- 相關(guān)推薦
基于NNVD的網(wǎng)絡(luò)化軟件多步控制算法研究
摘 要：網(wǎng)絡(luò)化軟件系統(tǒng)規(guī)模的增大不僅增加了理解和優(yōu)化系統(tǒng)的難度，而且一個(gè)小的異常就有可能引發(fā)整個(gè)系統(tǒng)的崩潰。因此，針對(duì)網(wǎng)絡(luò)化軟件系統(tǒng)的異常行為，本文提出了一種基于NNVD(network node value degree)的網(wǎng)絡(luò)化軟件多步控制算法，該算法從節(jié)點(diǎn)路徑長度范圍的角度去研究異常行為傳播的局域控制，通過網(wǎng)絡(luò)化軟件節(jié)點(diǎn)的重要程度選擇控制節(jié)點(diǎn)，分析了在無標(biāo)度網(wǎng)絡(luò)軟件系統(tǒng)中進(jìn)行局域多步控制的有效性。研究表明，該算法能夠在一定程度上抑制異常行為的傳播，使異常能夠在一定的范圍內(nèi)得到有效的控制。
關(guān)鍵詞：網(wǎng)絡(luò)化軟件;軟件異常行為;多步控制算法
1 引言
隨著Internet的發(fā)展以及計(jì)算機(jī)Internet網(wǎng)絡(luò)和自動(dòng)控制技術(shù)在經(jīng)濟(jì)、社會(huì)和國防等領(lǐng)域的信息化應(yīng)用，軟件系統(tǒng)呈現(xiàn)出兩個(gè)轉(zhuǎn)變：(1)軟件運(yùn)行平臺(tái)從集中、封閉單機(jī)環(huán)境向開放、動(dòng)態(tài)和多變網(wǎng)絡(luò)環(huán)境轉(zhuǎn)變;(2)軟件系統(tǒng)的功能向各種應(yīng)用領(lǐng)域和為大眾用戶提供綜合服務(wù)轉(zhuǎn)變。這使得軟件系統(tǒng)呈現(xiàn)出網(wǎng)絡(luò)化的新特征，軟件的規(guī)模和復(fù)雜性劇增。對(duì)于網(wǎng)絡(luò)化軟件而言，我們面對(duì)的不單單是像Internet這樣的單個(gè)網(wǎng)絡(luò)和系統(tǒng)，而是一個(gè)系統(tǒng)的系統(tǒng)。由群體用戶行為驅(qū)動(dòng)的各層元素間的錯(cuò)綜復(fù)雜的聯(lián)系和交互，構(gòu)成了一個(gè)龐大而又復(fù)雜的網(wǎng)，確切地說是一個(gè)動(dòng)態(tài)變化的多尺度網(wǎng)絡(luò)的網(wǎng)絡(luò)，而且其中的節(jié)點(diǎn)(既可以是路由器、網(wǎng)頁、web服務(wù)，也可以是用戶或者agent)和邊的含義不盡相同。因此，網(wǎng)絡(luò)化軟件系統(tǒng)中的任何節(jié)點(diǎn)發(fā)生故障，都有可能引發(fā)多米諾效應(yīng)，最終導(dǎo)致系統(tǒng)崩潰[1]。據(jù)此，研究網(wǎng)絡(luò)化軟件局域范圍內(nèi)的多步控制方法刻不容緩，以期在系統(tǒng)崩潰之前對(duì)其進(jìn)行多步控制，維持系統(tǒng)穩(wěn)定正常的運(yùn)行。
目前，復(fù)雜網(wǎng)絡(luò)中的三種典型的免疫控制算法包括random immunization(隨機(jī)免疫)策略[2]、targeted immunization(目標(biāo)免疫)策略[3]和acquaintance immunization(熟人免疫)策略[4]。隨機(jī)免疫指為了預(yù)防控制病毒的擴(kuò)散，隨機(jī)地選擇網(wǎng)絡(luò)中的部分節(jié)點(diǎn)并對(duì)其進(jìn)行免疫，此種策略沒有考慮網(wǎng)絡(luò)節(jié)點(diǎn)間的差異性，網(wǎng)絡(luò)中的所有節(jié)點(diǎn)被同等看待，節(jié)點(diǎn)被選中的概率是相同的。但是在無標(biāo)度網(wǎng)絡(luò)中采用隨機(jī)免疫策略需要對(duì)網(wǎng)絡(luò)中幾乎所有的節(jié)點(diǎn)進(jìn)行免疫，這在現(xiàn)實(shí)的復(fù)雜網(wǎng)絡(luò)中，幾乎是不可能的。目標(biāo)免疫是依據(jù)無標(biāo)度網(wǎng)絡(luò)中度分布的不均勻性，順序地選擇部分度大的節(jié)點(diǎn)并對(duì)其進(jìn)行免疫。