基于FGCM 的通信网络运行态势感知模型研究

贾一浩

（福州大学至诚学院，福建 福州 350000）

0 引 言

通信网络是局域性的数据样本传输网络体系，可以借助物理链路组织连接多个孤立的工作基站或工作主机，从而达到资源共享的通信目的[1]。然而在通信网络中，控制网络基站运行带宽，从而避免数据信息出现大量丢包的情况成为一项亟待解决的问题。文献[2]提出了基于深度神经网络的预测模型，该方法根据用户对象的自然属性定义通信数据的序列特征，再借助终端机设备，实现对网络体系运行态势的按需感知。文献[3]提出了基于降噪自编码器、奇异谱分析和长短期记忆神经网络的感知方法，利用编码器结构对通信数据进行分类处理，再将传输信息分别对应到不同的奇异谱系结构中，以实现对网络运行态势的实时感知。然而上述两种方法不能有效保障网络体系的安全运行态势。为此，本文提出一种基于FGCM 的通信网络运行态势感知模型。

1 通信网络运行数据评价

1.1 Flink 通信协议

Flink 通信协议是构建互联通信网络所遵循的核心原则，可以为网络基站提供较为稳定的数据信息共享环境，从而使得通信数据可以在网络体系中进行自由传输[4]。在Flink 通信协议作用下，用户端主机向客户端主机提交通信请求，此时Manager 对象、Jar 对象同时进入连接状态，整个通信网络完全联通。具体的Flink 通信协议作用原则如图1 所示。

图1 Flink 通信协议作用原则

评价通信网络运行数据时，Flink 通信协议保持连续作用状态，所以通信数据参量会在网络体系内不断累积，而这也是网络运行速率不断下降的主要原因[5]。

1.2 FGCM 算法评价原则

1）因子集

因子集是包含全部数据信息参量的集合体系，其中所包含数据样本表示FGCM 算法在评价其他参量时所对应的信息对象，一般来说，一个因子集系数只能对应一个评价信息对象[6-7]。在通信网络环境中，uε表示基于FGCM 算法所选择的数据样本评价指标（其中ε表示实时平均参量），其定义式如下：

式中，iε表示与参量ε对应的因子系数。在式（1）的基础上，设p表示数据信息参量中的一个随机变量，α表示通信数据标记参数，βα表示基于FGCM 算法所选择的通信数据评价参数，ΔP表示通信网络环境中运行数据样本的单位累积量，I表示因子向量导入系数，联立上述物理量，可将FGCM 算法的因子集定义式表示为：

由于通信网络数据样本的实时输出量较大，所以为保证FGCM 算法对于信息参量的精准评价能力，定义因子集表达式时，应尽可能缩小因子向量导入系数取值，从而增大集合体系中数据样本的实时存储量。

2）权重向量

权重向量决定了FGCM 算法对于通信网络运行数据的评价能力，在数据样本信息取值属于同一个因子集合的情况下，权重向量的计算数值越大，就表示FGCM算法在通信网络单位运行周期内所需编码的数据样本越多，即链路体系中发生数据丢包事件的可能性也就相对较大[8]。应用FGCM 算法评价通信网络运行数据时，权重向量影响网络体系对于通信数据样本的定义形式，且算法模型规定，网络体系单一运行周期内，只有一类信息参量能够得到主机元件的认证，这就表示利用因子集合中参数评估FGCM 算法评价能力时，权重向量计算结果具有唯一性[9]。设δ1、δ2表示两个随机选取的网络运行周期定义参数，oδ1表示基于参数δ1的通信数据平均权重，oδ2表示基于参数δ2的通信数据平均权重，联立式（2），可将权重向量计算结果表示为：

FGCM 算法对于通信网络运行数据的评价必须参考权重向量，这也表示该项物理量的计算结果不存在等于0 的可能。

2 网络运行态势感知模型设计

2.1 态势特征提取

态势特征提取是从一个FGCM 算法原始因子集中选择通信网络感知最优子集的过程，在整个处理环节中，网络主机通过既定运行标准对给定特征子集进行筛选，再联合冗余性条件，去除FGCM 算法因子集中的不相关参量，从而在留用必要网络运行态势特征的同时，提升链路体系对通信数据参量的存储与传输能力[10-11]。

