基于復(fù)雜網(wǎng)絡(luò)理論的信息網(wǎng)絡(luò)關(guān)鍵技術(shù)的研究.pdf

1、有關(guān)復(fù)雜網(wǎng)絡(luò)理論的研究近年來已經(jīng)取得了一些進(jìn)展，但總的來說大部分相關(guān)研究成果仍未能在信息網(wǎng)絡(luò)應(yīng)用領(lǐng)域得到實(shí)用，許多相關(guān)技術(shù)仍然有待優(yōu)化、改進(jìn)。論文在前人研究基礎(chǔ)之上，圍繞信息網(wǎng)絡(luò)領(lǐng)域中的接納控制、QoS組播路由、惡意軟件傳播、P2P網(wǎng)絡(luò)中特定業(yè)務(wù)識(shí)別等問題進(jìn)行深入研究，論文的研究成果概括如下。
　　 構(gòu)建了一個(gè)復(fù)雜網(wǎng)絡(luò)仿真平臺(tái)SPCN，可以根據(jù)需要以鄰接矩陣形式或者節(jié)點(diǎn)信息網(wǎng)絡(luò)模型方式輸出大規(guī)模的ER模型、BA模型、NW模型，同

2、時(shí)可以計(jì)算節(jié)點(diǎn)度分布、平均路徑長(zhǎng)度、聚度系數(shù)等網(wǎng)絡(luò)統(tǒng)計(jì)特性，提出了實(shí)現(xiàn)與優(yōu)化的算法。提出一種用于表達(dá)網(wǎng)絡(luò)的節(jié)點(diǎn)信息網(wǎng)絡(luò)模型方法，該方法占用存儲(chǔ)空間小，結(jié)構(gòu)靈活，解決了鄰接矩陣方式表達(dá)網(wǎng)絡(luò)拓?fù)湫畔r(shí)計(jì)算機(jī)處理能力的局限性，為大規(guī)模復(fù)雜網(wǎng)絡(luò)及復(fù)雜網(wǎng)絡(luò)上的傳播動(dòng)力學(xué)的仿真，以及離散傳播動(dòng)力學(xué)模型的建立，提供了有效的研究平臺(tái)。
　　 針對(duì)復(fù)雜網(wǎng)絡(luò)提出一個(gè)新的概念-節(jié)點(diǎn)活躍度，表達(dá)節(jié)點(diǎn)吸引并與其它節(jié)點(diǎn)進(jìn)行連接的能力，對(duì)于節(jié)點(diǎn)與其它節(jié)點(diǎn)是否

3、進(jìn)行連接起關(guān)鍵性作用，節(jié)點(diǎn)的活躍度越高，連接概率越大。結(jié)合活躍度權(quán)重值提出一個(gè)基于復(fù)雜網(wǎng)絡(luò)的接納控制算法，不同帶寬資源條件下采用不同的接納策略，同時(shí)在系統(tǒng)中所有業(yè)務(wù)所占系統(tǒng)最大帶寬超過設(shè)定的帶寬門限時(shí)，通過一定的自適應(yīng)緩存分界參數(shù)調(diào)整來實(shí)現(xiàn)相應(yīng)合理的接納條件限制。經(jīng)過相應(yīng)的自適應(yīng)過程，使得系統(tǒng)達(dá)到動(dòng)態(tài)平衡。仿真結(jié)果表明該算法可顯著提高系統(tǒng)帶寬資源利用率，同時(shí)也明顯提高了高優(yōu)先級(jí)業(yè)務(wù)的接納率。
　　 將復(fù)雜網(wǎng)絡(luò)理論運(yùn)用于多約束Qo

