物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測仿真

王玉峰，高雅娟

(中國礦業(yè)大學(xué)銀川學(xué)院，寧夏 銀川 750021)

1 引言

新一代信息技術(shù)中物聯(lián)網(wǎng)作為重要的構(gòu)成部分，為采集客觀世界中存在的測量數(shù)據(jù)，將終端感知網(wǎng)絡(luò)作為觸角，并將激光掃描器、視頻攝像頭、全球定位系統(tǒng)和射頻識別裝置等具有感知功能的信息網(wǎng)絡(luò)在互聯(lián)網(wǎng)平臺中整合，實現(xiàn)物理系統(tǒng)與人類社會之間的互通互聯(lián)[1]。傳感器網(wǎng)絡(luò)在物聯(lián)網(wǎng)中不是孤立的，由于物聯(lián)網(wǎng)的互聯(lián)特征和廣域特征，決定了其必須利用公共網(wǎng)絡(luò)與企業(yè)網(wǎng)絡(luò)和各政府網(wǎng)絡(luò)連接傳感器信息，因此物聯(lián)網(wǎng)終端安全是不容忽視的[2]。為保障傳統(tǒng)網(wǎng)絡(luò)與物聯(lián)網(wǎng)之間數(shù)據(jù)的安全交換，需要對物聯(lián)網(wǎng)終端安全接入網(wǎng)關(guān)狀態(tài)進行預(yù)測[3-4]。

文獻[5]提出基于布谷鳥搜索的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)預(yù)測方法，該方法根據(jù)輸出態(tài)勢值和態(tài)勢輸入指標數(shù)計算BP神經(jīng)網(wǎng)絡(luò)中存在的輸入輸出節(jié)點數(shù)，通過試湊法和經(jīng)驗公式對隱含層中存在的節(jié)點數(shù)進行計算，初始化處理各層的閾值和連接權(quán)值，閾值和權(quán)值通過浮點數(shù)編碼方式編碼成布谷鳥，通過布谷鳥搜索算法實現(xiàn)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的預(yù)測，該方法得到的預(yù)測結(jié)果與實際狀態(tài)不符，存在預(yù)測準確率低的問題。文獻[6]提出基于聚類分析的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法。該方法高效聚類融合多源異構(gòu)非確定性信息源，獲得安全態(tài)勢，通過Dirichlet先驗分布平滑處理后驗概率，獲得聚類分析結(jié)果，在聚類分析結(jié)果的基礎(chǔ)上逐步量化評估網(wǎng)關(guān)狀態(tài)，實現(xiàn)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的預(yù)測，該方法預(yù)測所用的時間較長，存在預(yù)測效率低的問題。文獻[7]提出基于RBF神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法。該方法利用RBF神經(jīng)網(wǎng)絡(luò)結(jié)合安全態(tài)勢值時間序列的特點獲得安全態(tài)勢值的非線性映射關(guān)系，通過混合遞階遺傳算法對網(wǎng)絡(luò)的參數(shù)和拓撲結(jié)構(gòu)進行尋優(yōu)，在遺傳算法中引入模擬退火算法實現(xiàn)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的預(yù)測，該方法獲取安全態(tài)勢值對應(yīng)的非線性映射關(guān)系所用的時間較長，存在預(yù)測效率低的問題。

為解決上述問題，提出物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法。部署網(wǎng)關(guān)路由節(jié)點，構(gòu)建物聯(lián)網(wǎng)信道傳輸模型，求解信道容量分析模型。構(gòu)建多周期預(yù)測模型，以此實現(xiàn)物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的預(yù)測。實驗結(jié)果驗證了所提方法的應(yīng)用有效性。

