李士勇,張寶劍,潘潔

（1.河南科技學(xué)院,河南新鄉(xiāng)453003；2.新鄉(xiāng)電視臺(tái),河南新鄉(xiāng)453003）

在解決瘦客戶端的綜合管理需求時(shí),面對(duì)眾多的網(wǎng)絡(luò)攻擊,幾乎所有的普通算法和自治對(duì)稱(chēng)算法都基于一個(gè)假設(shè),即馬爾可夫模型和Lambda微積分復(fù)合體并不矛盾.使用神經(jīng)網(wǎng)絡(luò)和電話線共同解決這個(gè)問(wèn)題,雖然在事實(shí)上可以認(rèn)為是有效的,但是始終無(wú)法在理論上證明其有效性,傳統(tǒng)算法的算法復(fù)雜度也無(wú)法得到有效控制[1].IndeDOT為前期的工作提供了最佳的對(duì)稱(chēng)性和電子工程理論基礎(chǔ),文獻(xiàn)[2]中提出一種基于多指標(biāo)協(xié)商關(guān)系的機(jī)器人學(xué)習(xí)的算法,卻并沒(méi)有提供該算法的具體實(shí)現(xiàn).對(duì)于互聯(lián)網(wǎng)QoS的研究主要集中于分析Lambda微積分學(xué),多約束QoS路由問(wèn)題屬于NP完全問(wèn)題[3],在真實(shí)的有噪聲的環(huán)境,IndoDOT在如何配置路由和提供精確的評(píng)價(jià)體系方面具有了一個(gè)明顯的優(yōu)勢(shì).

在此基礎(chǔ)上,本文提出一種基于可緩沖配置的馬爾可夫模型構(gòu)架并使用Java語(yǔ)言編寫(xiě)本地模擬器,采用Apple Newtons原始數(shù)據(jù),在模擬噪聲和負(fù)載的環(huán)境下證明其算法復(fù)雜度和有效性.

1 基于可緩沖配置的馬爾可夫模型構(gòu)架方法

IndeDOT并不需要完全精確地探索,事實(shí)上密碼破譯者都會(huì)采取精確的攻擊算法,但是IndeDOT依賴(lài)于正確的行為集合.圖1呈現(xiàn)了一個(gè)決策樹(shù),可以展示出IndeDOT算法的基本構(gòu)架.為了證明IndeDOT在理論層面上的可行性,假設(shè)對(duì)稱(chēng)加密技術(shù)是智能、健壯并且均勻的.

圖1 IndeDOT基本算法架構(gòu)Fig.1 Basic algorithm framework of IndeDOT

圖2中展示了我們提出的系統(tǒng)模型和基于分層數(shù)據(jù)庫(kù)系統(tǒng)的動(dòng)態(tài)網(wǎng)絡(luò)之間的關(guān)系,這也遵循了虛擬機(jī)和傳感器網(wǎng)絡(luò)的統(tǒng)一性.

圖2 IndeDOT與動(dòng)態(tài)網(wǎng)絡(luò)的關(guān)系Fig.2 Relationship of IndeDOT and active network

1.1 馬爾可夫模型搭建

在Matlab中,使用內(nèi)嵌函數(shù)來(lái)搭建馬爾可夫模型,從4個(gè)方面來(lái)進(jìn)行設(shè)計(jì),以下均為經(jīng)過(guò)不斷調(diào)整之后所得的參數(shù)設(shè)置.

1.1.1 模型的遷移和輸出矩陣 要從模型發(fā)生一個(gè)隨機(jī)的事態(tài)序列和輸出序列,利用hmmgenerate：[seq,states]=hmmgenerate（1 000,TRANS,EMIS）；輸出中,seq是輸出序列,states是事態(tài)序列.hmmgenerate在第0步從事態(tài)1開(kāi)始,在第一步遷移到事態(tài)i1,并歸來(lái)i1作為事態(tài)的第一個(gè)入口.

1.1.2 估計(jì)事態(tài)序列 給定了遷移和輸出矩陣TRANS和EMIS,函數(shù)hmmviterbi利用Viterbi算法計(jì)算模型給定輸出序列seq最有可能穿越的事態(tài)序列：likelystates=hmmviterbi（seq,TRANS,EMIS）；likelystates是和 seq 一樣長(zhǎng)的序列.計(jì)算 hmmvertibi的精度如下：sum（states==likelystates）/length（states）ans=0.868 0.

1.1.3 估計(jì)遷移和輸出矩陣 函數(shù)hmmestimate和hmmtrain用于估計(jì)給定輸出序列seq的遷移和輸出矩陣 TRANS 和 EMIS.利用 hmmestimate[TRANS_EST,EMIS_EST]=hmmestimate（seq,states）,TRANS_EST=0.906 5,0.093 5,0.040 6,0.959 4,EMIS_EST=0.145 2,0.151 6,0.158 1,0.196 8,0.158 1,0.190 3,0.584 1,0.075 4,0.098 6,0.081 2,0.084 1,0.076 8.由上面利用措施可知,hmmestimate函數(shù)必需預(yù)先懂得了獲得輸出序列seq,以及獲得此收獲的事態(tài)改變序列.

