL 中共定義了以下幾種概念：類，屬性，實(shí)例，約束。其中類是對某個(gè)對象的抽象描述，使用owl：Class來定義一個(gè)類。屬性有2種，一種為對象屬性，描述的是2 個(gè)類之間的關(guān)系，使用owl：ObjectProperty來定義對象屬性；另一種為數(shù)據(jù)類型屬性，描述的是一個(gè)類與某個(gè)具體數(shù)值的關(guān)系，使用owl：DatatypeProperty來定義數(shù)據(jù)類型屬性。約束有屬性約束、個(gè)數(shù)約束等，它用來描述類的具有個(gè)數(shù)或?qū)傩缘募s束條件，定義形式有owl：allValuesFrom，owl：maxCardinality等。下文利用UML圖對本體模型進(jìn)行描述，需要指出的是，為了簡單起見下文僅對骨干類別和屬性進(jìn)行了描述，在實(shí)際使用中，需要根據(jù)具體的應(yīng)用對模型進(jìn)行擴(kuò)展和細(xì)化。

在文獻(xiàn) ［8］中，對于ECA 策略的建模方法及內(nèi)容進(jìn)行了研究。本文依據(jù)該建模方法，將本體模型分為3個(gè)部分：策略模型、環(huán)境模型、領(lǐng)域模型。策略建模依據(jù)的是PCIM 及PCIMe策略模型，對策略，策略規(guī)則，策略構(gòu)件和策略組等進(jìn)行了描述，定義了策略的基本結(jié)構(gòu)和組成方式，其中不包含任何特定域的知識，從而使得策略知識可以在多個(gè)應(yīng)用場景中得到重用。

策略本體模型如圖6所示。

環(huán)境建模依據(jù)的是實(shí)際應(yīng)用場景中的網(wǎng)絡(luò)元素、概念、事件等，對網(wǎng)絡(luò)環(huán)境中的具體概念，邏輯實(shí)體，被管對象等進(jìn)行了描述，定義了網(wǎng)絡(luò)的上下文信息，是整個(gè)本體知識庫的基礎(chǔ)部分，其中的概念，可以被其他模型作為組件調(diào)用。

環(huán)境本體模如圖7所示。

圖6 策略本體模型

圖7 環(huán)境本體模型

其中領(lǐng)域建模依據(jù)是QoS區(qū)分服務(wù)的領(lǐng)域知識以及QPIM 模型，根據(jù)QoS應(yīng)用場景中的具體知識，刻畫了在QoS區(qū)分服務(wù)領(lǐng)域內(nèi)的知識［9］，如QoS 的需求，行為，事件等，領(lǐng)域模型可以看作是前2 個(gè)模型的繼承與擴(kuò)充。

領(lǐng)域本體模型如圖8所示。

圖8 領(lǐng)域本體模型

在實(shí)際的使用中，需要將以上3個(gè)模型相互融合和鏈接，形成一個(gè)統(tǒng)一的本體知識庫，從而在具體的環(huán)境中得到使用。

6 實(shí)驗(yàn)驗(yàn)證

對于上述策略精化機(jī)制，利用JAVA 在eclipse中進(jìn)行了軟件實(shí)現(xiàn)，利用protegeAPI基本實(shí)現(xiàn)了設(shè)計(jì)的功能，并編寫了相應(yīng)的測試環(huán)境，測試了該精化方法的執(zhí)行效率。在實(shí)驗(yàn)中，以實(shí)時(shí)語音業(yè)務(wù)的QoS 策略為例，對簽訂的SLS高層策略進(jìn)行了策略精化［10］。

在實(shí)驗(yàn)中，為了簡單起見，僅對SLS中的吞吐量，丟包率，時(shí)延等指標(biāo)進(jìn)行了體現(xiàn)。以下是一個(gè)高層SLS策略的例子：

PolicyName：HighLevel＿SLS ServiceObjectAttribute：SourceIP：1.1.1.1 DestinIP：2.2.2.2 SourcePort：21 DestinPort：22 Protocol：UDP ValidTime：12：00＜currentTime＜23：00 Application：VoIP ServiceIndex：Throughput：＞＝4000000bps Delay：＜＝0.1s Lost：＜＝0.1%

通過改變SLS中的指標(biāo)要求，生成多條高層策略，并將這些策略導(dǎo)入如下策略精化測試環(huán)境中。策略精化的測試環(huán)境為Intel Core Q8400 2.66Ghz，3G 內(nèi)存計(jì)算機(jī)，并利用路由器搭建簡易網(wǎng)絡(luò)，對底層策略的正確性和可執(zhí)行性進(jìn)行了驗(yàn)證。

