物聯(lián)網數據網關傳感器節(jié)點適配度識別仿真

陶雁羽,劉佳祎

(桂林理工大學網絡與信息中心,廣西 桂林 541004)

1 引言

物聯(lián)網[1]由互聯(lián)網技術延伸而來,通過傳感器實現(xiàn)事物與網絡的連接,由此實現(xiàn)智能化設備識別與科技管理。使用無線通信技術將海量傳感器節(jié)點匯集成一個自組織網絡,集成傳感器網絡,傳感網絡負責數據采集與數據的傳輸,是目前信息領域比較先進的技術,使用該傳感網絡提升智能設備信息采集數據[2-4]的能力,通過網絡傳輸設備的物理信息,確保使用設備的人能獲得更加有效真實的信息。網關是一種硬件設備,也稱為協(xié)議轉換器,在網絡傳輸過程中,通過網關[5]才能實現(xiàn)內容的互相連接,整個網絡工作的過程中,網關是最為復雜、最重要的連接設備。在智能設備之中作為轉換設備而存在,也就是說網關在兩種存在差異的系統(tǒng)之間實現(xiàn)數據語言翻譯的角色。網關與網橋之間存在極大差別,網關不能直接實現(xiàn)信息數據的傳輸而是需要重新打包數據,以便適應兩個不同系統(tǒng)之間的需求[6]。網關同時還有信息過濾和安全保障的功能,一般在系統(tǒng)的應用層使用網關,從功能上來看,會把網關分為傳輸網關與應用網關兩種。本文所研究的物聯(lián)網數據網關傳感器是一種傳輸網關,主要用于傳輸數據,實現(xiàn)物聯(lián)網中設備的互聯(lián)[7]。

隨著物聯(lián)網使用越來越普遍,為實現(xiàn)網絡的穩(wěn)定性,有關網關節(jié)點的適配度研究越來越多,物聯(lián)網存在非同質拓撲結構,導致在不同網絡節(jié)點的適配度也存在極大不同,部分關鍵節(jié)點遭受網絡攻擊[8]后直接影響整個傳感網絡的健康狀況。準確識別傳感器節(jié)點的適配度具有極大學術意義。目前已經有眾多學者對傳感器網絡節(jié)點的適配度開展深入研究。有學者從鄰居節(jié)點入手,結算鄰居節(jié)點核數制定核算指標擴展方法,通過指標計算節(jié)點適配度[9];還有學者綜合考慮傳感網絡拓撲結構,綜合節(jié)點中心性,創(chuàng)建具有動態(tài)融合性質的節(jié)點適配性排序法,解決節(jié)點適配度問題[10];這些方法雖然也對節(jié)點適配度做出深入研究,但是未將屬性的相關性考慮進去,沒有實現(xiàn)適配度準確識別。

為此,本文研究物聯(lián)網數據網關傳感器節(jié)點適配度識別方法,并建立多個指標,驗證節(jié)點適配度,并通過仿真,驗證研究方法的應用結果。

2 物聯(lián)網數據網關傳感器節(jié)點適配度識別方法

2.1 節(jié)點適配度識別指標

傳感器網絡建模后的圖型用G=(V,E)表示,傳感器網絡[11]節(jié)點集合與網絡邊集合分別和運用V={v1,v2,v3,…,vn}和E={e1,e2,e3,…,em}代表,|V|=n和|E|=m分別表示網絡中節(jié)點和邊的數目。假設在傳感網絡之中有一條邊連接在節(jié)點vj和節(jié)點vj之間,此時vij為0,節(jié)點本身沒有連接的邊,因此不管哪個節(jié)點i都存在vii為0。節(jié)點適配度識別方法需要從多個角度描述節(jié)點的適配度,識別過程中指標的計算方法也各不相同。本文研究從多個角度確定識別節(jié)點適配度的指標方法:

1)計算度中心指標[12]

通過度中心體現(xiàn)出一級鄰居緊密連接節(jié)點的數量,使用式(1)計算節(jié)點度中心指標DC(i)

