期刊VIP學(xué)術(shù)指導(dǎo) 符合學(xué)術(shù)規(guī)范和道德
保障品質(zhì) 保證專業(yè),沒有后顧之憂
來源:期刊VIP網(wǎng)所屬分類:軟件開發(fā)時(shí)間:瀏覽:次
摘 要: 隨著互聯(lián)網(wǎng)技術(shù)水平的逐漸提升,網(wǎng)絡(luò)環(huán)境的復(fù)雜程度也越來越高。此時(shí)通過對網(wǎng)絡(luò)服務(wù)態(tài)勢進(jìn)行評估,可有效幫助人們判斷當(dāng)前網(wǎng)絡(luò)服務(wù)形勢,并提前預(yù)判其中可能存在的安全問題,有利于全面提升網(wǎng)絡(luò)服務(wù)質(zhì)量與網(wǎng)絡(luò)安全性。為此,文章將從簡單說明網(wǎng)絡(luò)態(tài)勢評估的基本內(nèi)涵入手,在構(gòu)建網(wǎng)絡(luò)態(tài)勢評估指標(biāo)體系的基礎(chǔ)上,針對基于模糊數(shù)學(xué)的網(wǎng)絡(luò)服務(wù)態(tài)勢評估方法進(jìn)行簡要分析研究。
關(guān)鍵詞: 模糊數(shù)學(xué);網(wǎng)絡(luò)服務(wù);態(tài)勢評估
推薦閱讀:《軟件工程師》(原名《軟件工程師》)創(chuàng)刊于1998年,郵發(fā)代碼:8-198,由東北大學(xué)、計(jì)算機(jī)軟件國家工程研究中心主辦,國家級,月刊,大16開本,全國發(fā)行。
0 引言
在模數(shù)數(shù)學(xué)[1]思想當(dāng)中,其重點(diǎn)對不確定性事物進(jìn)行研究。而由于網(wǎng)絡(luò)服務(wù)態(tài)勢也存在一定模糊性和不確定性,各項(xiàng)網(wǎng)絡(luò)服務(wù)態(tài)勢評估指標(biāo)并非固定不變,因此可有效引入模數(shù)數(shù)學(xué)的概念進(jìn)行網(wǎng)絡(luò)服務(wù)態(tài)勢評估。通過采用基于模糊數(shù)學(xué)的網(wǎng)絡(luò)服務(wù)態(tài)勢評估[2]方法,可以在準(zhǔn)確評估網(wǎng)絡(luò)服務(wù)態(tài)勢情況的同時(shí)為相關(guān)決策提供重要參考依據(jù)。
1 網(wǎng)絡(luò)態(tài)勢評估的基本內(nèi)涵
在網(wǎng)絡(luò)態(tài)勢感知當(dāng)中,網(wǎng)絡(luò)態(tài)勢評估占據(jù)著毋庸置疑的核心地位。所謂的網(wǎng)絡(luò)態(tài)勢評估指的就是基于大規(guī)模網(wǎng)絡(luò)[3]環(huán)境中,于level1初步處理融合獲取的所有網(wǎng)絡(luò)監(jiān)測數(shù)據(jù)后,依照領(lǐng)域知識與歷史數(shù)據(jù),通過靈活運(yùn)用相應(yīng)的數(shù)據(jù)工具或數(shù)學(xué)模型,在分析推理的基礎(chǔ)上合理解釋目前網(wǎng)絡(luò)具體運(yùn)行狀態(tài)。簡單來說,網(wǎng)絡(luò)態(tài)勢評估即為態(tài)勢因子集合到態(tài)勢空間的映射。其中態(tài)勢因子指的就是改變網(wǎng)絡(luò)態(tài)勢的各項(xiàng)因素,其作為監(jiān)測指標(biāo)子集。通過積極開展網(wǎng)絡(luò)態(tài)勢評估,不僅有助于相關(guān)人員精準(zhǔn)掌握網(wǎng)絡(luò)當(dāng)前運(yùn)行情況,同時(shí)對提前預(yù)估網(wǎng)絡(luò)中的潛在風(fēng)險(xiǎn)并制定出有效的應(yīng)急預(yù)案也具有積極作用。考慮到網(wǎng)絡(luò)數(shù)據(jù)信息種類繁多、數(shù)據(jù)量和信息量相對較大,因此在對網(wǎng)絡(luò)態(tài)勢評估時(shí)需要一種具有較高信息處理性能和良好學(xué)習(xí)能力與特征選擇能力的評估方法,通過快速從若干網(wǎng)絡(luò)數(shù)據(jù)中選取具有典型特征的評估數(shù)據(jù)建立起相應(yīng)的評估規(guī)則集合,由此高效實(shí)現(xiàn)網(wǎng)絡(luò)服務(wù)態(tài)勢評估。
