基于关联规则的网络通信预警系统设计

摘要：为提高网络通信预警时效，保证预警的及时性，开展基于关联规则的网络通信预警系统设计研究。以FTGUI-20003-1B处理器与预警信号灯为例，设计网络通信预警系统硬件结构;引进传感技术，进行通信网络状态特征的获取;引进关联规则，进行网络安全状态的识别，将通信网络链路划分为由多节点构成的通信信道，识别通信网络安全状态;建立通信网络异常预警机制，划分预警等级，进行风险量化，匹配对应的预警等级，实现对通信网络安全的预警。通过对比实验证明，此系统，在实际应用中可以有效降低预警延时，保证预警行为具有较高的时效性。

关键词：关联规则;网络通信;预警系统

一、引言

互联网技术在市场内的高速发展，提高现代化网络通信的水平与综合能力，受众群体对于网络通信运营商提供服务的质量与供应网络的稳定性提出了更高的要求[1]。为了降低由于网络通信异常造成的网络整体瘫痪问题，避免通信过程中的安全事故发生，本次研究将引进关联规则算法，从硬件结构与软件功能两个方面，对网络通信预警系统展开设计[2]。通过对通信网络不同节点关系的描述，及时发现存在异常的通信节点，以此种方式，将网络通信安全事故控制在发生前。

二、硬件设计

（一）FTGUI-20003-1B处理器

为满足系统的高性能运行需求，此次设计选择的处理器型号为FTGUI-20003-1B，该型号处理器属于第12代英特尔酷睿的衍生版本，其结构、综合性能与能效均显著优于早期版本的处理器，可以在实际应用中实现对多路径任务的协同处理[3-4]。处理器中集成了人工智能专用引擎，拥有>14.0核心的硬件线程（6.0个高核性能芯片与8.0个能效核芯片），将其与Windows11操作系统进行对接，可实现在任务处理过程中，对动态化任务的均衡化处理与负载，保证操作中的高效率与低耗能。

在FTGUI-20003-1B处理器现有构件的基础上，在其中内置AI加速芯片，确保处理器可以及时处理多链路网络通信数据，即便数据链路传输的信息超出其预期也可以避免处理器出现超负荷运行状态。

（二）预警信号灯

预警信号灯是警示终端技术人员网络通信异常或故障的主要硬件，信号灯上共有三个颜色的指示灯，分别为红色、黄色与绿色，其中红色为故障报警灯，当红灯亮起时，证明网络通信存在明显的异常或故障;当黄灯亮起时，证明网络通信存在预警信号，需要及时进行网络通信链路的处理，否则将触发故障信号灯;当绿灯亮起时，证明网络通信正常，不存在异常或故障。

为满足系统的预警需求，通常会选择较大电阻的指示灯电阻，通过此种方式，确保流经预警信号灯的电流保持在一个较小的状态[5]。通常情况下，预警信号灯由灯头、灯罩、灯具、连接线路等基础构件构成，信号灯由二极管灯构成，需要将其与前端TG-200传感器进行通信连接，并放置在仪表盘等较为明显的位置，从而确保信号灯在使用中可以发挥或起到预警效果。

三、软件设计

（一）基于传感技术的通信网络状态特征获取

在硬件设备的支撑下，引进传感技术，进行通信网络状态特征的获取。在此过程中，要确保获取的状态信息具有高质量特点，只有满足此方面特点，才能确保后续对通信网络异常现象的预警具有可靠性。目前，可用于提取其状态信息的技术较多，大多技术在应用中可能存在一定干扰性，而本文选用的传感技术，可以在初期采集阶段，便排除状态信息中的一些无效信息与冗余信息，即便采集的信息中仍不可避免携带了噪声信息，但此部分信息也可以在后续的处理中解决[6]。因此，需要在完成基于传感技术对通信网络状态信息的初步获取后，采用划分网络安全状态与网络安全级别的方式，进行其特征的描述。此次研究采用的是小波熵值法。

假设通信网络的安全状态信息表示为x（k），可采用小波包算法，对x（k）进行多层分解处理，根据通信链路层数，将其划分为i层，此时，第i层的通信网络状态信息可以表示为xi（k）。将状态信号携带的能量值作为通信网络状态特征，对其能量值进行计算，计算公式如下。

（二）基于关联规则的通信网络安全状态识别

掌握网络通信不同链路状态特征后，引进关联规则，进行网络安全状态的识别，将通信网络链路划分为由多节点构成的通信信道，网络信息从节点X传递到节点Y的过程可以表示为X→Y，其中X与Y都可以作为关联规则中的项数子集，即X中包括1～i个数据，Y中也包括1～i个数据。将X→Y的支持度发生概率表示为P，则P可以用X∪Y表示，当X→Y行为发生的置信度前提为X时，则Y节点发生通信网络异常状态的概率可以表示为P（Y|X），当X→Y行为发生的置信度前提为Y时，则X节点发生通信网络异常状态的概率可以表示为P（Y|X）。在上述内容的基础上，设定一个通信网络安全状态数据库，将其表示为D，根据数据库中不同节点的资源流向，设定节点之间的强关联规则，明确节点流通规律，将后者作为识别中的置信度前提。使用多维度挖掘规则，对不同状态下的异常反馈信号作为前提，并根据信号的支持度大小，识别通信网络安全状态，可将此过程表示为如下公式（2）所示的计算表达式。

