大數(shù)據(jù)環(huán)境下異常節(jié)點數(shù)據(jù)定位方法設(shè)計研究

蘭小海

摘? 要：計算機和互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，使得大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境發(fā)生了很大的變化，網(wǎng)絡(luò)數(shù)據(jù)的傳播速度和數(shù)量也隨之變快和增大，而這中間所產(chǎn)生的節(jié)點異?，F(xiàn)象也會變得多樣化，把握不好，會對網(wǎng)絡(luò)環(huán)境產(chǎn)生很大的威脅。大數(shù)據(jù)環(huán)境下，傳統(tǒng)的異常節(jié)點數(shù)據(jù)定位方法受到技術(shù)和方法的限制，定位的精度較低，很難適應(yīng)現(xiàn)代化大數(shù)據(jù)網(wǎng)絡(luò)的發(fā)展。因此，如何運用現(xiàn)代化的方法對異常節(jié)點進行定位對于凈化網(wǎng)絡(luò)空間，確保網(wǎng)絡(luò)安全具有重要的意義。文章首先分析了大數(shù)據(jù)環(huán)境下異常節(jié)點數(shù)據(jù)定位的原理并通過大數(shù)據(jù)環(huán)境中節(jié)點數(shù)據(jù)傳輸?shù)奶卣鬟M行進一步探討。其次，重點論述處于大數(shù)據(jù)環(huán)境中異常節(jié)點數(shù)據(jù)的定位方法，以及定位方法設(shè)計后如何通過仿真證明，判斷數(shù)據(jù)節(jié)點定位分析方法的有效性，從而作為異常節(jié)點數(shù)據(jù)定位方法應(yīng)用的理論參照。

關(guān)鍵詞：大數(shù)據(jù)環(huán)境;異常節(jié)點數(shù)據(jù);定位方法

中圖分類號：TP309? ? ?文獻標識碼：A

Abstract：Firstly，the paper analyzes the principle of abnormal node data locating and probes into the characteristics of node data transmission in big data environment.Secondly，the paper focuses on the locating method of abnormal node data in big data environment and how to judge the validity of the data node locating analysis method through simulation after the design of the locating method，which can be used as a theoretical reference for the application of abnormal node data locating method.

Keywords：big data environment;abnormal node data;locating method

1? ?引言（Introduction）

大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下，異常節(jié)點數(shù)據(jù)定位對于保障網(wǎng)絡(luò)空間的安全性和穩(wěn)定性十分重要，對于異常節(jié)點數(shù)據(jù)的定位方法選擇得到了人們的廣泛重視，目前也出現(xiàn)了很多不同的研究成果。無論最終使用哪種方法，都需要首先對異常節(jié)點數(shù)據(jù)的發(fā)生情況進行判斷。這樣才能在此基礎(chǔ)上展開更為精準的定位，并確定環(huán)境因素在其中發(fā)揮的影響[1]。異常節(jié)點數(shù)據(jù)定位方法使用還需要考慮網(wǎng)絡(luò)環(huán)境中潛藏的其他干擾因素，包括是否受網(wǎng)絡(luò)信號強度影響，導致數(shù)據(jù)節(jié)點出現(xiàn)錯誤，以及在數(shù)據(jù)節(jié)點分析過程中，各類功能隱患之間的相互干擾。

2? 大數(shù)據(jù)環(huán)境下異常節(jié)點數(shù)據(jù)定位原理（Principle of abnormal node data locating in big data environment）

