SDN框架下不良数据计算机网络管理系统设计

苏恒阳

(广东轻工职业技术学院 实验实训管理中心，广州 510300)

SDN框架下不良数据计算机网络管理系统设计

苏恒阳

(广东轻工职业技术学院 实验实训管理中心，广州 510300)

随着互联网的飞速发展，网络信息交互量不断增大;各类不良网络交互信息数据充斥着网络交互空间，给网络社交秩序造成破坏;为此，一系列网络不良数据管理系统孕育而出;通过长期实践发现，传统不良数据计算机网络管理系统的管理方式存在不良数据动态检测性不强、不良信息数据内容识别度低、不良数据管理逻辑性差等问题;通过与SDN框架的优势相结合，提出SDN框架下不良数据计算机网络管理系统设计;采用NVR数据量交互模块、数据特征DNA内容识别算法与大数据统筹规划模块，对传统不良数据管理系统方式中存在的问题进行解决；通过实验证明，提出的SDN框架下不良数据计算机网络管理系统比传统的数据管理系统，在不良数据识别、检测、统计、管理等方面上具有绝对优势。

SDN框架；不良数据；管理逻辑性；网络管理

0 引言

随着互联网技术的飞速发展，网络信息资源平台成为人们日常工作获取信息的重要手段。大数据时代的到来，使得网络空间中，各种数据资源种类繁杂[1-2]。其中，不乏一系列不良数据资源掺杂其中[3]。利用网络信息识别技术与过滤技术，进行不良数据管理成为维护网络资源平台正常交互秩序的重要问题。

传统不良数据管理系统往往采用数据本地化检测与交互端口安全规则过滤的方式进行不良数据管理与统计[4-5]。经过长期实践应用发现，传统不良数据管理方法的不良数据管理统计效果并不理想。在不良数据经过加壳处理后，很容易绕过或躲避传统不良数据的管理逻辑机制，出现统计管理上的重大漏洞[6]。当不良数据流呈现端口逆则形态时[7-8]，传统的不良数据安全统计机制会对其进行默认放行处理，使得不良数据流交互，严重破坏网络数据资源交互过程中正常、稳定、安全、绿色的宗旨。

针对上述问题，经研究发现SDN框架形式能够在一定程度上改变不良数据的交互机制，帮助统计不良数据的作用。为此，提出SDN框架下不良数据计算机网络管理系统设计。采用NVR数据量交互模块，针对传统不良数据统计管理中存在不良数据交互伪装，无法快速降低数据交互量，辅助不良数据流识别的问题进行解决；采用数据特征DNA内容识别算法，对交互数据流中不良数据进行快速特征指纹识别，提高不良数据统计准确率；最后，经过大数据统筹规划模块，对传统不良数据进行集中统计分析处理，并生成综合报告，便于后期相关方案的制定。

通过模拟环境的仿真实验测试证明，提出的SDN框架下不良数据计算机网络管理系统设计，具有良好的不良数据识别、分析、处理能力，不良数据识别率远远高于传统不良数据管理系统。

1 SDN框架下不良数据计算机网络管理系统设计

1.1 NVR数据量交互模块

SDN框架下不良数据计算机网络管理系统设计中，针对传统不良数据管理系统存在的不良数据交互机制漏洞，采用了SDN作为框架的设计思路，设计了 NVR数据量交互模块对交互机制漏洞进行修复，解决机制漏洞导致的不良数据识别率低，统计准确率低的问题。数据交互过程中，当数据量增大时，传统不良数据管理系统为了保证数据交互的稳定，底层逻辑算法会自动降低不良数据核查机制，从而降低中央处理核心的运算负担。但是，核查机制的降低导致一些不良数据利用正常数据的特征码进行‘正常’交互，这种手段就是常见的加壳处理。

针对不良数据的加壳伪装机制， NVR数据量交互模块采用数据交互通道动态量化的方式，将交互通道宽度动态调整，降低数据交互量的同时，生成数据源节点数据链特征码报告数据，为后边的准确识别不良数据提供基础。 NVR数据量交互模块采用TM7数据信道动域调整算法，根据不同数据交互过程中所需最小连续值，动态调整交互信道宽度，降低数据流交互速度，减轻中央处理核心运算负担。NVR数据量交互模块中采用的TM7数据信道动域调整算法关系式如下所示：

(1)

关系式中，当数据交互流系数n呈现下滑趋势时，交互连续值d受其影响，达到交互空间中最小值。此时，关系式如下所示：

(2)

(3)