（三）建立通信网络异常预警机制

完成上述设计后，采用建立通信网络异常预警机制的方式，进行通信网络异常预警，异常与预警流程如图1所示。

按照上述图1所示的流程，进行通信网络異常预警，当识别到通信网络存在异常与风险时，需要提取风险信息，采用将其细化的方式，划分预警等级与预警类别。

采用计算风险小波熵的方式，掌握其风险程度，计算公式如下：

按照上述表1中内容，进行风险量化，匹配对应的预警等级，实现对通信网络安全的预警。

四、对比实验

完成上文基于硬件与软件对网络通信预警系统的设计与规划后，下述将通过对比实验的方式，对该系统的实际应用性能进行检验。

实验中，选择某大型网络通信中心作为此次实验的参与方，通过调研此网络中心近五个月网络通信用户的反馈数据，分析出在网络通信运行中经常会出现由于线路故障或通信节点异常导致的通信中断事故，这些问题使网络通信中心在市场内的信誉度较差。因此选择该通信中心作为此次实验的对象。

在掌握该网络中心的基础信息后，按照本文设计的方法，在网络通信服务终端区域内部署TG-200传感器，将其与通信网络传输端链路进行对接，确保通信连接保持相对良好状态后，在MatLab平台上搭建FTGUI-20003-1B处理器、预警信号灯、电源、存储器等附件设备。随机选择该通信中心历史服务数据中的100.0组数据，将其作为样本数据，已知样本数据中含有三组故障数据，分别为通信网络错误代码数据、功率偏差数据与冗余数据，将三组异常数据以随机插入的方式集成在样本数据中。为了简化实验测试过程，按照粗糙集表示方式，对样本数据进行处理，将输入的数值表示为0，将通信网络的常态化运行状态（/无故障运行状态）表示为1，将预警状态表示为2。在网络通信的输入端按照时序导入样本数据，使用SSimulink建立一个仿真神经网络模型，对测试样本进行迭代，通过训练与拟合的方式，进行通信过程监控。将预警信号灯与信号放大器部署在通信网络终端，用于模拟用户端接收的通信网络信号。在此次模拟实验中，设定系统运行的动量系数表示为0.6，有效学习效率表示为0.35，节点最高迭代次数为一万，允许误差为0.001。

收集用户端接收的信号，对信号进行模糊粗糙表示，如下图2所示。

从上述图2所示的预测试结果可以看出，在启动系统后，通信网络反馈信号快速从0达到1，即从输入状态达到常态化运行状态。运行一段时间后，在节点3触发第一次预警，在节点7触发第二次预警，在节点9触发第三次预警。

三次预警数据与上文提出的三组异常数据匹配，在终端与技术人员进行沟通后发现，在测试过程中，终端预警信号灯共亮起3次。由此可以说明，本文设计的基于关联规则的网络通信预警系统在实际应用中，是具有一定可行性的，可以在终端实现对通信网络异常的预警。

分别使用本文设计的系统与对照组系统，对一组相同的网络通信信号进行预警，将预警行为延时作为对比实验的指标。计算本文系统与传统系统的预警延时，统计计算结果，如下表2所示。

从上述表2所示的实验结果可以看出，本文系统在触发网络通信预警时，预警行为的延时基本可以控制在0s，只有节点4与节点5存在0.001s与0.002s的延时，但延时过低可以在实际应用中将其忽略不計。而传统的系统在触发预警行为后，基本存在0.1～0.2s的延时，延时明显大于本文系统的延时，由此可以证明，本文设计的基于关联规则的网络通信预警系统，在实际应用中可以有效降低预警延时，保证预警行为具有较高的时效性。

五、结束语

随着网络通信覆盖范围的提升，网络业务以不同的形式叠加在一起，资源的集成深度与广度呈现明显的增加趋势，一旦某一节点出现网络安全问题，通信业务层次的故障便会对网络通信整体造成影响或干预。

为了解决此方面问题，本文开展了基于关联规则的网络通信预警系统设计，完成设计后，通过对比实验证明了设计的预警系统，可以有效降低预警延时，保证预警的时效性。

作者单位：申乃军    江苏自动化研究所

参  考  文  献

[1] 蔡文斌，张焕域，林密，等. 基于量化分析的电力通信网多维度风险预警优化研究[J]. 微型电脑应用，2021，37（12）：103-105.

[2] 缪巍巍，吴海洋，陈鹏，等. 基于深度强化学习的通信网故障智能感知与预警模型研究[J]. 机械设计与制造工程，2021，50（06）：102-104.

[3] 裴加富，胡恩华，林立，等. 基于通信的列车控制数据通信子系统的智能诊断和预警分析[J]. 城市轨道交通研究，2020，23（01）：75-78.

[4] 张李荪，吴元保，柯劲松，等. 基于无线通信的地质灾害监测预警系统的研究[J]. 江西水利科技，2020，46（03）：157-161.

[5] 王江锋，刘雨桐，王梦玉，等. 车车通信环境下基于驾驶意图共享的车辆避撞预警算法[J]. 中国公路学报，2020，33（06）：65-76.

[6] 秦钰林，周若麟，张珂欣，等. 基于NB-IoT窄带通信和多传感器组网技术的森林火灾监测预警系统[J]. 物联网技术，2020，10（06）：14-16+19.