2 網(wǎng)絡(luò)信道傳輸模型與信道容量分析模型

1)網(wǎng)絡(luò)信道傳輸模型構(gòu)建

圖1 網(wǎng)絡(luò)信道傳輸模型

為了預(yù)測物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)絡(luò)狀態(tài)，需構(gòu)建網(wǎng)絡(luò)信道模型，分析路由節(jié)點部署[8]。物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法通過分布式路由節(jié)點部署方法構(gòu)建信道模型，在干擾濾波抑制方法的基礎(chǔ)上進行信號濾波處理和路由探測，通過最短路徑路由設(shè)計方法實現(xiàn)路由節(jié)點在網(wǎng)絡(luò)中的部署，當傳感數(shù)據(jù)在物聯(lián)網(wǎng)終端的特征符合cjTc

為減少路由在物聯(lián)網(wǎng)中的覆蓋盲點，物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法通過鏈路均衡控制方法跟蹤并識別信息，在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上實現(xiàn)信息的分類，獲得簇首節(jié)點在物聯(lián)網(wǎng)中的最佳均衡配置，即物聯(lián)網(wǎng)信道傳輸模型

(1)

式中，γth表示卷積因子；σ表示標準差；hi表示鏈路增益值；n描述的鏈路數(shù)量；k表示節(jié)點數(shù)量；G表示增益。

2)信道容量分析模型

設(shè)在單沖突域內(nèi)存在N個節(jié)點，任何等待隊列不為空的節(jié)點在物聯(lián)網(wǎng)中競爭相同信道的概率為ξ，因此兩次信道傳輸成功之間的時間間隔最小即為取得最大值的充分條件。

根據(jù)IEEE802.11的競爭機制分析可知，在一個范圍內(nèi)隨著節(jié)點嘗試發(fā)送概率?的增加，節(jié)點成功發(fā)送數(shù)據(jù)的概率Psuc不斷增加，但當節(jié)點成功發(fā)送數(shù)據(jù)概率Psuc達到峰值后，不再隨著?的增加而增加，開始出現(xiàn)下降趨勢。

信道容量分析模型通過聯(lián)合控制節(jié)點嘗試發(fā)送數(shù)據(jù)的概率?和數(shù)據(jù)包到達率λ，在滿足延時約束的基礎(chǔ)上獲得最大信道容量。設(shè)Tmax表示端到端延遲約束值，則信道容量分析模型的表達式如下

(2)

式中，Di(λ，?)表示數(shù)據(jù)時延約束，為第一個約束；?min表示節(jié)點嘗試發(fā)送數(shù)據(jù)的最小概率?；第二個約束為數(shù)據(jù)發(fā)送時間間隔在物聯(lián)網(wǎng)中對發(fā)送概率范圍的約束。

物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法通過拉格朗日乘子法和對偶分解法求解信道容量分析模型，拉氏函數(shù)的表達式如下

L(π，θ，λ，?)=capch(?)-

πd[Di(λ，?)-Tmax]-θ(?-?min)

(3)

式中，πd表示節(jié)點延遲因子；θd表示節(jié)點的競爭因子，以上兩個因子均為對偶變量，即拉格朗日乘子。

在上式的基礎(chǔ)上可獲得對偶函數(shù)R(π，0)

R(π，0)=maxL(π，θ，λ，?)=

max{capch(?)-πd[Di(λ，?)-Tmax]-θd(?-?min)}

(4)

在對偶函數(shù)R(π，0)的基礎(chǔ)上獲得信道容量分析的對偶問題

(5)

物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法通過下述迭代算法求解上述問題，賦值對偶變量πd、θd以及原變量λ、?，采用梯度法更新對偶變量值，根據(jù)更新后的對偶變量更新原變量值，當變量收斂時停止迭代[9]。

設(shè)t表示迭代次數(shù)，通過下述公式更新對偶變量

πd(t+1)=πd(t)-(Tmax-Di(λ，?))

(6)

θd(t+1)=θd(t)-ξt(?min-?)

(7)

利用對偶變量調(diào)整原變量：

1)對偶變量πd、θd以及原變量λ、?進行賦值，πd≥0，θd≥0。

2)若?沒有收斂，聯(lián)合競爭因子θd和時延因子πd對節(jié)點訪問信道概率進行調(diào)整，通過下式計算?