(1)

通過度中心指標計算的眾多研究發(fā)現(xiàn),若想提升信息傳播能力與傳播范圍,需要較多鄰居節(jié)點。計算度中心指標能夠直接計算節(jié)點一級鄰居,該指標計算節(jié)點適配度時計算復雜度較低、消耗時間短、過程也更加直觀。

2)計算緊密度中心性指標

通過計算緊密度中心指標獲得節(jié)點之間最短路徑的總和,假如某個和在全部結果中最小,則說明這個路徑能夠在最短的時間內完成信息數據的傳播,同時也表明這個節(jié)點的影響力比較大。使用式(2)計算緊密度中心指標CC(i)

(2)

兩個節(jié)點之間的距離使用dij表示,n-1用來描述歸一化因子。緊密度中心指標是用來評價節(jié)點的適配性,評價依據是整個網絡結構中節(jié)點的位置。經過計算獲得緊密度越高說明節(jié)點距離網絡中心越近,也就證明該節(jié)點具有更高的適配性,如果計算得到的緊密度值越小則節(jié)點距離中心位置越遠,節(jié)點的適配性也就越低。

3)節(jié)點影響力指標計算

計算指標適配性時使用K-shell,在網絡中使用遞歸方法剝離出度數≥k的節(jié)點,由此得到節(jié)點適配性排序指標。計算過程如下:

①研究過程由節(jié)點度數開始,把度數等于1的節(jié)點刪除,該類節(jié)點重現(xiàn)出現(xiàn)后繼續(xù)刪除,待不再出現(xiàn)該類節(jié)點可停止刪除,用全部已經刪除的節(jié)點組成一個1-shell,節(jié)點Ks值為1,作為第一層。

②重復以上步驟刪除度數等于2的節(jié)點,獲得2-shell,第二層的值為2。

③不斷重復以上過程,一直到全部節(jié)點都完成賦值,方可停止步驟重復。

在節(jié)點適配性指標計算過程中,節(jié)點適配性與Ks值呈現(xiàn)正比例關系,通過Ks值大小判定節(jié)點適配性指標。

4)計算網絡適配度貢獻指標

兩個節(jié)點之間距離的倒數是節(jié)點正確的效率eij。假如兩個節(jié)點鄰近,eij值最大,也就是說eij值為1;假如兩個節(jié)點不相鄰,eij在(0,1)范圍中。節(jié)點間相互作用由節(jié)點對的效率表征,針對傳感網絡中的n個節(jié)點,使用式(3)表示網路效率

(3)

節(jié)點之間相互作用的大小不能通過網絡效率完全體現(xiàn)出來,所以需要使用以效率矩陣作為基礎的節(jié)點重要貢獻指標判斷節(jié)點在傳感網絡中的適配性,計算方式見式(4)

(4)

h1表示在傳感網絡中第i個節(jié)點的適配性。

2.2 節(jié)點適配度識別模型

節(jié)點適配度識別就是將節(jié)點眾多適配性識別指標作為方案屬性,使得適配性識別工作成為一個多屬性決策的研究內容。對屬性相關性加以研究,在TOPSIS方法中引入相關系數矩陣,結合屬性偏好信息,對理想節(jié)點和節(jié)點方案之間的貼近度,由此獲得節(jié)點適配性識別結果。本文模型構建時為了防止出現(xiàn)主觀賦權偏差,賦權時使用熵理論。

2.2.1 構建節(jié)點適配度識別模型

設置傳感器網絡存在m個節(jié)點,有n個屬性能夠識別節(jié)點適配性,第i個節(jié)點的第j個屬性使用bij表示。根據以下步驟實現(xiàn)節(jié)點適配度識別模型

第一步:構建節(jié)點多屬性決策矩陣,式(5)為原始決策矩陣

(5)

無量綱化處理式(5),由此得到規(guī)范化的決策矩陣U=(uij)m*n

(6)

第二步:將權重賦予到節(jié)點屬性上。屬性權重通過熵理論獲得

(7)