處于大數(shù)據(jù)環(huán)境下，網(wǎng)絡(luò)節(jié)點異常問題反射通常是在定位過程中，需要在網(wǎng)絡(luò)環(huán)境中對于節(jié)點，所在位置和各種穩(wěn)定情況進行判斷。如果想要確定某一區(qū)域，更需要對不同節(jié)點的距離進行確定，生成最終的節(jié)點集合后，才能在此基礎(chǔ)上判斷所需要定位的區(qū)域。而網(wǎng)絡(luò)環(huán)境中需要傳輸下載的數(shù)據(jù)信息量眾多，一旦在節(jié)點數(shù)據(jù)定位過程中任何一個區(qū)域內(nèi)產(chǎn)生異常，都會造成最終的定位失敗，導致并不能定位節(jié)點所在的真實位置[2]。網(wǎng)絡(luò)環(huán)境中異常節(jié)點數(shù)據(jù)所在區(qū)域的定位需要根據(jù)節(jié)點所反饋的數(shù)據(jù)，并根據(jù)數(shù)據(jù)結(jié)果計算出最終的距離，通過一系列目標函數(shù)對節(jié)點之間間隔距離進行判斷，通常情況下，大數(shù)據(jù)環(huán)境中網(wǎng)絡(luò)節(jié)點之間的間隔，以及所在位置具有一定順序[3]。但經(jīng)過目標函數(shù)分析處理后，會表現(xiàn)出異常節(jié)點的位置，距離與其他景點出現(xiàn)明顯變化，通過這種情況來對最終的異常節(jié)點數(shù)據(jù)位置進行定位。網(wǎng)絡(luò)環(huán)境中異常節(jié)點的定位，還需要對與周邊相鄰節(jié)點之間的間隔距離，以及訓時間進行排序，從而確定不同節(jié)點在大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境中的排序，這樣，其中出現(xiàn)異常的節(jié)點，在經(jīng)過數(shù)據(jù)排序后也能夠直接表現(xiàn)出自身所在區(qū)域，并通過數(shù)據(jù)之間的反饋生成一半徑為代表的近距離度量，從而進入到最終的計算區(qū)中[4]。

由于大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境中的節(jié)點數(shù)量眾多，因此帶隊赴聚集點進行監(jiān)測時，不僅要定位單一節(jié)點的距離和所在位置，還需要針對節(jié)點排列后的整體密度進行計算[5]。判斷網(wǎng)絡(luò)節(jié)點的數(shù)據(jù)密度樣本是否能夠達到平均樣本密度，并根據(jù)密度對比分析判斷出異常節(jié)點數(shù)據(jù)的所在區(qū)域，這一系列分析判斷程序是在網(wǎng)絡(luò)環(huán)境中的操作系統(tǒng)內(nèi)進行。對于異常節(jié)點的定位，還需要根據(jù)類似節(jié)點數(shù)據(jù)所表現(xiàn)出的相近關(guān)系。判斷節(jié)點所在位置與最終區(qū)域函數(shù)平衡點之間的結(jié)合，通過強化節(jié)點具體過程中同一類型之間的距離計算[6]。在計算過程中分析出異常所在，并根據(jù)網(wǎng)絡(luò)節(jié)點與不同類型節(jié)點之間的間隔距離情況判斷出是否歸屬于同一類型，但這一分析定位期間，如果節(jié)點數(shù)據(jù)產(chǎn)生異常，將會出現(xiàn)歸類錯誤的問題，因此，在對距離和密度進行判斷時同樣需要分類總結(jié)。

3? 大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下異常節(jié)點數(shù)據(jù)的定位方法（Locating method for abnormal node data in big data network environment）

