移动通信网络异常信号优化识别研究

李永华+何兆照

【摘要】 准确的识别移动通信网络异常信号，具有重要的意义，能够对移动网络运行安全性进行有效的确保。在异常信号识别当中，要对移动通信网络异常信号的数据特征进行提取，并根据这些特征，分类异常信号数据，对移动通信网络异常信号识别模型进行建立。以往基于遗传神经网络算法，需要对大量网络信号样本信息进行训练及测试，无法准确提取异常信号数据特征，在识別中具有误差大、准确性低等特点。基于此，本文对移动通信网络异常信号优化识别进行了研究。

【关键词】 移动通信网络 异常信号 优化识别

前言：近年来，随着网络技术的发展，移动通信网络逐渐得到广泛的应用。不过，移动通信网络在给人们带来便利的同时，也带来了信息盗取、病毒木马传播、服务攻击、网络入侵等问题，对用户信息安全造成了很大的影响。基于此，应当对这些异常的移动通信网络信号进行准确的识别，以提高移动通信网络的安全性。但在传统的移动通信网络信号识别中，存在着较多的问题和不足，因此，可以采用基于DFI的移动通信网络异常信号识别方法进行优化识别，从而取得更好的效果。

一、移动通信网络异常信号识别的原理

在移动通信网络异常信号的识别过程中，通过对移动通信网络着呢广场状态下信号特征的分析，对平稳状态下移动通信网络信号模型进行建立，并利用该模型，对移动通信网络异常信号进行识别。利用相应公式，对正常状态下的移动通信网络信号特征进行提取，公式为M={q/2}=q/2；（q+1）/2。用q+1代表移动通信网络中所有信号数据的长度，用M代表移动通信网络信号数据汇总周期数量的最大值[1]。在此基础上，可对移动通信网络信号数据中，各个汇总周期信号数据离均差平分、组建离均差平方进行计算。同时，对各个移动通信网络异常信号的识别周期方差进行计算。不过，对于异常信号数据特征，传统方法无法准确提取，因而可能会出现漏判、误判的情况，会对移动通信网络异常信号识别准确度造成影响。

二、基于DFI的移动通信网络异常信号优化识别

2.1 移动通信网络异常信号的分类过程

2.2 移动通信网络异常信号的特征提取

以SVM为基础，对移动通信网络信号识别控制模型进行建立，在模型中，结构实质是通过转换和处理不明确移动通信网络信号数据，使其成为数字向量模式。由支持向量机分类器进行处理，根据分类函数式，分类数字向量模式，并向信号识别控制模块传输最终的分类结果，从而控制和处理移动通信网络信号。利用数据预处理器，提取数据包网络异常信号特征[2]。对全部源及目的进行识别，如果固定连接IP数，和固定连接端口数相同，则为正常移动通信网络信号。如果不相同，则为异常移动通信网络信号。对两种移动通信网络数据流源变化差异进行分析，运用三位特征向量提取算法，对异常信号特征进行提取。

2.3 移动通信网络异常信号的优化识别

对前面提取的异常信号特征向量进行训练，（xi，yi），i=1，2，…，n，y∈{+1，-1}。对特征进行预处理，得到训练向量，以及训练支持向量机，对SVM参数进行调控，达到最佳参数性能，在Vapnik含义下，对移动通信网络信号最优分类面f（x）=0进行获取。利用SVM参数，对异常信号识别需要的移动通信网络信号分类面进行建立，并作为实际决策函数。利用实际决策函数，预处理分析预测移动通信网络异常信号特征。决策这一向量是否在标记已识别移动通信网络记录表中，如果在，向移动通信网络信号控制模块进行传输，作为正常网络信号。如果不再，标记为移动通信网络异常信号，从而实现对异常信号的准确识别。

三、结论

移动通信网络目前拥有十分广泛的应用，在各个领域中都发挥了重要的作用。对于移动通信网络来说，用户信息安全是十分重要的，为此，应对移动通信网络异常信号进行准确的识别，以确保网络运行安全。由于传统识别方法存在较多的问题和弊端，因此，提出了基于DFI的支持向量机技术，依次实现移动通信网络异常信号的优化识别。

参 考 文 献

[1]李威， 顾海林， 黄兴. 网络被入侵后的信号检测系统设计与优化[J]. 现代电子技术， 2017， 40（3）：58-61.

[2]曹航， 张云龙. 高速移动通信的信号优化处理方法研究[J]. 计算机仿真， 2016， 33（8）：177-180.endprint