一旦這些度大的節(jié)點(diǎn)被免疫，那么與它們連接的邊則從網(wǎng)絡(luò)中剔除，很大程度上減少了病毒傳播的途徑。但是這種策略需要事先了解網(wǎng)絡(luò)的拓?fù)浜途W(wǎng)絡(luò)中節(jié)點(diǎn)的度。因此，對(duì)于一些規(guī)模較大的動(dòng)態(tài)網(wǎng)絡(luò)來說也是不現(xiàn)實(shí)的。Cohen等人提出的熟人免疫屬于一種局域控制策略，它不需要知道網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和全局信息，其目的在于找出度數(shù)大的節(jié)點(diǎn)進(jìn)行免疫。
鑒于此，本文提出了一種基于NNVD(network node value degree)的網(wǎng)絡(luò)化軟件局部控制免疫算法。該算法從異常源點(diǎn)出發(fā)，然后對(duì)異常源點(diǎn)周圍的各鄰居節(jié)點(diǎn)的重要程度進(jìn)行計(jì)算，選出重要度大的節(jié)點(diǎn)依次進(jìn)行免疫。在異常源點(diǎn)周圍一定的距離范圍內(nèi)對(duì)異常源點(diǎn)進(jìn)行局域控制，從而控制異常行為在網(wǎng)絡(luò)化軟件系統(tǒng)中的蔓延。最后，通過仿真實(shí)驗(yàn)對(duì)本文的算法進(jìn)行認(rèn)證，證明了該算法的準(zhǔn)確性和有效性，為后續(xù)的工作提供了理論基礎(chǔ)。
2 相關(guān)工作
近年來，國內(nèi)外學(xué)者都以已有的ER隨機(jī)網(wǎng)絡(luò)(Random network)[5]、WS小世界網(wǎng)絡(luò)(Small world network)[6]和BA無標(biāo)度網(wǎng)絡(luò)(Scale-free network)[7]等復(fù)雜網(wǎng)絡(luò)模型為依托來研究病毒傳播的規(guī)律。隨后，一些經(jīng)典的傳播模型也被相繼提出，比較經(jīng)典的有SI模型[8]、SIS模型[9]、SIR模型[10]等。在復(fù)雜的網(wǎng)絡(luò)系統(tǒng)中，為了更好的理解網(wǎng)絡(luò)結(jié)構(gòu)與網(wǎng)絡(luò)性能之間的關(guān)系，復(fù)雜網(wǎng)絡(luò)方面的控制成了近年來研究的熱點(diǎn)。Wang和Chen等[11]作了初步嘗試，將控制策略首次應(yīng)用到無標(biāo)度復(fù)雜混沌動(dòng)態(tài)網(wǎng)絡(luò)中，由于BA網(wǎng)絡(luò)結(jié)構(gòu)具有非均勻行的特征，因此可以通過對(duì)網(wǎng)絡(luò)中少數(shù)節(jié)點(diǎn)進(jìn)行控制，最終達(dá)到網(wǎng)絡(luò)結(jié)構(gòu)穩(wěn)定性的目的。隨后，Li等[12]在復(fù)雜動(dòng)態(tài)網(wǎng)絡(luò)牽制控制方面，使用狀態(tài)反饋控制使系統(tǒng)達(dá)到平衡狀態(tài)，并且可以在不同的網(wǎng)絡(luò)耦合強(qiáng)度下驗(yàn)證得到的是系統(tǒng)漸進(jìn)穩(wěn)定的充分條件。Liu等[13]利用局部反饋控制給出連續(xù)離散時(shí)間的復(fù)雜網(wǎng)絡(luò)牽制控制結(jié)論。雖然以上這些關(guān)于控制方面的研究取得了很好的進(jìn)展，但是這些研究都是集中在復(fù)雜網(wǎng)絡(luò)系統(tǒng)方面，在網(wǎng)絡(luò)化軟件方面確鮮有涉及。
3 網(wǎng)絡(luò)化軟件多步控制算法
3.1相關(guān)定義