设p1、p2表示基于FGCM 算法所选择的两个随机因子参量，二者同时属于因子集ℂ，且式（4）所示的不等式条件恒成立。

联立式（3），可将通信网络态势特征提取结果表示为：

为实现对通信网络运行态势行为的准确感知，要求参数p1、p2的取值必须同时大于或小于0。

2.2 网络运行指数

网络运行指数的计算重点就是确定已提取态势特征参量与通信网络体系之间的适应性关系。FGCM 算法规定：若已提取态势特征参量与通信网络体系之间具有绝对适应性，那么网络运行指数的求解结果相对较大；反之，若已提取态势特征参量与通信网络体系之间具有相对适应性，那么网络运行指数的求解结果相对较小[12-13]。

规定r1表示运行态势特征参量定义系数，r2表示通信网络体系定义系数，其定义式可表示为：

式中：w1表示态势参量处理权重；w2表示通信参量处理权重；γ1表示基于FGCM 算法定义的态势参量查询系数；γ2表示基于FGCM 算法定义的通信参量查询系数。

联立式（5）、式（6），推导网络运行指数计算结果如下：

式中：ΔT表示通信网络的单位运行周期；φmax表示网络运行能力判别参数的最大取值。如果单位运行周期内的通信数据负载量条件无法满足主机元件对网络体系运行态势的感知需求，可以通过增大ΔT取值的方式，使得主机元件在单位时间内能够取得足量的数据信息样本。

2.3 感知能力估算

感知能力估算是从模糊隶属性的角度对通信网络运行态势进行评估，在FGCM 算法评价原则作用下，根据态势特征提取结果及网络运行指数，就可以大致确定通信网络体系在单位时间内的运行能力[14-15]。FGCM 算法要求，在感知通信网络运行能力时，态势特征提取结果定义值不能为0，且网络运行指数的取值也必须属于( 0,1 )的数值区间。对于通信网络运行态势感知能力估算结果的计算满足如下表达式：

式中：s表示基于FGCM 算法所选择的通信数据传输速率实时估算参数；ϕs表示通信数据传输行为感知系数；f表示通信网络运行态势判别向量；͂表示通信数据在网络体系中的传输特征。在估算向量取值不等于0 的情况下，主机元件按照FGCM 算法评价原则，就可以实现对通信网络运行态势的准确感知。

3 实验分析

为验证链路体系中带宽、数据丢包率对通信网络运行态势安全性的影响，设计如下对比实验。

3.1 原理与流程

在通信网络中，链路体系运行带宽、数据传输丢包率均可以用来描述主机元件对网络体系运行安全性的保障能力。在数据样本输出总量保持不变的情况下，链路体系运行带宽与数据传输丢包率的数值水平越低，表示主机元件对网络体系运行安全性的保障能力越强。设置通信网络实验环境如图2 所示。

图2 通信网络实验环境

将实验所选8 台VPN 交换主机分别与Lan 寄存器相连，开辟8 条独立的通信链路通道，分别采用所提方法、文献[2]方法和文献[3]方法控制Internet 主机，记录在实验过程中，链路运行带宽、数据传输丢包率的数值变化情况，所得结果分别为实验组、第一对照组和第二对照组变量。本次实验所选设备元件的型号如表1 所示。

表1 实验设备型号

为保证实验结果的公平性，实验过程中在改变所提方法时，设备元件型号及其之间的连接形式保持一致。

3.2 数据处理与结论

实验组、对照组链路体系运行带宽如图3 所示。

图3 通信网络运行带宽

分析图3 可知：实验组方法作用下，1 号链路、4 号链路、7 号链路中的通信网络运行带宽同时取得最大值100 Mb/s；第一对照组方法作用下，3 号链路、6 号链路中的通信网络运行带宽同时取得最大值130 Mb/s，相较于实验组最大值，上升了30 Mb/s；第二对照组方法作用下，4 号链路中的通信网络运行带宽取得最大值138 Mb/s，相较于实验组最大值，上升了38 Mb/s。

实验组、对照组数据传输丢包率如图4 所示。

图4 数据传输丢包率

分析图4 可知：实验组数据传输丢包率在4 号链路中取得最大值0.04%；第一对照组数据传输丢包率也在4 号链路中取得最大值，但其数值水平明显高于实验组；第二对照组数据传输丢包率在2 号链路中取得最大值0.06%，与实验组最大值相比，增大了0.02%。

由此可知，所提方法能有效降低不同通信网络链路中的运行带宽与数据丢包率，保障网络体系的安全运行态势。

4 结 语

本文提出一种基于FGCM 的通信网络运行态势感知模型，依据Flink 通信协议，对通信网络运行数据进行评价；再根据态势特征提取结果，确定网络运行指数的取值范围。通过实验验证了该方法可以有效降低运行带宽与数据丢包率，能够有效保障网络体系的安全性运行态势。