基于盲均衡算法的网络大数据异常节点检测.pdf

2 0 2 4年2期1 7 1 2 0 2 4年第4 6卷第2期基于盲均衡算法的网络大数据异常节点检测孙真真 高洪坤作者简介:孙真真(1 9 9 3-),硕士,助教,研究方向为数据挖掘、人工智能;高洪坤(1 9 7 9-),本科,副教授,研究方向为网络系统集成。(沧州交通学院 河北 沧州1 6 1 1 0 0)摘 要 网络大数据具有复杂性、多样性,其在流动期间容易出现异常节点。工作人员需采用智能性能检测的方式,才能减少网络故障问题的发生。相关部门基于网络大数据提出了异常节点的检测方法,采用传感序列采集模型,应用盲均衡算法提取网络环境中的噪声均值,以展现网络大数据异常节点的特征。基于此,文中结合实际,简要分析了盲均衡算法,阐述了基于盲均衡算法的网络大数据异常节点检测方法,以期为相关部门的工作提供支持。关键词:盲均衡算法;网络大数据;异常节点检测中图分类号 T N 9 1 5.0 8A n o m a l o u sN o d eD e t e c t i o no fN e t w o r kB i gD a t aB a s e do nB l i n dE q u a l i z a t i o nA l g o r i t h mS UNZ h e n z h e na n dG AO H o n g k u n(C a n g z h o uJ i a o t o n gC o l l e g e,C a n g z h o u,H e b e i 1 6 1 1 0 0,C h i n a)A b s t r a c t N e t w o r kb i gd a t ah a s c o m p l e x i t ya n dd i v e r s i t y,a n d i t i sp r o n e t oa b n o r m a l n o d e sd u r i n g t h e f l o w.S t a f f n e e d t oa d o p t i n t e l l i g e n tp e r f o r m a n c ed e t e c t i o nm e t h o d st or e d u c et h eo c c u r r e n c eo fn e t w o r kf a i l u r ep r o b l e m s.R e l e v a n td e p a r t-m e n t sh a v ep r o p o s e dad e t e c t i o nm e t h o df o ra b n o r m a l n o d e sb a s e do nn e t w o r kb i gd a t a,u s i n gas e n s o r s e q u e n c ea c q u i s i-t i o nm o d e l,a n da p p l y i n gab l i n de q u a l i z a t i o na l g o r i t h mt oe x t r a c t t h em e a nn o i s e i n t h en e t w o r ke n v i r o n m e n t t os h o wt h ec h a r a c t e r i s t i c so f a b n o r m a l n o d e s i nn e t w o r kb i gd a t a.B a s e do n t h i s,t h i s p a p e r b r i e f l ya n a l y z e s t h eb l i n de q u a l i z a t i o na l g o-r i t h mc o m b i n e dw i t hp r a c t i c e,a n de x p o u n d s t h en e t w o r kb i gd a t aa b n o r m a l n o d ed e t e c t