定義1(SIR模型)網(wǎng)絡(luò)化軟件系統(tǒng)里的節(jié)點(diǎn)分為三類：健康節(jié)點(diǎn)(S)、感染節(jié)點(diǎn)(I，隱含錯(cuò)誤節(jié)點(diǎn)，如內(nèi)存溢出等)和免疫節(jié)點(diǎn)(R)。在異常行為傳播初期，軟件系統(tǒng)中某些健康節(jié)點(diǎn)受到異常節(jié)點(diǎn)感染，并通過一定的概率將異常傳播到其鄰居節(jié)點(diǎn)。一旦S類節(jié)點(diǎn)被感染，則成為I類節(jié)點(diǎn)。這些I類節(jié)點(diǎn)又會(huì)變成新的感染源去感染其它節(jié)點(diǎn)。R類節(jié)點(diǎn)為免疫節(jié)點(diǎn)，是已經(jīng)恢復(fù)為健康節(jié)點(diǎn)并且獲得免疫能力的節(jié)點(diǎn)，在網(wǎng)絡(luò)化軟件系統(tǒng)里表現(xiàn)為不能被感染并且也不能感染其鄰居節(jié)點(diǎn)。
定義2(異常節(jié)點(diǎn)間故障傳播概率)異常節(jié)點(diǎn)間的故障傳播概率e(m，n)定義為：
當(dāng)擴(kuò)散比率小于某一閾值δ時(shí)，異常源點(diǎn)的擴(kuò)散對(duì)系統(tǒng)幾乎沒有影響，則免疫停止。
4 實(shí)驗(yàn)及分析
為了驗(yàn)證本文算法的有效性，需要進(jìn)行相關(guān)的實(shí)驗(yàn)分析。本文使用MATLAB仿真軟件分析了本文算法的有效性。
由于網(wǎng)絡(luò)化軟件具有較為復(fù)雜的網(wǎng)絡(luò)特性，本文只考慮網(wǎng)絡(luò)化軟件的無標(biāo)度網(wǎng)絡(luò)特性。又因?yàn)闊o標(biāo)度網(wǎng)絡(luò)的冪率參數(shù)與網(wǎng)絡(luò)結(jié)構(gòu)和性能特征具有較強(qiáng)的關(guān)聯(lián)性，本文實(shí)驗(yàn)取=2-3.5作為網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)。本文算法的免疫節(jié)點(diǎn)選擇方法，在確保免疫節(jié)點(diǎn)定位精度的前提下，極大降低了網(wǎng)絡(luò)的能量消耗，并且構(gòu)建了網(wǎng)絡(luò)免疫節(jié)點(diǎn)的最佳路徑。本文算法免疫效果的仿真結(jié)果如圖1所示：
圖1 從節(jié)點(diǎn)的能耗量方面考慮的免疫效果圖
穩(wěn)態(tài)感染率以及故障傳播速度是評(píng)估網(wǎng)絡(luò)免疫效果的指標(biāo)。因此本文在模型網(wǎng)絡(luò)以及實(shí)際網(wǎng)絡(luò)中進(jìn)行了仿真分析，用圖2描述。采用SIR模型，感染率v=0.03，回復(fù)率=0.01，只考慮網(wǎng)絡(luò)化軟件的無標(biāo)度網(wǎng)絡(luò)特性，N=1000，L=4000。仿真結(jié)果取50次的平均值。 圖2 無尺度網(wǎng)絡(luò)中免疫度
為了進(jìn)一步分析本文算法的免疫效果，實(shí)驗(yàn)對(duì)本文算法進(jìn)行了多次的仿真分析，獲取的平均統(tǒng)計(jì)結(jié)果如圖3所示。結(jié)果參數(shù)對(duì)本文算法有一定的影響，這是由無尺度網(wǎng)絡(luò)的特性決定的，越大，本文算法的免疫效果越好。
圖3 算法的解析值與仿真值比較
5 結(jié)束語
研究網(wǎng)絡(luò)化軟件異常行為的多步控制算法，對(duì)提高這種新型軟件系統(tǒng)的穩(wěn)定性和可靠性起重要作用。本文提出了一種基于網(wǎng)絡(luò)節(jié)點(diǎn)重要程度的多步控制算法，并給出了詳細(xì)的定義和計(jì)算方法。實(shí)驗(yàn)結(jié)果表明，該算法能夠準(zhǔn)確獲取網(wǎng)路化軟件系統(tǒng)中的免疫節(jié)點(diǎn)，達(dá)到控制異常行為傳播的目的。本算法的創(chuàng)新之處在于其填補(bǔ)了網(wǎng)絡(luò)化軟件在異常行為控制方面的空白，但是相對(duì)于復(fù)雜網(wǎng)絡(luò)中的一些免疫算法，在算法性能方面仍有很多不足之處。因此，如何改進(jìn)并且提高算法的性能是我們下一步亟待需要解決的問題。
參考文獻(xiàn)：
[1] 馬于濤，何克清，李兵，劉婧.網(wǎng)絡(luò)化軟件的復(fù)雜網(wǎng)絡(luò)特征實(shí)證[J].軟件學(xué)報(bào)，2011，22(3)：381-407.
[2] Yu L， Xue H，Gao X，et al.Epidemic spread model based on cellular automata[J].Computer Engineering and Aplications，2007，43(2)：196-237