軟件測試環(huán)境如圖9所示。

圖9 軟件測試環(huán)境

由高層SLS策略生成的底層可執(zhí)行策略首先存儲在本體知識庫中，作為本體知識的一部分，可以利用protégé等工具進(jìn)行查看，修改和調(diào)用，并能夠以PonderTalk 等策略描述語言的形式輸出。策略精化過程結(jié)束后，可以通過查看本體中ServiceObject類的屬性，確定對于服務(wù)對象的資源分配是否滿足要求，從而確定策略求精的結(jié)果是否正確，同時(shí)，將生成的策略應(yīng)用與搭建的簡單網(wǎng)絡(luò)中，證明了策略精化結(jié)果的正確性，說明了本文研究的精化方法滿足了策略精化過程，對于“保證策略精化正確性可檢驗(yàn)”的要求。

策略精化效率如圖10、圖11所示。

通過實(shí)驗(yàn)，可以證明本文設(shè)計(jì)的策略精化算法，首先，可以通過本體知識推理得到正確的底層策略；其次，策略精化過程的效率能夠滿足大多數(shù)應(yīng)用的需求；最后，生成的底層策略可以以多種形式輸出，具有較好的靈活性。

7 結(jié)束語

圖10 策略精化總體用時(shí)

圖11 策略精化平均用時(shí)

本文研究的策略精化方法，在對策略和網(wǎng)絡(luò)知識進(jìn)行統(tǒng)一定義的基礎(chǔ)上，利用知識推理機(jī)制，使得策略精化過程實(shí)現(xiàn)了自動化，基本滿足了策略精化的實(shí)際需求。

在利用規(guī)則進(jìn)行知識推理的過程中，需要對全體規(guī)則庫中的規(guī)則進(jìn)行一一匹配，這樣的機(jī)制導(dǎo)致了不必要的計(jì)算開銷，下一步的研究過程中，可以對規(guī)則推理過程進(jìn)行一定的篩選，減少系統(tǒng)的算法復(fù)雜度。同時(shí)，為了使策略系統(tǒng)能夠在較廣泛的應(yīng)用領(lǐng)域中得到應(yīng)用，一個(gè)完備的本體知識庫是必不可少的，因此，本體知識庫還需要進(jìn)一步的補(bǔ)充和完善。

［1］Rubio－Loyola J，Serrat J，Charalambides M，et al.A functional solution for goal－oriented policy refinement ［C］／／Seventh IEEE International Workshop on Policies for Distributed Systems and Networks.IEEE，2006：133－144.

［2］Guerrero A，Villagra VA，de Vergara JEL，et al.Ontologybased policy refinement using SWRL rules for management information definitions in OWL ［G］.LNCS 4269：Large Scale Management of Distributed Systems.Berlin：Springer Berlin Heidelberg，2006：227－232.

［3］Basile C，Lioy A，Scozzi S，et al.Ontology－based security policy translation ［J］.Journal of Information Assurance and Security，2010，5：437－445.

［4］Basile C，Lioy A，Scozzi S，et al.Ontology－based policy translation［C］／／Computational Intelligence in Security for Information Systems.Springer Berlin Heidelberg，2009：117－126.

［5］Mardukhi F，Nematbakhsh N，Zamanifar K.An adaptive service choreography approach based on ontology－driven policy refinement ［J］.International Journal of Web ＆ Semantic Technology，2011，2 （2）：59－76.

［6］Hu H，Ahn GJ，Kulkarni K.Ontology－based policy anomaly management for autonomic computing ［C］／／7th International Conference on Collaborative Computing：Networking，Applications and Worksharing （CollaborateCom），2011：487－494.

［7］Rubio－Loyola J，Serrat J，Charalambides M，et al.A methodological approach toward the refinement problem in policybased management systems ［J］.Communications Magazine，2006，44 （10）：60－68.

［8］Romeikat R，Bauer B，Sanneck H.Modeling of domain－specific ECA policies［C］／／23rd International Conference on Software Engineering and Knowledge Engineering，2011：52－58.

［9］Bandara AK，Lupu EC，Russo A，et al.Policy refinement for IP differentiated services quality of service management ［J］.IEEE Transactions on Network and Service Management，2006，3 （2）：2－13.

［10］Djarallah NB，Pouyllau H.Algorithms for SLA composition to provide inter－domain services ［C］／／IFIP／IEEE International Symposium on Integrated Network Management，2009：460－467.