2 構(gòu)建網(wǎng)絡(luò)服務(wù)態(tài)勢指標(biāo)體系
2.1 確定一級指標(biāo)
在進(jìn)行網(wǎng)絡(luò)服務(wù)[4]態(tài)勢評估之前,首先需要建立起規(guī)范完善的網(wǎng)絡(luò)服務(wù)態(tài)勢指標(biāo)體系。通過結(jié)合相關(guān)研究資料,本文在選擇使用Load Runner測試工具快速獲取各類網(wǎng)絡(luò)數(shù)據(jù)的基礎(chǔ)上,選擇將服務(wù)請求方與提供方、網(wǎng)絡(luò)鏈路作為網(wǎng)絡(luò)服務(wù)態(tài)勢評估指標(biāo)體系當(dāng)中的一級指標(biāo)。考慮到網(wǎng)絡(luò)的存在目的即為用戶提供服務(wù),因此將網(wǎng)絡(luò)服務(wù)請求方設(shè)定為一級指標(biāo),通過對其服務(wù)好壞進(jìn)行有效評估,有助于相關(guān)人員掌握整體網(wǎng)絡(luò)服務(wù)質(zhì)量水平。而在現(xiàn)階段的網(wǎng)絡(luò)服務(wù)系統(tǒng)當(dāng)中,由若干不同種類的服務(wù)器等設(shè)備共同組成的網(wǎng)絡(luò)服務(wù)提供方占據(jù)著核心地位,網(wǎng)絡(luò)服務(wù)提供方的存在是網(wǎng)絡(luò)實(shí)現(xiàn)其為用戶提供服務(wù)這一功能的根本前提。因此對網(wǎng)絡(luò)服務(wù)提供方的各項(xiàng)重要參數(shù)進(jìn)行合理選取與深入分析,有助于客觀評估整體網(wǎng)絡(luò)服務(wù)態(tài)勢。各項(xiàng)信息數(shù)據(jù)在網(wǎng)絡(luò)中傳輸時(shí)通常需要經(jīng)過相應(yīng)的鏈路,而一旦網(wǎng)絡(luò)鏈路有所改變,勢必會(huì)對網(wǎng)絡(luò)服務(wù)質(zhì)量[5]-[6]產(chǎn)生直接影響。當(dāng)網(wǎng)絡(luò)鏈路狀態(tài)不理想時(shí),極有可能使得網(wǎng)絡(luò)出現(xiàn)擁堵、斷線等情況。
2.2 確定二級指標(biāo)
在明確網(wǎng)絡(luò)服務(wù)提供方和請求方、網(wǎng)絡(luò)鏈路方作為網(wǎng)絡(luò)服務(wù)態(tài)勢評估指標(biāo)體系的一級指標(biāo)后,根據(jù)各一級指標(biāo)的實(shí)際情況需要以此下設(shè)相應(yīng)的各二級指標(biāo),由此構(gòu)建起完整的網(wǎng)絡(luò)服務(wù)態(tài)勢評估指標(biāo)體系。在網(wǎng)絡(luò)服務(wù)請求方中,影響網(wǎng)絡(luò)服務(wù)質(zhì)量的參數(shù)主要包括請求與服務(wù)請求的響應(yīng)時(shí)間、帶寬占有率和每秒下載頁數(shù)等,如服務(wù)請求響應(yīng)時(shí)間越短,代表用戶等待時(shí)間越短,此時(shí)網(wǎng)絡(luò)服務(wù)質(zhì)量相對較好。因此將其作為網(wǎng)絡(luò)請求方指標(biāo)的二級指標(biāo),有助于立足網(wǎng)絡(luò)請求方評估網(wǎng)絡(luò)服務(wù)態(tài)勢。而在服務(wù)提供方中,設(shè)計(jì)其二級指標(biāo)包括CPU和物理磁盤利用率、內(nèi)存占用率與平均事務(wù)響應(yīng)時(shí)間等。