(8)

更新對偶變量競爭因子θd和時延因子πd值；若?收斂，進行步驟4)。

3)若原變量λ沒有收斂，通過時延因子πd調(diào)整數(shù)據(jù)包到達率，利用下式計算原變量λ：

(9)

根據(jù)計算結(jié)果更新對偶變量πd；如果原變量λ收斂，進行下一步，否則回到步驟2)中。

4)當λ收斂時，結(jié)束迭代；相反轉(zhuǎn)到步驟3)中。

5)當?收斂時，結(jié)束迭代；相反轉(zhuǎn)到步驟2)中。

3 數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測

在特定時間點特定傳感器感知到的狀態(tài)概率函數(shù)為p(si，ti，ck)∈[0，1]，是由三個參數(shù)構(gòu)成的，其中ck∈C={O，F(xiàn)}，C表示傳感器可能狀態(tài)集合，即空閑和占用；tj∈T，T表示時間序列集合；si∈S={s1，s2，s3，…，sn}，S表示所有傳感器集合。在時間序列T上預(yù)測需要建立模型預(yù)測函數(shù)p的值。

設(shè)[t0，tc]表示時間窗口；tp表示預(yù)測概率對應(yīng)的時間點；p(si，tp，ck)表示在時間窗口中預(yù)測時間點狀態(tài)與傳感器狀態(tài)所占的比例，其計算公式如下

(10)

對于時間窗口的周期模式，上述聚合預(yù)測模型針對性較低，計算量較小，但得到的預(yù)測結(jié)果與實際不符，不適用于物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的預(yù)測[10]。

周期性重復(fù)事件在日常生活中存在很多，如果經(jīng)過時間段l后，一件事如果出現(xiàn)了重復(fù)現(xiàn)象，則會在其它的不同時間點具有相同偏移。針對上述情況，根據(jù)時間重復(fù)理論可知單周期預(yù)測模型的預(yù)測能力較高。

周期l的整數(shù)倍可以作為時間窗口，設(shè)Tw表示時間窗口對應(yīng)的大小，預(yù)測概率p(si，tp，ck)可通過下式計算得到

(11)

式中，γ(s，t，c)表示傳感器狀態(tài)統(tǒng)計函數(shù)。

時間的周期在實體的實際行為狀態(tài)中會受到多種因素的影響，因此很多時候傳感器感知到的為多周期混合影響下的結(jié)果，在這種情況下上述預(yù)測模型的精準度較低。為了提高預(yù)測精準度，物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法結(jié)合單周期預(yù)測模型和聚合預(yù)測模型提出多周期預(yù)測模型對物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)進行預(yù)測。

設(shè)LStp表示tp時刻存在周期事件，其表達式如下

LStp=(ci，li，λi，φi)

(12)

式中，ci表示傳感器的狀態(tài)；φi表示事件的概率；li表示周期；λi表示周期li對應(yīng)的偏移。

用滿足條件的概率支持度最大的事件在預(yù)測tp時刻狀態(tài)為ci的概率時作為最有決定性作用的時間，傳感器輸出狀態(tài)為ci的概率即為該時間對應(yīng)的概率，構(gòu)建多周期預(yù)測模型：

p(si，tp，ck)=max{φi|(ci，li，λi，φi)∈

LStp∩ci=ck}

(13)

利用多周期預(yù)測模型實現(xiàn)物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的預(yù)測。

4 實驗結(jié)果與分析

為驗證所提物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法的整體有效性，對物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法進行多指標測試。本次測試所用的實驗軟件通過Matlab7設(shè)計。

4.1 不同方法的預(yù)測效率對比分析

分別采用物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法、文獻[5]提出的基于布谷鳥搜索的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)預(yù)測方法和文獻[6]提出的基于聚類分析的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法測試效率指標，實驗結(jié)果中利用不同方法的耗時來體現(xiàn)效率，時間消耗越長，其效率則越低。不同方法預(yù)測耗時測試結(jié)果如圖2所示。