i o nm e t h o db a s e do nt h eb l i n de-q u a l i z a t i o na l g o r i t h m,i no r d e r t op r o v i d es u p p o r t f o r t h ew o r ko f r e l e v a n td e p a r t m e n t s.K e y w o r d s B l i n de q u a l i z a t i o na l g o r i t h m,N e t w o r kb i gd a t a,A b n o r m a l n o d ed e t e c t i o n0 引言当前,各部门提高了对互联网的要求,使相关部门更加重视网络安全风险。而只有提高对网络大数据异常节点的关注度,减少网络信道中的码间干扰,才能提升网络通信质量。工作人员可以通过检索目标、确认信道位置,实行通信补偿及线性修正操作,以提高数据的传输效率。同时,盲均衡算法可以支持网络大数据异常节点检测工作,防止用户在网络空间内受到恶意攻击。一旦系统出现异常,工作人员就可及时处理,准确定位异常点并完成优化配置。1 盲均衡算法1.1 盲均衡系统模型应用盲均衡算法的基本构思如下。设置一个代价行数,根据网络系统环境的要求,让代价函数取最小值,使其采用自适应算法,计算出该值的极值点。当代价函数达到最大极值点后,可辅助理想系统的运行1。若x(n)为理想序列,工作人员需了解盲均衡条件,增加盲均衡器的应用,得到非线性的函数g()。此时,x(n)=gx(n)。若检测者以x(n)替代x(n),其中的线性关系则会出现差异,因此可根据x(n)的序列变化情况,增加信道响应函数h(n),设置可供其观测的接受信号y(n),并将x(n)比作盲均衡其内的输出信号。如此,工作人员可通过盲均衡的原理,创建出系统模型。若此时只考虑信道对输入信号的作用,则如式(1)所示:y(n)=x(n)h(n)+n(n)(1)其中,n(n)表示信道内的高斯噪声,其通常以叠加的形式出现。x(n)也会发生变化,如式(2)所示:x(n)=w(n)y(n)(2)其中,w(n)为均衡其内的冲激响应函数。工作人员使用盲均衡算法的目的如式(3)所示:x(n)=x(n-M)ej(3)1 7 2 2 0 2 4年2期其中,e表示可变参数;M表示整数在网络环境中发生的时延;表示常数位移。为使均衡器达到目的,工作人员需加强对其的设计并成立新的等式,如式(4)所示:w(n)h(n)=(n-M)ej(4)其中,表示传递函数。通过盲均衡算法的应用,可得出最小的代价函数,确保所得到的参数能应用于网络环境中。同时,可采用恒模算法,在均衡器内施加抽头权量,使其依靠盲均衡算法完成系统的自适应,从而保证在滤波器输入及输出信号时不会出现误差,方便其得到最小的期望响应函数。如此,工作人员可以将x(n)应用到传输信道中,施加n(n),并通过y(n)的应用,让信号作用到横向滤波器内,使其成为一种非线性的函数,或采用LM S自适应算法,完成信号的传递及输出,辅助创建盲均衡系统模型,从而增加其在网络环境中的适应性2。1.2 发射信号通过应用盲均衡算法,可将a(n)比作一个实信号。按照网络中数据的运行要求,可以分析其统计特性并规划出a(n)在序列中的有限符号集,使它能在系统中平稳地分布。如此,则可确认其中的零均值以及单位方差,如式(5)所示:Ea(n)=0,E(a(n)(a(m)=1,n=m0,nm(5)其中,E 为数学期望,工作人员为保证a(n)以对称的情况出现,可将其确认为是一种概率密度函数,以保证在信号输出时,各项数据内容能服从分布要求。而对于复信号f(a)而言,其虚部及实部要求都应满足,如式(6)所示:f(a)=1/2 3,3a(6)其中,若f(a)=0,则保持稳定状态,不会对信号的输入及输出造成影响。如此,工作人员可依靠盲均衡算法,执行信号的发射操作,以满足信道的输出要求3。2 基于盲均衡算法的网络大数据异常节点检测方法2.1 网络大数据异常节点定位及预处理为保证数据信息在网络环境中的合理应用,工作人员需应用分类的检测方式,检测异常节点,然后创建出数据采集模型,以便其掌握数据节点之间的关联4。