W=(ω1,ω2,…,ωj)

(8)

ωj表示第j個屬性權重。

第四步:計算兩種理想方案到各方案的加權差X(正)與Y(負)

(9)

第五步:計算屬性相關系數,式(10)為計算得到的協(xié)方差

cov(uφ,uγ)=E(uφ-Euφ)(uγ-Euγ)

(10)

使用式(11)描述相關系數

(11)

屬性φ的屬性值向量表示為uφ;屬性γ的屬性值向量則為uγ。

第六步:計算正理想與負理想方案和以相關系數矩陣作為基礎的各個方案之間的距離

(12)

∑表示U的相關系矩陣。

第七步:方案i與理想方案之間貼近度Ri計算方式

(13)

貼近度值越大,所對應的方案也就越適配。

2.2.2 基于指標的節(jié)點適配度識別過程

從多個特征屬性(空間位置、全局與局部)選擇多個指標作為節(jié)點適配度識別屬性,最終獲得傳感器網絡節(jié)點適配度。各指標均為效益型指標,值越高,節(jié)點適配度越好。節(jié)點適配度識別過程如下:

1)通過仿真計算DC(i)、CC(i)、Ks、H(i)指標,建立原始決策矩陣B,通過式(6)獲得標準化矩陣;

2)計算各指標屬性權重時運用式(7);

3)將正、負理想方案確定下來,根據式(9)獲得理想節(jié)點與節(jié)點評價方案之間的加權差;

4)依據式(10)和式(11)獲得各屬性相關系數,由該系數建立相關系數矩陣;

5)根據式(12)計算得到理想方案和上文關系矩陣的距離;

6)根據式(13)獲得正理想節(jié)點和節(jié)點方案之間的貼近度,貼近度值與適配性之間呈現(xiàn)正比例關系。

3 仿真研究

在Matlab仿真平臺,收集本文所使用的傳感器網絡,針對物聯(lián)網數據網關傳感器開展節(jié)點適配度識別仿真。該傳感器網絡包含管理、匯集、傳感等多個節(jié)點。對網絡中隨機10個節(jié)點的各個屬性值開展計算,計算結果見表1。

表1 傳感網絡中節(jié)點屬性值

從表1中能夠看出,節(jié)點7的度中心值最大,節(jié)點8緊密度中心最大,說明該節(jié)點處于傳感器網絡的關鍵位置,屬于介質傳輸中心,節(jié)點4由于節(jié)點5具有較高的網絡適配度貢獻和最高緊密特性,說明這兩個節(jié)點處于對稱結構。

利用表1中計算的各節(jié)點屬性值,建立節(jié)點適配度原始決策矩陣B。標準化處理矩陣B,獲得規(guī)范化矩陣U,根據該矩陣,運用式(7)極端得到每個屬性的權重:{0.0998,0.7364,0.0222,0.0638};正、負理想評價方案分別為{0.4888,0.6894,0.3794,0.2188}和{0.0827,0,0.1837,0.5852}。屬性與屬性之間存在的相關系數運用SPSS軟件和式(11)計算得到,由此建立相關系數矩陣。

通過式(9)計算正、負理想方案和每個方案之間的加權差。通過式(12)計算得到理想方案和上文關系矩陣的距離,最終根據式(13)獲得正理想節(jié)點和節(jié)點方案之間的貼近度,貼近度計算結果列于表2。

表2 節(jié)點適配度識別結果

從表2中能夠看出,節(jié)點3的貼近度值最大,節(jié)點1的貼近度最小,其余節(jié)點中,節(jié)點5>節(jié)點2>節(jié)點7>節(jié)點9>節(jié)點6,其中節(jié)點4貼近度與節(jié)點5相同,節(jié)點9貼近度與節(jié)點10相同,節(jié)點6貼近度與節(jié)點8相同。經過上文矩陣構建結果分析,度中心心性指標與核KS指標的相關系數為0.802,由此證明這兩個指標相關性較大。從綜合的角度評價質保的適配性,需要充分考慮各個屬性之間的相關關系。