圖2 不同方法的預(yù)測時間對比結(jié)果

分析圖2可知，在多次迭代中物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法對網(wǎng)關(guān)狀態(tài)進行預(yù)測時，所用的時間均低于0.2min；在多次迭代中基于布谷鳥搜索的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)預(yù)測方法對網(wǎng)關(guān)狀態(tài)進行預(yù)測時，預(yù)測所用的時間在第三次迭代中高達0.6min；在多次迭代中基于聚類分析的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法對網(wǎng)關(guān)狀態(tài)進行預(yù)測時，預(yù)測所用的時間在第一次迭代中高達0.7min。對比物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法、基于布谷鳥搜索的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)預(yù)測方法和基于聚類分析的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法的測試結(jié)果可知，采用物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法對網(wǎng)關(guān)狀態(tài)預(yù)測所用的時間最少，效率最高。這是因為物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法構(gòu)建了網(wǎng)絡(luò)信道傳輸模型與信道容量分析模型，通過網(wǎng)絡(luò)信道傳輸模型與信道容量分析模型獲取物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的相關(guān)信息，縮短了預(yù)測所用的時間，提高了物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法的預(yù)測效率。

4.2 不同方法的預(yù)測準確率對比分析

分別采用物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法、文獻[5] 方法以及文獻[6]方法進行測試預(yù)測準確率指標測試，對比測試結(jié)果如圖3所示。

圖3 不同方法的預(yù)測準確率

分析圖3可知，物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法在多次迭代中獲得的預(yù)測準確率均高于基于布谷鳥搜索的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)預(yù)測方法和基于聚類分析的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法在多次迭代中獲得的預(yù)測準確率。這是因為物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法結(jié)合單周期預(yù)測模型和聚合預(yù)測模型構(gòu)建多周期預(yù)測模型，通過多周期預(yù)測模型對物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)進行預(yù)測，提高了物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法的預(yù)測準確率。

4.3 不同方法的網(wǎng)關(guān)數(shù)據(jù)轉(zhuǎn)換效率對比分析

為進一步驗證所提方法的實用性，以網(wǎng)關(guān)數(shù)據(jù)轉(zhuǎn)換效率為指標，對文獻[5]方法、文獻[6]方法以及所提方法進行對比測試，結(jié)果如圖4所示。

圖4 不同方法的網(wǎng)關(guān)數(shù)據(jù)轉(zhuǎn)換率對比

根據(jù)圖4的實驗數(shù)據(jù)可知，文獻[5]方法和文獻[6]方法下隨著物聯(lián)網(wǎng)終端接入時長的增加，網(wǎng)關(guān)數(shù)據(jù)轉(zhuǎn)換效率逐漸增加，但是兩種傳統(tǒng)方法的效率增加幅度較小，相比之下，所提方法的網(wǎng)關(guān)數(shù)據(jù)轉(zhuǎn)換率最高。本次實驗結(jié)果驗證了所提方法能夠大大提高網(wǎng)絡(luò)數(shù)據(jù)的轉(zhuǎn)換率，不僅可以準確預(yù)測物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)，還優(yōu)化了網(wǎng)關(guān)運行效果。

5 結(jié)束語

為改善當前物聯(lián)網(wǎng)終端接入后網(wǎng)關(guān)運行狀態(tài)不穩(wěn)定問題提出新的物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測方法。為有效優(yōu)化預(yù)測效率，采用最短路徑尋優(yōu)法部署網(wǎng)關(guān)路由節(jié)點，構(gòu)建物聯(lián)網(wǎng)信道傳輸模型。利用拉格朗日對偶分解法求解信道容量分析模型，以此提高預(yù)測準確度。最后構(gòu)建多周期預(yù)測模型，實現(xiàn)物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測。

實驗驗證該方法能夠在較短的時間內(nèi)準確的預(yù)測物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)，提高網(wǎng)關(guān)數(shù)據(jù)轉(zhuǎn)換效率，為物聯(lián)網(wǎng)終端的安全運行提供了保障。