同时,其可应用融合关联的规则,通过模糊关联对策,实现对网络渠道内模型内容的挖掘。通过生成初始框架,可在网络环境中增加节点信息并圈出节点的自适应范围,确认网络大数据与其关联信息的衔接情况。如此,检测者可对异常节点进行准确的定位和处理5。2.1.1 创建初始框架操作人员可通过初始框架的创建,了解数据源的分布,增加对网络环境内异常节点的空间分布情况的了解,使其在保证自身网络识别能力的基础上,精准定位并将网络大数据节点与初始框架相结合,实现对数据内容的有序采集。工作人员可以通过模糊关联规则,充分挖掘网络渠道内的信息内容,然后确认节点信息流感测中的内容是否需要更新,在保证数据资源维持最优状态后,进行下一步处理。如此,工作人员可列出传感序列的采集模型,执行对有用数据的搜索与更新,让符合要求的数据内容进入空间调度串口,以便其确认局部网络的数据节点。其中,输入信号G=V,C,而工作人员也可通过模糊关联规则,列出此时挖掘模型的表达式,如式(7)所示:p=1Zqt(s)y-1h(7)其中,z为基于关联原则的网络随机部署条件;q为实行综合调度期间的时长;y为模型的接收功率;为网络渠道内数据的传输效率;t为网络空间内的载波频率;s为相邻节点之间的欧氏距离;h为相邻两个异常节点之间的关联程度。工作人员为圈出节点信号流感测的具体区域范围,也可完成计算,如式(8)所示:L=1In2i0e x p-f 2i j(i)+R(u)(8)其中,为网络渠道内数据包的传输时间;2i j为时间序列;u 为两个临近节点的连接权值;R为相同空间内信号的嵌入维度;-f为汇聚节点之间的关联维数。2.1.2 节点去噪工作人员也可采用节点去噪的方式,根据节点信号流感测的区间范围,确认数据节点在运行期间存在的分量,确认其中的高斯白噪声。然后,可适当地投入训练样本,以完成下一步的检测。例如,为得到精准的结果,工作人员需在执行分类训练前,分析样本并采用DHA去噪算法,对网络大数据的节点进行去噪处理,保证得到的网络感知数据准确无误。这种方式不仅可以去除不同网络环境、不同密度之间的节点,更可以节约数据传输能量。即使此刻工作人员需面对的噪声环境较为恶劣,其也可通过精准的判断,掌握网络大数据节点是否损坏,确认其所在位置。同时,工作人员可以在保证数据包质量的前提下,执行去噪处理。此外,其可掌握网络大数据节点的分布,应用DHA去噪算法提升节点的置信度,即便网络空间内存在孤立节点,工作人员也可通过噪声均值,掌握网络感知数据所在的范围。例如,通过使用K a l m a n滤波器,强化网络空间内数据内容的置信度,让数据在流动期间产生的噪声不超出前期的给定范围。工作人员可以应用去噪处理的方式,实现对数据节点的优化,得到节点置信度的计算式,如式(9)所示:K=q*i j-si-mr(9)其中,q*i j为网络环境内正态分布的节点识别率;si-m为网络环境内的节点个数,其常以孤立状态出现;r为可测的置信度区间。移动信息2 0 2 4年2期1 7 3 同时,工作人员可以结合网络空间的运维情况,确认其中的给定系数,在完成去噪操作后,确认异常节点的通信能量,以增加其在网络大数据异常节点定位及预处理工作中的支持。2.1.3 预处理检测者需应用图滤波器的综合性对信号进行预处理操作,以优先确认网络环境中图像信号的高频分量,结合异常节点的变化情况,确认高频分量在时域中的变化情况,使其应用异常检测的方式,掌握邻接节点与异常节点之间的差异。结合该空域特征,可执行对异常节点的检测工作,也可列出矩阵,采用最小化组带能量及通带矢量,确认多项式系数(h)。然后,检测者可应用盲均衡算法,确认多项式的滤波器,如式(1 0)所示:H=Ki=0hkLk(1 0)其中,K为滤波器的阶数,L为可变系数。此时,为完成预处理操作,工作人员可以确认空域残差及时域残差,以精准预判网络中的异常节点,确认测量数据变化点,从而实现对其的处理。2.2 计算异常节点间的密度在网络空间中,大数据异常节点常以分散的状态出现,因此工作人员为充分掌握不同节点之间的分布关系,需增加对网络信息堵塞状况的了解,确认网络环境中通信能量的消耗情况,再应用DHA去噪算法,确认网络环境中的控制节点。