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 )化軟件系統規模的增大不僅增加了理解和優(yōu)化系統的難度，而且一個(gè)小的異常就有可能引發(fā)整個(gè)系統的崩潰。因此，針對網(wǎng)絡(luò )化軟件系統的異常行為，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，該算法從節點(diǎn)路徑長(cháng)度范圍的角度去研究異常行為傳播的局域控制，通過(guò)網(wǎng)絡(luò )化軟件節點(diǎn)的重要程度選擇控制節點(diǎn)，分析了在無(wú)標度網(wǎng)絡(luò )軟件系統中進(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(zhù)Internet的發(fā)展以及計算機Internet網(wǎng)絡(luò )和自動(dòng)控制技術(shù)在經(jīng)濟、社會(huì )和國防等領(lǐng)域的信息化應用，軟件系統呈現出兩個(gè)轉變：(1)軟件運行平臺從集中、封閉單機環(huán)境向開(kāi)放、動(dòng)態(tài)和多變網(wǎng)絡(luò )環(huán)境轉變;(2)軟件系統的功能向各種應用領(lǐng)域和為大眾用戶(hù)提供綜合服務(wù)轉變。這使得軟件系統呈現出網(wǎng)絡(luò )化的新特征，軟件的規模和復雜性劇增。對于網(wǎng)絡(luò )化軟件而言，我們面對的不單單是像Internet這樣的單個(gè)網(wǎng)絡(luò )和系統，而是一個(gè)系統的系統。由群體用戶(hù)行為驅動(dòng)的各層元素間的錯綜復雜的聯(lián)系和交互，構成了一個(gè)龐大而又復雜的網(wǎng)，確切地說(shuō)是一個(gè)動(dòng)態(tài)變化的多尺度網(wǎng)絡(luò )的網(wǎng)絡(luò )，而且其中的節點(diǎn)(既可以是路由器、網(wǎng)頁(yè)、web服務(wù)，也可以是用戶(hù)或者agent)和邊的含義不盡相同。因此，網(wǎng)絡(luò )化軟件系統中的任何節點(diǎn)發(fā)生故障，都有可能引發(fā)多米諾效應，最終導致系統崩潰[1]。據此，研究網(wǎng)絡(luò )化軟件局域范圍內的多步控制方法刻不容緩，以期在系統崩潰之前對其進(jìn)行多步控制，維持系統穩定正常的運行。

　　目前，復雜網(wǎng)絡(luò )中的三種典型的免疫控制算法包括random immunization(隨機免疫)策略[2]、targeted immunization(目標免疫)策略[3]和acquaintance immunization(熟人免疫)策略[4]。隨機免疫指為了預防控制病毒的擴散，隨機地選擇網(wǎng)絡(luò )中的部分節點(diǎn)并對其進(jìn)行免疫，此種策略沒(méi)有考慮網(wǎng)絡(luò )節點(diǎn)間的差異性，網(wǎng)絡(luò )中的所有節點(diǎn)被同等看待，節點(diǎn)被選中的概率是相同的。但是在無(wú)標度網(wǎng)絡(luò )中采用隨機免疫策略需要對網(wǎng)絡(luò )中幾乎所有的節點(diǎn)進(jìn)行免疫，這在現實(shí)的復雜網(wǎng)絡(luò )中，幾乎是不可能的。目標免疫是依據無(wú)標度網(wǎng)絡(luò )中度分布的不均勻性，順序地選擇部分度大的節點(diǎn)并對其進(jìn)行免疫。一旦這些度大的節點(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 )的拓撲和網(wǎng)絡(luò )中節點(diǎn)的度。因此，對于一些規模較大的動(dòng)態(tài)網(wǎng)絡(luò )來(lái)說(shuō)也是不現實(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 )的拓撲結構和全局信息，其目的在于找出度數大的節點(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)，然后對異常源點(diǎn)周?chē)�的各鄰居節點(diǎn)的重要程度進(jìn)行計算，選出重要度大的節點(diǎn)依次進(jìn)行免疫。在異常源點(diǎn)周?chē)�一定的距離范圍內對異常源點(diǎn)進(jìn)行局域控制，從而控制異常行為在網(wǎng)絡(luò )化軟件系統中的蔓延。最后，通過(guò)仿真實(shí)驗對本文的算法進(jìn)行認證，證明了該算法的準確性和有效性，為后續的工作提供了理論基礎。