（1）大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下異常節(jié)點數(shù)據(jù)判斷

大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下對于異常數(shù)據(jù)節(jié)點的定位，首先需要對節(jié)點數(shù)據(jù)做出判斷，包括節(jié)點數(shù)據(jù)的類型、所在位置，以及數(shù)據(jù)在傳輸過程中表現(xiàn)出的異常情況，大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下數(shù)據(jù)信息更新是自動進行的，并且會間隔一定時間對數(shù)據(jù)節(jié)點進行檢驗。大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境中，對于異常數(shù)據(jù)節(jié)點的判斷，是接下來數(shù)據(jù)位置定位的前提基礎(chǔ)，可以通過網(wǎng)絡(luò)環(huán)境中的通訊功能定期反饋節(jié)點信息，從而判斷節(jié)點是否存在異常，還需要對節(jié)點的屬性，以及所涵蓋的各項信息內(nèi)容進行深層次判斷，了解節(jié)點與周邊信息數(shù)據(jù)之間的整合情況，并判斷所分析的數(shù)據(jù)結(jié)果中是否存在誤差。對于大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下的異常節(jié)點數(shù)據(jù)判斷，綜合調(diào)整網(wǎng)絡(luò)環(huán)境中的感知和控制能力，并在節(jié)點位置分析，判斷過程中可以要其中的某個節(jié)點進行刪除處理。這樣才能判斷與周邊其他節(jié)點之間是否會存在關(guān)聯(lián)性影響，如果將其中的某個節(jié)點刪除后，整體數(shù)據(jù)仍然會表現(xiàn)出異常。處于大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下，對于數(shù)據(jù)節(jié)點異常情況的判斷，還需要首先確定節(jié)點是否存在異常，因此對于節(jié)點的各類屬性進行分析。如果節(jié)點中存在異常，并且會影響到接下來各項數(shù)據(jù)分析任務(wù)的開展，則需要對其進行定位，從而解決數(shù)據(jù)節(jié)點中的異常情況，確保大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境中數(shù)據(jù)信息傳輸任務(wù)能夠正常開展。在各項相關(guān)性描述過程中，可以基于大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下對不同節(jié)點的屬性進行相似程度分析，判斷在相當程度上是否能夠達成一致，從而對節(jié)點歸類。經(jīng)過歸類判斷分析后，可以進入接下來的大數(shù)據(jù)，定位分析環(huán)節(jié)中對網(wǎng)絡(luò)環(huán)境中潛藏的風險隱患，充分了解判斷異常節(jié)點數(shù)據(jù)的具體數(shù)量和類型，為接下來的定位做出準備。對于大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)異常問題的分析，通過節(jié)點數(shù)據(jù)之間的問題整合，從而對潛逃風險隱患進行全面判斷，了解接下來的定位數(shù)據(jù)是否能夠為網(wǎng)絡(luò)傳輸信號增強起到積極的促進作用。計算大數(shù)據(jù)分析下基站異常節(jié)點與傳感器錨節(jié)點之間的最小跳數(shù)和基站異常節(jié)點與傳感器錨節(jié)點之間的距離;利用三邊測量法或者極大似然估計法計算基站異常節(jié)點位置坐標;在DV-Hop定位方法的第二階段針對基站異常節(jié)點平均跳距和跳數(shù)信息進行修正;第三階段采用加權(quán)處理的平均跳距估值法對基站異常節(jié)點的坐標位置計算方法進行修正。

（2）大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下異常節(jié)點數(shù)據(jù)的定位

加強大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下的異常節(jié)點定位分析，首先需要對所判斷的節(jié)點類型進行歸總，包括屬性和其他方面特征信息之間的整合，通過整合后判斷是否能夠?qū)酉聛淼亩ㄎ挥欣?。通過目標函數(shù)分析，對其中的定位數(shù)據(jù)進行判斷。處于大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下異常節(jié)點，數(shù)據(jù)定位同樣潛藏著干擾，還需要對干擾問題進一步解決，并找到相對應(yīng)的匹配特征，信息確定異常節(jié)點數(shù)據(jù)所在區(qū)域通過判斷后進入到波形分析流程中，并根據(jù)波形所表現(xiàn)出的梯度確定大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)節(jié)點異常的具體區(qū)域。網(wǎng)絡(luò)節(jié)點發(fā)生異常區(qū)域后，數(shù)據(jù)信息傳輸?shù)念l率將會出現(xiàn)明顯變化，并且在對波形和傳輸速度進行分析時，也會遇到干擾。確定大數(shù)據(jù)分析范圍，對分析過程中潛藏的匹配程度，合理性預(yù)估判斷，從而避免在異常節(jié)點定位中消耗大量資源。為提升大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境中異常節(jié)點的定位效率，可以采用排除方法，首先排除節(jié)點不存在異常的區(qū)域，重點針對屬性分析異常的部分進行定位，并判斷節(jié)點的最終位置，可以結(jié)合濾波器來進行函數(shù)，傳輸過程中的響應(yīng)程度判斷。大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下節(jié)點異常問題一旦長一生，將會在區(qū)域內(nèi)體現(xiàn)出節(jié)點之間的間隔距離異常和信息數(shù)據(jù)傳輸異常。在對異常節(jié)點數(shù)據(jù)進行定位時，還需要根據(jù)所表現(xiàn)出的信號變化來確定具體的方位參數(shù)。為提升最終節(jié)點的定位效率，可以通過投影理論匹配結(jié)合的方法，對接下來的各項體征進行優(yōu)化，并滿足目標分析函數(shù)，通過目標分析后，經(jīng)過函數(shù)計算確定最終的Y區(qū)間。確定區(qū)間值后并根據(jù)接下來的計算分析流程。大數(shù)據(jù)環(huán)境中的異常節(jié)點定位分析后，能夠生成最終的區(qū)間，在區(qū)間范圍內(nèi)對不同節(jié)點進行排查，判斷最終的異常數(shù)據(jù)節(jié)點位置。完成最終的定位工作，可見在定位過程中。對于區(qū)域判斷和排除十分重要，也關(guān)系到最終的功能實現(xiàn)情況。對網(wǎng)絡(luò)進行虛擬分層，同時測量網(wǎng)絡(luò)中各個節(jié)點之間的方位角和俯仰角信息以實現(xiàn)基站異常節(jié)點信息定位。已有文獻研究了一種基于相關(guān)分析的定位方法，該方法實現(xiàn)基站異常節(jié)點定位分為兩個階段，一是在樣本訓練階段采用平衡參數(shù)將節(jié)點信息的相關(guān)性信息與相似性信息進行融合，計算節(jié)點接收信號強度在低維坐標表示的投影變換;二是在定位階段，對已知傳感器錨節(jié)點位置坐標與節(jié)點接收信號強度內(nèi)在低維坐標之間存在的線性轉(zhuǎn)換關(guān)系分別進行求解，從而實現(xiàn)基站異常節(jié)點信息的定位。這兩種定位方法忽略了跳數(shù)越多、平均跳距越遠獲得的已知傳感器錨節(jié)點與基站異常節(jié)點之間的估計距離誤差越大的問題，導致最終得到的基站異常節(jié)點信息定位精度較低，平均定位誤差值奇異性較大。本文提出一種基于誤差修正的定位方法，在初步獲得基站異常節(jié)點信息定位坐標位置后，針對跳數(shù)信息和平均跳距估計值對定位精度產(chǎn)生的影響分別進行了誤差修正。