同时,工作人员可采用盲均衡算法,将数据点分为多个类别,逐一检测单个类别内所含的数据点,确认异常节点,从而简化通信路径并拓展邻接信道的运维渠道,防止过量通信问题的发生。(1)工作人员可采用模拟通信的方式,为均衡器分类,准确定位数据流动期间出现的异常节点,也可根据信道特性的变化情况,了解码间产生的干扰,弥补信道中的缺陷,减少或消除码间干扰。为方便工作人员检测异常节点的活跃个数,可采用额外消耗及节点划分的方式,列出多组矩阵,使其可分批次地提升矩阵的置信度。(2)操作员可优化K a l m a n滤波器,在满足网络环境置信度要求的前提下,辅助生成大数据异常节点矩阵,让工作人员在优化大数据节点后,列出异常节点通信路径的限制式,确认异常节点间的密度值,如式(1 1)所示:C=mi+mj/-u2(1 1)其中,mi为数据节点在通信时的频率分量;mj为两个邻接节点中的连接率;-u2为节点通信时历史时刻与当前频率分量的差值。2.3 智能检测异常节点工作人员可采用盲均衡算法,以均衡器为主,分析网络信道中的数据传输情况,并采用非线性的信道修正方法,使网络环境中的最大相位和最小相位保持均衡状态。如此,可全方位分析异常节点所在位置并对其进行修正,以防止网络大数据在运行期间发生异常,使工作人员利用盲均衡算法,捕捉异常节点的基本特征,以夯实数据的运维基础。(1)工作人员应提高对盲均衡算法信道均衡的重视,根据当前的网络情况,提取重要的数据内容。其基于信道传输的层面,可以严格把控各个节点,然后采用任意控制节点的方式,了解异常节点贴近信道时产生的变化,以充分发挥盲均衡算法的约束作用,提高当前网络的收敛速度,保证其全局统一性。(2)节点检测者可在信道中增加加权因子,以便其观察加权因子的变化情况,分析其可变程度、非可变程度等。逐一标注异常节点,使其采用均衡控制的方式,确认大数据异常节点的基础标准。同时,可遵循信道的传输原理列出式子,如式(1 2)所示:M=xi j(n)-(1 2)其中,xi j为误码率;n为信道中的权值;为信道传输期间的操作算子。(3)工作人员可以分析网络环境中节点之间的邻近度,了解对象之间的定义,确认邻近性度量。如此,异常对象就会远离其他对象,以便工作人员根据系统的异常状态,执行数据集的假设工作。例如,其可根据网络环境中异常节点的正态分布情况,用分布式N(,)表示。其中,值和可作为均值及标准差。在数据运行期间,若异常节点落在3个内,其占据的概率为0.2 7%;而其落在4个意外的区域概率为0.0 1,甚至有不存在的可能性。因此,工作人员在判定异常节点时,标准是固定的,而在检测异常节点时,应确认其中的马氏距离并应用KNN算法,实现对其的异常检测。例如,若网络大数据异常节点以多维度的状态出现,工作人员则可确认其中的数据集为D。其采用均衡向量的假设方式,将其他对象确认为x,则可基于x分析异常节点的数据均值,计算出异常节点的马氏距离,如式(1 3)所示:(x,x)=(x-x)s-1(x,x)T(1 3)其中,x不仅作为其他对象,还可作为数据集中的一个元素;x表示数据均值;s-1表示异常节点的协方差矩阵。如此,工作人员可以结合大数据异常节点之间的马氏距离与异常节点的发生概率,在其中增加常数,精准地排序异常节点,以便工作人员对其进行智能检测。此时,也可通过盲均衡算法,实现对异常节点的检测,如式(1 4)所示:V=(k1)2-(k2)2/2(1 4)其中,k1为盲均衡中的实数编码;k2为异常节点的最大适应值。工作人员在执行异常检测时,可创建统计模型,利用异常节点检测技术,整合网络环境中的全部数据,生成一个完整的数据模型。因为其中的异常节点无法与模型完美拟合,所以工作人员可以轻易地确认其位置。2.4 仿真测试检测者可开展仿真测试,通过盲均衡算法检测大数据异常节点。可选用x(n)为发送序列,设置Q P S K信号并让移动信息1 7 4 2 0 2 4年2期h(n)作为存在码间干扰的复信道。如此,其可通过特定值的确认,检索信道传输时产生的高斯噪声,以开展仿真测试。例如,检测者取初始相位是/4,根据信道的状态设置步长因素为0.0 0 1,设置均衡器系数2 1个,应用计算机模拟的方式,检索信号变化情况,以判断异常节点位置。