　　2 相關(guān)工作

　　近年來(lái)，國內外學(xué)者都以已有的ER隨機網(wǎng)絡(luò )(Random network)[5]、WS小世界網(wǎng)絡(luò )(Small world network)[6]和BA無(wú)標度網(wǎng)絡(luò )(Scale-free network)[7]等復雜網(wǎng)絡(luò )模型為依托來(lái)研究病毒傳播的規律。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。在復雜的網(wǎng)絡(luò )系統中，為了更好的理解網(wǎng)絡(luò )結構與網(wǎng)絡(luò )性能之間的關(guān)系，復雜網(wǎng)絡(luò )方面的控制成了近年來(lái)研究的熱點(diǎn)。Wang和Chen等[11]作了初步嘗試，將控制策略首次應用到無(wú)標度復雜混沌動(dòng)態(tài)網(wǎng)絡(luò )中，由于BA網(wǎng)絡(luò )結構具有非均勻行的特征，因此可以通過(guò)對網(wǎng)絡(luò )中少數節點(diǎn)進(jìn)行控制，最終達到網(wǎng)絡(luò )結構穩定性的目的。隨后，Li等[12]在復雜動(dòng)態(tài)網(wǎng)絡(luò )牽制控制方面，使用狀態(tài)反饋控制使系統達到平衡狀態(tài)，并且可以在不同的網(wǎng)絡(luò )耦合強度下驗證得到的是系統漸進(jìn)穩定的充分條件。Liu等[13]利用局部反饋控制給出連續離散時(shí)間的復雜網(wǎng)絡(luò )牽制控制結論。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雜網(wǎng)絡(luò )系統方面，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 )化軟件系統里的節點(diǎn)分為三類(lèi)：健康節點(diǎn)(S)、感染節點(diǎn)(I，隱含錯誤節點(diǎn)，如內存溢出等)和免疫節點(diǎn)(R)。在異常行為傳播初期，軟件系統中某些健康節點(diǎn)受到異常節點(diǎn)感染，并通過(guò)一定的概率將異常傳播到其鄰居節點(diǎn)。一旦S類(lèi)節點(diǎn)被感染，則成為I類(lèi)節點(diǎn)。這些I類(lèi)節點(diǎn)又會(huì )變成新的感染源去感染其它節點(diǎn)。R類(lèi)節點(diǎn)為免疫節點(diǎn)，是已經(jīng)恢復為健康節點(diǎn)并且獲得免疫能力的節點(diǎn)，在網(wǎng)絡(luò )化軟件系統里表現為不能被感染并且也不能感染其鄰居節點(diǎn)。

　　定義2(異常節點(diǎn)間故障傳播概率)異常節點(diǎn)間的故障傳播概率e(m，n)定義為：

　　當擴散比率小于某一閾值δ時(shí)，異常源點(diǎn)的擴散對系統幾乎沒(méi)有影響，則免疫停止。

　　4 實(shí)驗及分析

　　為了驗證本文算法的有效性，需要進(jìn)行相關(guān)的實(shí)驗分析。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 )化軟件具有較為復雜的網(wǎng)絡(luò )特性，本文只考慮網(wǎng)絡(luò )化軟件的無(wú)標度網(wǎng)絡(luò )特性。又因為無(wú)標度網(wǎng)絡(luò )的冪率參數與網(wǎng)絡(luò )結構和性能特征具有較強的關(guān)聯(lián)性，本文實(shí)驗取=2-3.5作為網(wǎng)絡(luò )結構參數。本文算法的免疫節點(diǎn)選擇方法，在確保免疫節點(diǎn)定位精度的前提下，極大降低了網(wǎng)絡(luò )的能量消耗，并且構建了網(wǎng)絡(luò )免疫節點(diǎn)的最佳路徑。本文算法免疫效果的仿真結果如圖1所示：

　　圖1 從節點(diǎn)的能耗量方面考慮的免疫效果圖

　　穩態(tài)感染率以及故障傳播速度是評估網(wǎng)絡(luò )免疫效果的指標。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，回復率=0.01，只考慮網(wǎng)絡(luò )化軟件的無(wú)標度網(wǎng)絡(luò )特性，N=1000，L=4000。仿真結果取50次的平均值。 　　圖2 無(wú)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)驗對本文算法進(jìn)行了多次的仿真分析，獲取的平均統計結果如圖3所示。結果參數對本文算法有一定的影響，這是由無(wú)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 結束語(yǔ)

　　研究網(wǎng)絡(luò )化軟件異常行為的多步控制算法，對提高這種新型軟件系統的穩定性和可靠性起重要作用。本文提出了一種基于網(wǎng)絡(luò )節點(diǎn)重要程度的多步控制算法，并給出了詳細的定義和計算方法。實(shí)驗結果表明，該算法能夠準確獲取網(wǎng)路化軟件系統中的免疫節點(diǎn)，達到控制異常行為傳播的目的。本算法的創(chuàng )新之處在于其填補了網(wǎng)絡(luò )化軟件在異常行為控制方面的空白，但是相對于復雜網(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(wèn)題。

　　參考文獻：

　　[1] 馬于濤，何克清，李兵，劉婧.網(wǎng)絡(luò )化軟件的復雜網(wǎng)絡(luò )特征實(shí)證[J].軟件學(xué)報，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(mǎn)君豐.網(wǎng)絡(luò )化軟件異常行為傳播研究[j].電子學(xué)報，2013，41(10)：2074-2081

　　[15] 彭成，楊路明，滿(mǎn)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，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)控制和重復控制的逆變器研究03-19

關(guān)于軟件項目管理的控制研究03-02

基于PARAMICS的感應信號控制仿真研究03-07

基于內部審計的內部控制監督研究03-23

基于LDPC碼保護的DWT數字水印算法研究03-07

基于802.11a的信道估計算法設計與研究03-07

基于DCT變換域自適應水印算法的研究03-07