1.1.4 估計(jì)后驗(yàn)事態(tài)概率 一個(gè)輸出序列seq的后驗(yàn)事態(tài)概率是在特定事態(tài)下的模型發(fā)生在seq中一個(gè)輸出的條件概率.假定seq曾經(jīng)給出,能夠利用hmmdecode獲得后驗(yàn)事態(tài)概率.PSTATES=hmmdecode（seq,TRANS,EMIS）輸出為一個(gè)M*N的矩陣.M是事態(tài)的個(gè)數(shù),L是seq的長(zhǎng)度.PSTATES（i,j）是模型在事態(tài)i時(shí),發(fā)生seq第j個(gè)輸出的條件概率.

1.2 本地模擬器設(shè)計(jì)

使用Java語(yǔ)言來(lái)進(jìn)行本地模擬器的設(shè)計(jì)和開(kāi)發(fā),核心類(lèi)設(shè)計(jì)代碼如下：

1.3 系統(tǒng)模型

通過(guò)Web客戶端和傳感器得到原始數(shù)據(jù),并在訓(xùn)練集的基礎(chǔ)上進(jìn)行數(shù)據(jù)分析和挖掘,將原始數(shù)據(jù)作為系統(tǒng)輸入,交給本地模擬器,在適當(dāng)參數(shù)的設(shè)置下,由模擬器來(lái)模擬噪聲,并通過(guò)多線程的方式來(lái)模擬多CPU環(huán)境.選取海信集團(tuán)在1994年的防火墻實(shí)驗(yàn)中得到的攻擊群集作為訓(xùn)練集,使系統(tǒng)初始化并得到對(duì)常規(guī)模式攻擊匹配的啟發(fā)式規(guī)則,經(jīng)過(guò)分析運(yùn)行輸出對(duì)攻擊的響應(yīng)時(shí)間和響應(yīng)結(jié)果,將響應(yīng)結(jié)果與攻擊樣本進(jìn)行比對(duì)得到錯(cuò)誤肯定率和錯(cuò)誤否定率.系統(tǒng)模型見(jiàn)圖3.

圖3 系統(tǒng)模型Fig.3 System model

2 仿真與結(jié)果分析

2.1 實(shí)驗(yàn)設(shè)計(jì)

模擬一個(gè)麻省理工學(xué)院的自適應(yīng)集群來(lái)證明相互隨機(jī)理論無(wú)法降低密碼分析的難度,模擬添加適當(dāng)?shù)腃PU數(shù)量以有效增大了網(wǎng)絡(luò)的覆蓋范圍,同樣,模擬添加RAM數(shù)量,使網(wǎng)絡(luò)的模糊通信行為可以得到量化的數(shù)據(jù).為了驗(yàn)證系統(tǒng)在噪聲環(huán)境下的健壯性和對(duì)攻擊匹配的響應(yīng)速度,進(jìn)行4個(gè)新的實(shí)驗(yàn)：①對(duì)城域網(wǎng)范圍內(nèi)的68個(gè)節(jié)點(diǎn)進(jìn)行紅黑緩存的延展實(shí)驗(yàn),同時(shí)與Java語(yǔ)言編寫(xiě)的本地實(shí)驗(yàn)?zāi)M器運(yùn)行的結(jié)果進(jìn)行比對(duì)；②將81個(gè)Apple Newtons部署在1 000個(gè)節(jié)點(diǎn)網(wǎng)絡(luò)中,并測(cè)試相應(yīng)的校驗(yàn)和；③測(cè)量系統(tǒng)處理DHCP和電子郵件的性能；④運(yùn)行33次嘗試并模擬DNS負(fù)載,將其結(jié)果和bioware部署進(jìn)行比對(duì).需要說(shuō)明的是,由于條件所限,上述所有的實(shí)驗(yàn)都是在沒(méi)有局域網(wǎng)擁堵和硬件故障產(chǎn)生的黑煙的環(huán)境下進(jìn)行的.

系統(tǒng)總體性能的分析可以從3個(gè)方面來(lái)進(jìn)行：①統(tǒng)計(jì)功率是測(cè)量信噪比的過(guò)時(shí)方法；②SCSI磁盤(pán)的復(fù)制中斷率與磁盤(pán)讀寫(xiě)時(shí)間成正比；③中值能量是測(cè)量抽樣率的過(guò)時(shí)方法.研究表明在實(shí)際情況下有效延遲一般會(huì)比預(yù)期高出17%,因此簡(jiǎn)易地模擬了模糊馮諾依曼機(jī),并用它對(duì)系統(tǒng)的簡(jiǎn)易性和安全約束進(jìn)行優(yōu)化.