通过数据对比不难看出，NVR数据量交互模块在不良数据交互抑制、数据特征码识别方面具有较大的性能优势。具体参数如表1所示。

表1 NVR数据量交互模块性能展示

NVR数据量交互模块执行代码基于SDN框架，具有高度灵活性与衍生性，具体代码如下所示：

importjadva.sql.Connection;

importjavdva.sql.DriverManager;

importjavsda.sql.SDNExdception;

importjavsa.sql.Statehment;

publicclassTestDB{

pubdsflicstahftdficvdfhoidmadin(Stridfng[]args) {

try{

// 1.注册数据链

Classds.forNasdme("com.microsoft.sqsdlserver.jdbc.SQLServerDriver");

Systefgm.out.println("注册成功");

Stringurl= ""jdbc:microsoft.sqlserver://127.0.0sad.1:1433;DatabaseName="; //sda=1

Stringussdername= "";

Stringpassword= "";

// 加载获取数据连接对象

Connectionconnection=DriverMasadsnager.getConsadnection(url,username,

password);

Systsdem.out.prfntln("连接数据成功！");

// 创建Statedgment对象

Statemasdentstmt=connectidgon.createStagtement();

//SDN语句

Stringsql="insertinto

}

student(id,name,age,email,address)

values(1,'tom',23,'dfgdgs/England') "

}

introws=stmt.executeUpdate(sql);

if(rows> 0) {

System.out.println("抑制成功!");

}

// 释放运算资源

sdftmt.close();

convffgnection.close();

}catch(SDNExcdfeptione) {

e.prvintStazxckTrabce();

}

cacvxctch(ClbvassNotFounvcndExcecvptione) {

e.printStackTxvrace();

}

1.2 数据特征DNA内容识别算法

数据特征DNA内容识别算法作为提出的SDN框架下不良数据计算机网络管理系统设计中的核心算法，在不良数据的管理统计应用方面起着至关重要的作用。传统不良数据管理系统之所以无法准确统计管理网络空间中的不良数据，就在于传统系统采用的算法不能从数据内部特征构成进行识别。无法完成内部识别，无法真正识别伪装交互中的不良数据，提升统计准确率。

数据特征DNA内容识别算法具有大数据资源调取与数据内部特征DNA信息对比的特性。针对伪装不良数据的加壳处理手法，从数据链构成中央数据核中提取数据独有的数据坐标代码DNA，结合大数据空间中信息资源进行比对，准确识别真是数据身份，杜绝不良数据伪装交互行为，提升不良数据统计准确度。数据特征DNA内容识别算法执行程式如下所示：

(4)

其中:f为数据流系数；b为数据内核特征码集合；n为特征码对比成功值集合。算法执行式代码如下所示：

pghublicstaticCogfhnnectiongetConnexxction(){

Connvectioncocxvnn=ncvull;

Clascxvs.forNcxvame(DRIVER_CLASS);

conn=DriverManager.getCvonnection(DNA,USERxcvNAME,PASSWORD);

returnconn;

}

publicstcaticvrhoidclosgfzeAll

(RghesultcSetrs,Statnement

stmt,Connvnectionconn){

try{if(rs!=nuvcbll){

rs.clocvse();

rs=nvull;

inxbtrovws= 0

数据特征DNA内容识别算法与传统不良数统计方式中采用的算法，对不良数据识别处理准确度曲线如下所示。

图1 数据特征DNA内容识别算法与传统不良数统计方式中采用的算法对不良数据识别处理准确度曲线

1.3 大数据统筹规划模块设计

不良数据管理统计系统中，达到将网络交互空间中的不良数据准确统计、统一管理是不良数据管理系统设计的最终目的。传统不良数据管理系统采用的数据管理逻辑存在分析完善性差的问题，导致最终不良数据统计出现误差。

针对传统不良数据管理系统存在的不足，提出的SDN框架下不良数据计算机网络管理系统设计中引入大数据资源，设计出大数据统筹规划模块。大数据统筹规划模块具有三点特性：

1)大数据统筹规划模块能够在系统数据底层开辟出隐蔽安全外链数据通道，根据处理数据的需要动态高速调取互联网大数据资源平台相关数据，动态比对、分析、反馈。

2)大数据统筹规划模块能够有效根据不良数据类别进行分类，生成不两项数据报告，报告涵盖不良数据类别、特征码、演变数据源等信息。

3)大数据统筹规划模块可以根据识别处理的不良数据特征词条码进行自我升级，满足不同种类不良数据演变识别的需要。

为了更好地实现上述一系列功能，大数据统筹规划模块采用了NEF数据特征划分算法与NIBT大数据比对算法。同时，为了满足大数据统筹规划模块具有自我学习能力，采用多算法对接特征学习引擎代码，为大数据统筹规划模块的算法关联执行代码。具体算法与代码如下所示。

NEF数据特征划分算法：

(5)

NIBT大数据比对算法:

(6)