4? ?大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下異常節(jié)點數(shù)據(jù)定位的仿真證明

仿真證明對于保障大數(shù)據(jù)環(huán)境下異常節(jié)點數(shù)據(jù)定位方法的有效性有著重要意義。在仿真證明過程中，首先需要對大數(shù)據(jù)網(wǎng)絡(luò)節(jié)點中的異常數(shù)據(jù)進行。騰訊成本縮減控制。大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下異常節(jié)點數(shù)據(jù)傳輸，會導致通訊成本增大，并影響到最終的通訊效率。尤其是處于網(wǎng)絡(luò)環(huán)境中，各類異常信息之間的整合能力，更應(yīng)該強化大數(shù)據(jù)網(wǎng)絡(luò)下對數(shù)據(jù)功能穩(wěn)定性提升的綜合效率。根據(jù)最終的通信成本縮減效率對比來分析異常節(jié)點數(shù)據(jù)定位是否真實有效，對于異常數(shù)據(jù)節(jié)點的定位，還可以通過仿真證明來驗證。通過對異常節(jié)點數(shù)據(jù)的模擬，從而檢驗所應(yīng)用的異常節(jié)點數(shù)據(jù)定位方法是否真實有效，并充分結(jié)合大數(shù)據(jù)和網(wǎng)絡(luò)環(huán)境中各類異常節(jié)點之間的整合能力。強化最終的仿真證明效率，仿真證明過程中還需要驗證異常節(jié)點數(shù)據(jù)，對最終大數(shù)據(jù)網(wǎng)絡(luò)傳輸環(huán)境下的信息共享能力。大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境中異常數(shù)據(jù)節(jié)點，對信息傳輸功能影響十分明顯，因此在仿真證明過程中，也可以通過這種反正方法來判斷對節(jié)點數(shù)據(jù)的定位是否準確。異常節(jié)點數(shù)據(jù)定位期間，判斷最終大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境中的信息傳輸共享的功能是否恢復(fù)正常。如果在數(shù)據(jù)信息傳輸期間仍然存在影響因素，并不能達到預(yù)期的精準度，證明在數(shù)據(jù)節(jié)點定位分析中仍然存在錯誤，并沒有達到最佳的定位效果。如果經(jīng)過定位后，最終的各項功能得以恢復(fù)，則表示在數(shù)據(jù)節(jié)點傳輸期間，最終的功能穩(wěn)定性可以達到理想效果。將仿真證明過程中，網(wǎng)絡(luò)通訊成本縮減率的對比情況整理，如圖1所示。