通过单数据分组、I P编址设置的方式,防止无线频点间发生碰撞干扰,以实现对节点信号值的追踪,处理异常节点。3 结语由于网络规模较大,为保障人们的用网安全,应降低异常节点对网络环境造成的影响,应用盲均衡算法来检测网络大数据异常节点,实现对其的定位及预处理。此外,检测者需计算异常节点间的密度,开展智能检测异常节点工作,并通过仿真测试,对其进行实时监控,规避网络安全风险。参考文献1符太东,刘松旭,李育强.基于盲均衡算法的网络大数据异常节点检测J.计算机仿真,2 0 2 3,4 0(7):4 6 2-4 6 6.2陈阳.基于小波神经网络的光纤网络大数据异常负载检测方法J.激光杂志,2 0 2 3,4 4(5):1 2 3-1 2 7.3吕佳璇.基于B P神经网络的大数据服务型企业价值评估研究D.南昌:江西财经大学,2 0 2 2.4郑美容.基于C UR矩阵分解的网络异常大数据检测算法J.黄河科技学院学报,2 0 2 2,2 4(2):2 6-3 0.5张文彬,陈文,张立彬.网络大数据系统运营体系研究J.现代信息科技,2 0 2 1,5(2 2):7 1-7 4,7 8.(上接第1 7 0页)利用三维战场环境图像数据库,通过战场场景、作战背景、作战人员等信息,为训练员创建真实的三维战场环境,增强他们的存在感和训练效果。(2)单兵模拟训练,可以模拟真实的战场环境,进行作战训练。士兵可使用各种传感器,选择不同的虚拟战场环境,体验不同的作战效果,以提高他们的战术水平和心理素质。(3)近战战术训练,对接陆、空、野战火炮等综合战术训练系统,多军种部队参与作战模拟,减少区域因素的限制,达到动态交互分布的效果。(4)在高技术武器研制过程中,灵活应用虚拟现实技术干预试验过程,可缩短研制周期,合理评估其作战效能。利用虚拟现实技术对武器的设计、性能指标和作战可行性进行测试,还可以降低武器研制的成本。2.5 应用于工业技能培训领域我国工业正处于去产能的发展阶段,对技术人员的技能水平要求较高,这也导致了技能培训模式的转变。将虚拟现实技术应用于工业技能培训领域,可以降低培训成本,增强培训效果。利用虚拟现实技术,可建立设备显示程序,帮助工作人员了解设备故障的具体情况和位置,从而便于相关工作的顺利进行。3 发展计算机虚拟现实技术的对策3.1 合理进行战略规划计算机虚拟现实技术在许多领域都有着广泛的应用前景。因此,需要做好技术与产业融合的战略规划和顶层设计,使发展路径更加清晰,促进虚拟现实产业的稳步发展。3.2 实现产业化发展应在政策的引导下,在产学研的支持下,积极解决技术瓶颈问题。积极研发创新技术产品,拓展产业经济效益空间。虚拟现实产业已整合 中国制造2 0 2 5 等发展计划,以加强虚拟现实技术的应用和推广。引入更多的社会资本,整合技术团队和企业,在虚拟现实技术的开发和创新中,创造更多的就业机会,促进关键技术产品的研发和产业化。建立虚拟现实产业合作平台,优化人才配置,实现产业链合作,形成技术开发、内容生产和售后服务为一体的产业体系2。3.3 完善标准体系促使虚拟现实产业向国际标准靠拢,使我国自主知识产权技术成为国家标准。相关企业应加强与社会组织的联系,尽快发布集团标准,为该技术的有效应用提供保障。完善技术、产品及相关系统的评估,不断提高虚拟现实产品的质量。3.4 把握时代机遇为促进虚拟现实技术的发展与成熟,必须与时俱进,积极改变集成电脑等虚拟现实产品的形式,促进产品的更新换代。为解决智能化程度低、缺乏芯片等核心问题,还应不断加强主流虚拟现实产品的开发力度3。4 结语计算机虚拟现实技术在医学、教育等领域中有着广泛的应用。为了拓展虚拟现实产业的利益空间,应不断促进虚拟现实技术、相关产品的创新和发展,对关键技术进行广泛的研究,使我国的虚拟现实产业跟上国际发展的潮流。参考文献1吕细巧.计算机虚拟现实关键技术及其应用研究J.科技资讯,2 0 2 1,1 9(3 3):1-3.2刘之瑾.计算机虚拟现实技术的应用研究J.山海经:教育前沿,2 0 2 1(6):1-2.3张瑞.计算机技术在虚拟现实技术中的应用研究J.缔客世界,2 0 2 1(5):1 8 8.移动信息