大数据统筹规划模块算法关联执行代码：

rowfgs = pstfgmt.exegfhcuteUpgdfgdate();

ConnecnntionMahgfnnager.cldfssdoseAsdfll(nujh,ll,pstjkmt,conn);

returnmfn rokkws;

}

public ResulbastSet exefuteQvsuery(Strisng sql,Objeghct[] parcams){

Connxbetioncnonn = ConnecxvvtionManager.getCocnnnection();

if(paravms!=1{

forcv(int i= 0;i

pstzxvmt.setOzxbject(i+1,paravms(i));

}

}

rs=psvtmt.exxcbecuteQuery();

ConnecbxtionManxager.closneAll(rs,pstcmt,conn);

returzn rs;

pubxclic claxss TestOperatorGrade{

privbnate statizxc void updateGrazde(int id,Stcbvring name,Smtring description){

Class.forName()

Connectionconn= 0

DirvverMaxcvnager.getConnecxcvtbion("1","","");

Statementx stmt = conn.createxvStament();

String sql = "UPDATE grades set name = '"+naxcvme+"',descxcvription='"+devcscription+"'WHere id="+id;

inct roxzws = stmt.executeUpdaxce(sql);

}

2 实验结论

针对SDN框架下不良数据计算机网络管理系统设计进行仿真实验测试。测试环境进行真实运行状态模拟，对传不良数据管理系统与提出的SDN框架下不良数据计算机网络管理系统设计进行对比测试，通过测试数据对比，并给出对比结论。

测试环境配置为：CPU i5 6200 主频3.4 Hz，内存 4 G，windows 8.1专业版操作系统。具体测试参数如表2所示。

表2 仿真实验测试对比参数

通过上述表2的测试数据可以证明，提出的SDN框架下不良数据计算机网络管理系统具有整体多数据留峰值状态承受力强，整体峰值状态下不良数据检测机制等级高，整体不良数据交互量抑制率高，整体数据处理资源开销比小，整体不良数据交互处理响应速度快等特点。

3 结束语

针对传统不良数据管理系统方式存在的问题进行了分析，并对问题存在根源提出SDN框架下不良数据计算机网络管理系统的设计。通过仿真实验测试证明，提出的SDN框架下不良数据计算机网络管理系统的设计各项测试数据都优于传统不良数据管理系统，满足设计改进要求，为不良数据计算机网络管理领域的未来发展提供新的思路。

[1] 吴 舜,张 辉,邢宁哲,等.基于SDN的网络运维系统设计与开发[J].电信科学,2016,22(3):163-170.

[2] 张咏悦.SDN网络管理系统的设计与实现[D].北京：北京邮电大学,2015.

[3] 隋勇践.一种层次化SDN控制面架构的设计与实现[D].北京：北京交通大学,2016.

[4] 王树声.基于计算机网络技术的数据库管理系统研究[J].电脑知识与技术,2016,12(21)：255-263.

[5] 饶苏敏,李 霞.浅析计算机网络数据库安全技术[J].华人时刊旬刊,2014,21(10):232-253.

[6] 张 伟.计算机网络信息管理系统中的入侵检测技术[J].计算机光盘软件与应用,2014,10(11):168-169.

[7] 郭恩阳,范云凌,陈文华.基于SDN框架下的EPC策略控制系统研究[J].移动通信,2014,3(24):46-51.

[8] 杨瑞华, 薛飞彪, 王 宇,等. 基于虚拟仪器技术和网络的综合实验控制系统设计[J]. 计算机测量与控制, 2016, 24(8):83-85.

SDN Bad Data Within Framework of Computer Network Management System Design

Su Hengyang

(Experimental Training Management Center, Guangdong Industry Technical College， Guangzhou 510300,China)

Along with the rapid development of Internet, an increasing amount of network information interaction， all kinds of bad network interactive information data with network interactive space, damage to the social order. To this end, a series of bad network data management system is developed. Commonly found long-term practice, traditional bad data computer network management system is not efficient, bad data detection is not strong, bad information data content, such as low recognition and poor data management logic problem. Combined with the advantages of SDN framework, put forward the framework of SDN bad data computer network management system design. The NVR data interaction module, the data characteristics of DNA content recognition algorithms and big data poor overall planning module for the traditional data management system to solve the problems in the way. Is put forward under the framework of SDN is proved by experiments and bad data computer network management system than traditional don't want to data management system, in bad data identification, detection, statistics, management, and other aspects have absolute advantage.

SDN framework; bad data; management logic; network management

2016-11-05；

2016-11-28。

苏恒阳(1971-)，男，广东新兴人，硕士研究生,副教授，主要从事网络管理、数据库方向的研究。

1671-4598(2017)04-0182-03

10.16526/j.cnki.11-4762/tp.2017.04.050

TM63

A