以內(nèi)存占用率為例,一般當(dāng)內(nèi)存占用率不超過80%時(shí),服務(wù)器可正常提供相應(yīng)服務(wù),但如果內(nèi)存占用率過高如占用率至少為90%,此時(shí)系統(tǒng)性能將會(huì)受到限制,出現(xiàn)用戶等待時(shí)間過長等情況,進(jìn)而對網(wǎng)絡(luò)服務(wù)質(zhì)量產(chǎn)生不利影響。網(wǎng)絡(luò)鏈路指標(biāo)下的二級評估指標(biāo)主要包括吞吐率、丟包率和平均往返時(shí)延。如通過根據(jù)服務(wù)器吞吐量可對網(wǎng)絡(luò)用戶產(chǎn)生的負(fù)載量進(jìn)行準(zhǔn)確評估,吞吐率也能夠在一定程度上客觀反映出服務(wù)器流量處理能力。一般情況下,當(dāng)網(wǎng)絡(luò)中并發(fā)用戶數(shù)較多時(shí),吞吐率曲線呈現(xiàn)出先上升隨后逐漸平穩(wěn)的變化趨勢,則表明此時(shí)服務(wù)器極有可能存在瓶頸。而丟包率為網(wǎng)絡(luò)鏈路傳輸當(dāng)中在發(fā)送方總發(fā)送數(shù)據(jù)包中丟棄數(shù)據(jù)包的占比。當(dāng)網(wǎng)絡(luò)鏈路狀態(tài)較好時(shí),局域網(wǎng)中網(wǎng)絡(luò)丟包率極小,而當(dāng)監(jiān)測發(fā)現(xiàn)丟包率較大時(shí),則表明此時(shí)網(wǎng)絡(luò)面臨過重負(fù)載,網(wǎng)絡(luò)可能出現(xiàn)擁堵現(xiàn)象。
3 基于模糊數(shù)學(xué)的網(wǎng)絡(luò)服務(wù)態(tài)勢評估分析
3.1 算法流程
在本文設(shè)計(jì)的建立在模糊數(shù)學(xué)的網(wǎng)絡(luò)服務(wù)態(tài)勢評估算法中[7-8],在利用Load Runner測試工具快速獲取服務(wù)提供方與請求方參數(shù)以及各網(wǎng)絡(luò)鏈路方參數(shù),并對數(shù)據(jù)進(jìn)行預(yù)處理后,分別運(yùn)用模糊數(shù)學(xué)的概念對這三個(gè)指標(biāo)進(jìn)行評估。根據(jù)獲取的具體評估結(jié)果,及其對應(yīng)指標(biāo)在網(wǎng)絡(luò)服務(wù)中的重要性,進(jìn)行權(quán)重分配。在此基礎(chǔ)上運(yùn)用D-S證據(jù)合成理論將服務(wù)提供方與請求方、網(wǎng)絡(luò)鏈路方的評估結(jié)果進(jìn)行合成獲得最終的評估結(jié)果,即可有效完成網(wǎng)絡(luò)服務(wù)態(tài)勢的客觀、全面評估。
3.2 評估流程
(1)確定隸屬度函數(shù)
在基于模糊數(shù)學(xué)的網(wǎng)絡(luò)服務(wù)態(tài)勢評估當(dāng)中,首先需要根據(jù)各類網(wǎng)絡(luò)態(tài)勢指標(biāo)確定隸屬度函數(shù)[9]。為有效判斷網(wǎng)絡(luò)服務(wù)質(zhì)量情況,本文選擇按照從最好到最差的順序依次將網(wǎng)絡(luò)服務(wù)態(tài)勢分為5個(gè)級別,即第一級別代表網(wǎng)絡(luò)服務(wù)態(tài)勢最好,其次為第二、第三和第四級別,第五級別代表網(wǎng)絡(luò)服務(wù)態(tài)勢最差。隸屬度指的就是在某一時(shí)刻下網(wǎng)絡(luò)服務(wù)態(tài)勢所屬具體級別,隨著隸屬度值的不斷增大,代表其有較大可能隸屬于本級別。在計(jì)算隸屬度時(shí)需要運(yùn)用如下公式:
在這一公式當(dāng)中,Li與Li+1分別代表著第i級別與第i+1級別的標(biāo)準(zhǔn)值,一般情況下,當(dāng)網(wǎng)絡(luò)服務(wù)態(tài)勢屬于第一級別時(shí),請求響應(yīng)時(shí)間不超過0.5 s。當(dāng)網(wǎng)絡(luò)服務(wù)態(tài)勢屬于第二級別時(shí),請求響應(yīng)時(shí)間不超過3 s,當(dāng)網(wǎng)絡(luò)服務(wù)態(tài)勢屬于第三、第四級別時(shí),請求響應(yīng)時(shí)間將分別控制在5 s和10 s以內(nèi),而如果網(wǎng)絡(luò)服務(wù)態(tài)勢屬于第五級別,此時(shí)請求響應(yīng)時(shí)間將至少為10 s。
(2)建立相關(guān)模糊矩陣
在完成隸屬度函數(shù)的確定之后,基于模糊數(shù)學(xué)的網(wǎng)絡(luò)服務(wù)態(tài)勢評估需要進(jìn)入到建立模糊矩陣的環(huán)節(jié)。此時(shí)可以分別用U和V代表各項(xiàng)單項(xiàng)指標(biāo)與網(wǎng)絡(luò)服務(wù)態(tài)勢分級的集合,當(dāng)評估對象為網(wǎng)絡(luò)服務(wù)請求方時(shí),則在集合U中子集主要包括服務(wù)請求響應(yīng)時(shí)間、帶寬占有率、每秒下載頁數(shù)等。集合V中包括第一級別到第五級別。對于每個(gè)各項(xiàng)單項(xiàng)指標(biāo)集合,如果用x表示該集合中各指標(biāo)實(shí)測值,則通過利用隸屬度函數(shù)可以計(jì)算出第一級別到第五級別網(wǎng)絡(luò)服務(wù)態(tài)勢隸屬度,由此計(jì)算得到如下所示的模糊評判矩陣R:
在這一模糊評判矩陣當(dāng)中,第i個(gè)指標(biāo)對第j級網(wǎng)絡(luò)態(tài)勢的隸屬度用aij進(jìn)行表示。
(3)確定各參數(shù)權(quán)重
當(dāng)完成網(wǎng)絡(luò)服務(wù)態(tài)勢模糊評判矩陣[10]的建立之后,需要對每一項(xiàng)指標(biāo)的權(quán)重進(jìn)行有效明確。在本文設(shè)計(jì)的基于模糊數(shù)學(xué)的網(wǎng)絡(luò)服務(wù)態(tài)勢評估算法當(dāng)中,認(rèn)為如果某一指標(biāo)對網(wǎng)絡(luò)服務(wù)態(tài)勢所處級別進(jìn)行判定時(shí)會(huì)產(chǎn)生較大負(fù)向影響,則該指標(biāo)也具有較大權(quán)重。假設(shè)在分級指標(biāo)當(dāng)中,網(wǎng)絡(luò)服務(wù)態(tài)勢從第一級別逐漸增大至第五級別,則在計(jì)算各指標(biāo)的參數(shù)權(quán)重時(shí)應(yīng)當(dāng)使用如下公式:
在這一公式當(dāng)中,對于第i種網(wǎng)絡(luò)服務(wù)態(tài)勢指標(biāo),其實(shí)際值與中間級別數(shù)值分別用與進(jìn)行表示,而每一個(gè)指標(biāo)分級標(biāo)準(zhǔn)當(dāng)中的最大值和最小值則分別用Cmax與Cmin進(jìn)行表示。本文所計(jì)算的各指標(biāo)參數(shù)權(quán)重取值范圍在0到10之間,如果計(jì)算得到的權(quán)重?cái)?shù)超過10,則統(tǒng)一將其設(shè)定為10。
假設(shè)在分級指標(biāo)當(dāng)中,網(wǎng)絡(luò)服務(wù)態(tài)勢從第五級別逐漸減小至第一級別,則在計(jì)算各指標(biāo)的參數(shù)權(quán)重wi時(shí)需要使用的公式如下:
值得注意的是,此時(shí)計(jì)算得到的各指標(biāo)權(quán)重屬于一種相對權(quán)重,為方便后續(xù)進(jìn)行比較分析,還需對其進(jìn)行歸一化處理,即令每一項(xiàng)指標(biāo)的權(quán)重相加后總和為1,此時(shí)權(quán)重計(jì)算公式如下:
(4)復(fù)合運(yùn)算與判別