[3] Gomez-Gardenes J， Echenique P， Moreno Y. Immunization of real complex communication networks[J].European Physical Journal B，2006，49(2)：259-264
[4] Gallos L K， Liljeros F， Argyrakis P， et al. Improving immunization strategies[J].Physical Review E(Statistical， Nonlinear， and Soft Matter Physics)，2007，75(4)：45104-1
[5] Eedǒs P， Rényi A. On the evolution of random graphs[J].Publ. Math. Inst. Hung. Acad. Sci， 1960， 5： 17～61.
[6] D.J. Watts， S. H. Strogatz. Collection dynamics of small-world networks[J]. Nature， 1998，393(6684)：440-442.
[7] A.-L. Barabási， R. Albert. Emergence of scaling in random networks[J].Science，1999，286(5439)：509-512.
[8] Pastor-Satorras， R， Vespignani， A. Epidemic Spreading in Scale-free Networks[J].Physical Review Letters， 2001， 86(14)：3200-3203.
[9] Eguiluz V M， Klemm， K.. Epidemic Threshold in Structured Scale-Free Netwoks[J]. Physical Review Letters， 2002，89(10)：108701.
[10] Moore C， Newman， M E J. Epidemics and Percolation in Small-world Network [J]. Physical Review E， 2000， 61(5)：5678-5682.
[11] Wang X F， Chen G. Pinning control of scale-free dynamical networks. Physica A， 2002，310 (3-4)：521-531.
[12] Li X， Wang X F， Chen G. Pinning a complex dynamical networks to its equilibrium. IEEE International Symposium on Circuit System-I，2004，51(10)：2074-2087.
[13] Liu Z X， Chen Z Q， et al. Pinning control of weighted general complex dynamical networks with time delay. Physica A，2007，375(1)：345-354.
[14] 彭成，楊路明，滿君豐.網(wǎng)絡(luò)化軟件異常行為傳播研究[j].電子學(xué)報(bào)，2013，41(10)：2074-2081
[15] 彭成，楊路明，滿君豐.網(wǎng)絡(luò)化軟件交互行為動(dòng)態(tài)建模[J].電子學(xué)報(bào)，2013，41(2)：314-320
【基于NNVD的網(wǎng)絡(luò)化軟件多步控制算法研究】相關(guān)文章：
研究軟件項(xiàng)目管理的控制03-06
UMTS上行速率控制算法研究03-07
基于雙環(huán)控制和重復(fù)控制的逆變器研究03-19
關(guān)于軟件項(xiàng)目管理的控制研究03-02
基于PARAMICS的感應(yīng)信號(hào)控制仿真研究03-07
基于內(nèi)部審計(jì)的內(nèi)部控制監(jiān)督研究03-23
基于LDPC碼保護(hù)的DWT數(shù)字水印算法研究03-07