分析節(jié)點貼近度排序情況可知,在整個傳感網絡中,節(jié)點3處于網絡傳輸的關節(jié)位置,該節(jié)點適配度最高,如果刪除該節(jié)點,就會極大成度影響網絡連通性;節(jié)點4、5屬于對稱節(jié)點,適配度幾乎相同,僅次于節(jié)點3,刪除二者中的任意節(jié)點都會提高傳感網絡平均交互距離;節(jié)點2的各個指標計算結果適中,在傳感網絡中節(jié)點2與節(jié)點1鄰近,如果將節(jié)點2刪除,會對節(jié)點1造成一定程度影響,由此可以看出,節(jié)點2屬于橋梁節(jié)點,適配度低于節(jié)點4、5;在網絡之中,節(jié)點7連接做多邊數,該節(jié)點只會影響網絡的連通冗余情況,不會影響網絡連通性,因此適配度也較低;節(jié)點6和8、節(jié)點9和10,屬于兩兩對應的節(jié)點,貼近度與各項指標的值都較低,所以適配度也較低,對于傳感網絡運行的影響較小。

為進一步驗證本文識別方法的可靠性,通過對傳感器網絡設置連鎖故障,通過計算故障發(fā)生之前與故障發(fā)生之后最大連接節(jié)點數比值Q,判斷傳感器網絡魯棒性變化,仿真過程中將傳感網絡中的節(jié)點不斷刪除,獲得網絡魯棒性變化,根據該變化判斷節(jié)點適配度識別方法的準確性。比值Q越小說明傳感網絡遭受的破壞越嚴重,也就表示識別方法更加準確。

以同類識別方法與本文識別方法相對比,獲得適配度識別的對比結果,對比方法分別為文獻[9]方法與文獻[10]方法。刪除節(jié)點后各方法的比值變化見圖1。

圖1 刪除節(jié)點后比值變化情況

從圖1中能夠看出,被刪除的節(jié)點數量不斷增加,本文方法比值曲線快速下降,出現(xiàn)極大網絡破壞性;文獻[10]方法的比值曲線與本文方法比值曲線變化趨勢比較接近,但是在刪除節(jié)點7的時候,本文方法比值最低,且從刪除該節(jié)點開始比值變化逐漸趨于平穩(wěn);與兩種對比方法相比,本文方法比值曲線最低,由此可以看出本文方法識別節(jié)點適配度時適用性更加準確。

4 結論

本文研究物聯(lián)網數據網關傳感器節(jié)點適配度識別仿真方法,融合傳感器網絡的屬性偏好信息,從網絡節(jié)點拓撲特性的角度出發(fā),選擇多個識別指標,構建物聯(lián)網數據網關傳感器節(jié)點適配度識別模型,使用全新方法實現(xiàn)傳感器網絡節(jié)點的識別。使用該方法,識別出節(jié)點的排序結果,獲得節(jié)點的適配度結果,同時經過破壞性實驗對比,證明本文方法在識別網絡節(jié)點適配度方面具有更加良好的應用效果。

但是在未來的研究中仍舊有許多可研究方向:

1)本文研究中已經驗證該方法在傳感器網絡中的節(jié)點適配度識別性能,未來對于復雜度較高的網絡需要作出進一步創(chuàng)新,構建的識別方法需要具備隨機一致性,分析動態(tài)時序網絡下,節(jié)點變化規(guī)律,并且探尋應對這種復雜網絡更加簡潔、低能耗的識別方法。

2)本文實驗研究中考慮到篇幅限制只隨機研究10個傳感器網絡節(jié)點,沒有考慮傳感器網絡中節(jié)點的具體數量與樣本研究數量,在今后的研究中可以增大研究樣本數量,作出更加深入的研究。

3)未來研究可以跳出當前模式,從多個角度開展網絡節(jié)點適配度識別,進一步提升識別準確性,為將來傳感器網絡的發(fā)展做貢獻。