4、S組播路由及其算法，構(gòu)造滿足多個(gè)約束條件的最小代價(jià)組播樹，實(shí)現(xiàn)不同業(yè)務(wù)對(duì)時(shí)延、時(shí)延抖動(dòng)、丟包率和帶寬等不同約束的性能需求，從而達(dá)到節(jié)省網(wǎng)絡(luò)帶寬資源、降低網(wǎng)絡(luò)負(fù)載和提高服務(wù)質(zhì)量的目的。根據(jù)小世界特性和BA無(wú)標(biāo)度網(wǎng)絡(luò)中的擇優(yōu)增長(zhǎng)特性，提出一種基于綜合學(xué)習(xí)和智能協(xié)同的改進(jìn)粒子群優(yōu)化算法(PSO-CLIC)。該算法將一個(gè)種群分解為多個(gè)子群，多個(gè)子群同時(shí)進(jìn)化搜索，從而增加算法的穩(wěn)健性和準(zhǔn)確性。各子群之間彼此相互影響和制約，從而提高算法的全局尋優(yōu)能

5、力。在生成的網(wǎng)絡(luò)模型上對(duì)算法的組播樹費(fèi)用、時(shí)延和時(shí)延抖動(dòng)等指標(biāo)進(jìn)行仿真，仿真結(jié)果表明該算法在收斂速度和求解精度等方面具有明顯的優(yōu)越性。
　　 將復(fù)雜網(wǎng)絡(luò)論應(yīng)用于惡意軟件傳播模型研究，提出一種新的惡意軟件傳播的離散概率SI模型(DP-SI)，該模型的建立由網(wǎng)絡(luò)固有的性質(zhì)及惡意軟件傳播的概率特性所決定。選取均勻網(wǎng)絡(luò)中的ER模型、非均勻網(wǎng)絡(luò)中的NW模型和BA模型三個(gè)典型的復(fù)雜網(wǎng)絡(luò)模型作為仿真研究對(duì)象，研究各種拓?fù)湎聬阂廛浖膫鞑バ袨椤?/p>

6、仿真結(jié)果表明，由于DP-SI模型的構(gòu)建過程不依賴于某種特定結(jié)構(gòu)的網(wǎng)絡(luò)，該模型可用于研究任意已知網(wǎng)絡(luò)拓?fù)渖蠍阂廛浖鞑サ膭?dòng)力學(xué)行為。當(dāng)突發(fā)事件發(fā)生時(shí)，可以利用該模型快速模擬傳播行為，以利于防范和預(yù)測(cè)。同時(shí)，該模型結(jié)構(gòu)靈活，能夠在演化過程中隨時(shí)改變控制策略，這是傳統(tǒng)微分方程模型所不能比擬的。同時(shí)，研究互聯(lián)網(wǎng)上隨機(jī)免疫與目標(biāo)免疫策略。研究結(jié)果表明，隨機(jī)免疫策略對(duì)互聯(lián)網(wǎng)是無(wú)效的，而目標(biāo)免疫則是一種更有效的方法，可以大大降低惡意軟件傳播的速度。<

7、br>　　 將復(fù)雜網(wǎng)絡(luò)理論應(yīng)用于特定P2P業(yè)務(wù)識(shí)別，提出一種基于樹形多層BP-LVQ神經(jīng)網(wǎng)絡(luò)組合分類器的特定P2P業(yè)務(wù)流識(shí)別方法。綜合考慮BP神經(jīng)網(wǎng)絡(luò)和LVQ神經(jīng)網(wǎng)絡(luò)，利用BP神經(jīng)網(wǎng)絡(luò)作為第一層分類器，LVQ神經(jīng)網(wǎng)絡(luò)作為第二層分類器，形成樹形兩層組合模型，可以提高分類效率，改善其對(duì)多業(yè)務(wù)類的識(shí)別能力，提高分類器對(duì)數(shù)據(jù)噪聲的抗干擾能力。特定P2P業(yè)務(wù)類識(shí)別最終通過LVQ神經(jīng)網(wǎng)絡(luò)的分類過程來完成。實(shí)驗(yàn)通過相關(guān)的網(wǎng)絡(luò)流量測(cè)試和分析，發(fā)掘流量