根據(jù)土地中的對比分析，可以判斷兩種不同異常節(jié)點數(shù)據(jù)定位方法，在最終的成本縮減率方面有明顯差異。大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下有關(guān)于異常節(jié)點定位分析的仿真證明，還需要對不同定位方法之間的信噪比定位概率進一步分析。也就是經(jīng)過異常節(jié)點數(shù)據(jù)定位后，是否能夠達到預(yù)期的定位效果，對于數(shù)據(jù)傳輸過程中所存在的信噪比干擾問題是否能夠充分解決。將大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下不同異常解讀那定位的信噪比定位概率進行對比分析，詳細見圖2所示。

如果經(jīng)過分析處理后，在其中仍然存在異常，則表示接下來的各項節(jié)點數(shù)據(jù)定位需要重新調(diào)整，并沒有達到預(yù)期的定位效果。但如果經(jīng)過仿真證明后判斷最終姓趙比得到下降，并且能夠達到標準的范圍內(nèi)，則表示大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下異常節(jié)點數(shù)據(jù)傳輸定位真實可靠，能夠符合實際情況，并且在接下來的數(shù)據(jù)信息傳輸中也能夠達到強化效果。大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境中，異常節(jié)點數(shù)據(jù)定位分析需要根據(jù)網(wǎng)絡(luò)傳輸?shù)奶卣鱽磉M行，不僅要考慮定位是否能夠達到預(yù)期目標，還需要充分考慮大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境中的信息數(shù)據(jù)整合能力。并通過不同定位技術(shù)之間的相互優(yōu)化結(jié)合，提升最終定位結(jié)果精準度。在預(yù)期定位目標的選擇過程中，充分判斷現(xiàn)場存在的異常，在最終驗證環(huán)節(jié)，也可以直接針對潛藏的風險隱患部分來進行，這樣可以提升最終的仿真證明效率。

有關(guān)于異常數(shù)據(jù)節(jié)點的分析，還需要判斷在大數(shù)據(jù)環(huán)境中是否會受到其他信息傳輸因素的干擾，在最終的仿真證明階段，也需要通過這種技術(shù)性手段來進一步深層次強化。經(jīng)過仿真證明實驗后，最終對比的不同信噪比均能夠得到下降，則表示定位概率能夠達到預(yù)期使用需求，尤其是在波形的異常變化分析過程中還應(yīng)該充分考慮。

5? ?結(jié)論（Conclusion）

大數(shù)據(jù)環(huán)境下對異常數(shù)據(jù)的進行定位研究，有效保障大數(shù)據(jù)環(huán)境的穩(wěn)定運行，我們需要掌握好科學的定位方法，需要對節(jié)點數(shù)據(jù)做出判斷，包括節(jié)點數(shù)據(jù)的類型、所在位置，以及數(shù)據(jù)在傳輸過程中表現(xiàn)出的異常情況，還需要加強大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下的異常節(jié)點定位分析。針對采用當前方法進行異常節(jié)點定位時，難以去除多個已知干擾頻率成分的節(jié)點異常數(shù)據(jù)，存在定位誤差率較大的問題。為此，提出一種基于自適應(yīng)級聯(lián)陷波的大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下異常節(jié)點數(shù)據(jù)定位方法。仿真證明，所提方法能夠有效提升異常節(jié)點數(shù)據(jù)定位精度，且具有較好的抗干擾性能。

參考文獻（References）

[1] 文巍，王晶，李春研，等.基于大數(shù)據(jù)背景下的城市更新節(jié)點設(shè)計方法研究[J].河南建材，2017（1）：22-23.

[2] 彭沖，胡重輝，陳希暉.大數(shù)據(jù)環(huán)境下的數(shù)據(jù)式績效審計模式研究——以x市智慧停車規(guī)劃與管理項目績效審計為例[J].審計研究，2018（2）：24-31.

[3] 劉攀，王倩.大數(shù)據(jù)背景下的高職院?！禛NSS定位測量》的教學設(shè)計研究[J].中國包裝，2018（3）：18-20.

[4] 曾光輝，唐國強.大數(shù)據(jù)環(huán)境下并行數(shù)據(jù)傳輸完整度控制方法[J].計算機測量與控制，2018，26（6）：184-187;196.

[5] 楊娜.大數(shù)據(jù)分析下信息異常傳輸路徑實時校正仿真[J].計算機仿真，2018，35（5）：195-198.

[6] 王斌，韓健，岳鵬，等.大數(shù)據(jù)環(huán)境下全國地質(zhì)鉆孔信息服務(wù)系統(tǒng)建設(shè)框架[J].中國礦業(yè)，2018，27（5）：38-43.