通過利用歸一化處理后的權(quán)重計(jì)算公式,對各指標(biāo)權(quán)重進(jìn)行準(zhǔn)確計(jì)算并由此建立起新的權(quán)重矩陣A后,需要將其與之前建立的模糊矩陣R進(jìn)行復(fù)合運(yùn)算,其計(jì)算公式如下:
在歸一化處理計(jì)算得到的復(fù)合運(yùn)算結(jié)果后,此時(shí)該計(jì)算結(jié)果即為最終網(wǎng)絡(luò)服務(wù)態(tài)勢評估級別隸屬度。而通過根據(jù)權(quán)重矩陣A與模糊矩陣R進(jìn)行復(fù)合運(yùn)算,計(jì)算出最大模糊級別隸屬度后,與之相對應(yīng)的級別便是當(dāng)前網(wǎng)絡(luò)服務(wù)態(tài)勢所處級別。
4 結(jié)論
總而言之,通過分別從網(wǎng)絡(luò)服務(wù)提供方與服務(wù)方、網(wǎng)絡(luò)鏈路方入手建立起相應(yīng)的網(wǎng)絡(luò)服務(wù)態(tài)勢評估指標(biāo)體系,將評估網(wǎng)絡(luò)服務(wù)態(tài)勢轉(zhuǎn)化成一種決策過程,并將模糊數(shù)學(xué)概念引入其中對網(wǎng)絡(luò)服務(wù)態(tài)勢所處具體級別進(jìn)行決策判斷,可以有效幫助人們精準(zhǔn)掌握當(dāng)前網(wǎng)絡(luò)服務(wù)態(tài)勢等級水平與網(wǎng)絡(luò)服務(wù)質(zhì)量情況。加之該種評估方法具有良好的適用性、計(jì)算量小等優(yōu)勢,因此可有效滿足網(wǎng)絡(luò)服務(wù)態(tài)勢評估需求,具有較高的應(yīng)用價(jià)值。
參考文獻(xiàn)
[1]Zadeh L. A, Fuzzy sets[J]. Information and control, 1965, 8(3): 338-353.
[2]卓瑩, 何明, 龔正虎. 網(wǎng)絡(luò)態(tài)勢評估的粗集分析模型[J]. 計(jì)算機(jī)工程與科學(xué), 2012, 34(3): 1-5.
[3]古潤南, 艾中良. 基于LOD控制與內(nèi)外存調(diào)度的大規(guī)模網(wǎng)絡(luò)態(tài)勢數(shù)據(jù)節(jié)點(diǎn)處理算法[J]. 軟件, 2016, 37(3): 89-93.
[4]袁士君, 艾中良, 李喻. 基于用戶需求特征的Web服務(wù)動(dòng)態(tài)組合方法研究[J]. 軟件, 2015, 36(3): 69-74.
[5]黃堃. 基于計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的計(jì)算機(jī)網(wǎng)絡(luò)信息安全及其防護(hù)策略分析[J]. 軟件, 2018, 39(6): 139-141.
[6]王衛(wèi)華. 網(wǎng)絡(luò)安全態(tài)勢評估模型研究[J]. 青島遠(yuǎn)洋船員職業(yè)學(xué)院學(xué)報(bào), 2017, 38(01): 28-31.
[7]賈俊芳, 王秀義, 鄭建新. 基于模糊集的興趣發(fā)現(xiàn)新方法[J]. 軟件, 2016, 37(3): 04-08.
[8]王曉鳳. 模糊聚類在網(wǎng)絡(luò)運(yùn)行態(tài)勢感知中的應(yīng)用研究[D].電子科技大學(xué), 2018.
[9]馬釗. 基于模糊綜合評判的認(rèn)知無線電系統(tǒng)安全態(tài)勢評估方法研究[D]. 中國地質(zhì)大學(xué), 2017.
[10]Wang S, Zheng Z, Wu Z, Lyu M, Yang F. Reputation Measurement and Malicious Feedback Rating Prevention in Web Service Recommendation Systems. IEEE Transactions on Services Computing, 2015, 8(5): 755-767.