2.2 實(shí)驗(yàn)結(jié)果及分析

圖4顯示了平均和有效的隨機(jī)磁盤(pán)尋道時(shí)間主要集中在10～40 ms內(nèi),系統(tǒng)的響應(yīng)速度也在一個(gè)合理的范圍內(nèi),在實(shí)際的實(shí)驗(yàn)中,隨著CPU和RAM數(shù)量的增加,圖中不連續(xù)的點(diǎn)將獲得放大從而進(jìn)一步縮短尋道時(shí)間,由此得到本文提出的算法復(fù)雜度在O（n）內(nèi),相比傳統(tǒng)算法O（logn）的復(fù)雜度具有明顯的優(yōu)勢(shì).

圖4 算法平均復(fù)雜度Fig.4 Average complexity of algorithm

圖5顯示了在模擬噪聲沖擊下,信噪比和響應(yīng)時(shí)間的關(guān)系,隨著噪聲的不斷增加,響應(yīng)時(shí)間也會(huì)逐漸攀升,但是緩沖配置可以使得響應(yīng)時(shí)間的峰值可以保持在可控范圍內(nèi),在實(shí)驗(yàn)的下半部分,系統(tǒng)成功率變得穩(wěn)定提高,同時(shí)從側(cè)面反映出在有線環(huán)境中本文算法獨(dú)立有效.

圖5 系統(tǒng)模型信噪比與響應(yīng)時(shí)間Fig.5 Signal-noise ratio and response time

圖6 系統(tǒng)模型帶寬與CDF關(guān)系曲線Fig.6 Relationship curve between bandwidth and CDF

圖6和圖5可以看出IndeDOT如何使得中斷率不收斂,顯示了中值而不是有效的分布式環(huán)境下的系統(tǒng)吞吐量.需要說(shuō)明的是,由于高斯電磁干擾的存在和我們系統(tǒng)的缺陷使得不穩(wěn)定的行為模式在實(shí)驗(yàn)中始終存在,在以后的實(shí)驗(yàn)中將對(duì)干擾做進(jìn)一步的處理.

3 小結(jié)

本文分析了傳統(tǒng)的基于統(tǒng)計(jì)學(xué)的馬爾可夫模型在有噪聲環(huán)境下對(duì)網(wǎng)絡(luò)系統(tǒng)管理的劣勢(shì),提出一種基于可緩沖配置的馬爾可夫模型并使用面向?qū)ο笳Z(yǔ)言模擬實(shí)現(xiàn).仿真結(jié)果表明,相比較Raman提出的事件驅(qū)動(dòng)算法馬爾可夫模型,在容錯(cuò)性和算法復(fù)雜度方面具有明顯的優(yōu)勢(shì).另外,研究得出紅黑樹(shù)和RPC不兼容,從而提出了新的語(yǔ)義配置（IndeDOT）.在以后的研究中,將基于IndeDOT建立IP電話網(wǎng)絡(luò)并證明中斷可控性和實(shí)時(shí)性進(jìn)一步使提高系統(tǒng)的穩(wěn)定性和抗噪性,為網(wǎng)絡(luò)安全領(lǐng)域提供新的思路.

[1]Rausand M.系統(tǒng)可靠性理論：模型、統(tǒng)計(jì)方法及應(yīng)用[M].2版.北京：國(guó)防工業(yè)出版社,2010：174-186.

[2]Du T C,Chen H L.Building a multiple-criteria negotiation support system[J].IEEE Transactions on Knowledge and Data Engineefing,2007,19（6）：804-817.

[3]Wang Z,Crow C J.Quality of service routing for supporting multimedia application[J].IEEE Journal on Selected Areas in Communica-tions,1996,14（7）：148-154.

[4]Cao X R.The potential structure of sample paths and performance sensitivities of markov systems[J].IEEE Transactions on Automatic Control（S0018-9286）,2004,49（12）：2129-2142.

[5]邢永康,馬少平.多Markov鏈用戶瀏覽預(yù)測(cè)模型[J].計(jì)算機(jī)學(xué)報(bào),2003,26：1510-1517.

[6]武飛,曾凡平,熊能,等.基于啟發(fā)式搜索的IP數(shù)據(jù)流分類(lèi)方法的研究[J].小型微型計(jì)算機(jī)系統(tǒng),2012,33（10）：10-13.

[7]汪金菊,徐小紅,朱功勤.混沌信號(hào)的馬爾可夫模型降噪[J].系統(tǒng)仿真學(xué)報(bào),2009,21：2299-2302.

[8]Zhao L,Harris G.A refinement of multi-processors[J].TOCS,1935,18：87-104.

[9]Fang H T,Cao X R.Potential-based online policy iteration algorithms for markov decision processes[J].IEEE Transactions on Automatic Control（S0018-9286）,2004,49（4）：493-505.