基于關聯規則的網絡通信預警系統設計

摘要：為提高網絡通信預警時效，保證預警的及時性，開展基于關聯規則的網絡通信預警系統設計研究。以FTGUI-20003-1B處理器與預警信號燈為例，設計網絡通信預警系統硬件結構;引進傳感技術，進行通信網絡狀態特征的獲取;引進關聯規則，進行網絡安全狀態的識別，將通信網絡鏈路劃分為由多節點構成的通信信道，識別通信網絡安全狀態;建立通信網絡異常預警機制，劃分預警等級，進行風險量化，匹配對應的預警等級，實現對通信網絡安全的預警。通過對比實驗證明，此系統，在實際應用中可以有效降低預警延時，保證預警行為具有較高的時效性。

關鍵詞：關聯規則;網絡通信;預警系統

一、引言

互聯網技術在市場內的高速發展，提高現代化網絡通信的水平與綜合能力，受眾群體對于網絡通信運營商提供服務的質量與供應網絡的穩定性提出了更高的要求[1]。為了降低由于網絡通信異常造成的網絡整體癱瘓問題，避免通信過程中的安全事故發生，本次研究將引進關聯規則算法，從硬件結構與軟件功能兩個方面，對網絡通信預警系統展開設計[2]。通過對通信網絡不同節點關系的描述，及時發現存在異常的通信節點，以此種方式，將網絡通信安全事故控制在發生前。

二、硬件設計

（一）FTGUI-20003-1B處理器

為滿足系統的高性能運行需求，此次設計選擇的處理器型號為FTGUI-20003-1B，該型號處理器屬于第12代英特爾酷睿的衍生版本，其結構、綜合性能與能效均顯著優于早期版本的處理器，可以在實際應用中實現對多路徑任務的協同處理[3-4]。處理器中集成了人工智能專用引擎，擁有>14.0核心的硬件線程（6.0個高核性能芯片與8.0個能效核芯片），將其與Windows11操作系統進行對接，可實現在任務處理過程中，對動態化任務的均衡化處理與負載，保證操作中的高效率與低耗能。

在FTGUI-20003-1B處理器現有構件的基礎上，在其中內置AI加速芯片，確保處理器可以及時處理多鏈路網絡通信數據，即便數據鏈路傳輸的信息超出其預期也可以避免處理器出現超負荷運行狀態。

（二）預警信號燈

預警信號燈是警示終端技術人員網絡通信異常或故障的主要硬件，信號燈上共有三個顏色的指示燈，分別為紅色、黃色與綠色，其中紅色為故障報警燈，當紅燈亮起時，證明網絡通信存在明顯的異常或故障;當黃燈亮起時，證明網絡通信存在預警信號，需要及時進行網絡通信鏈路的處理，否則將觸發故障信號燈;當綠燈亮起時，證明網絡通信正常，不存在異常或故障。

為滿足系統的預警需求，通常會選擇較大電阻的指示燈電阻，通過此種方式，確保流經預警信號燈的電流保持在一個較小的狀態[5]。通常情況下，預警信號燈由燈頭、燈罩、燈具、連接線路等基礎構件構成，信號燈由二極管燈構成，需要將其與前端TG-200傳感器進行通信連接，并放置在儀表盤等較為明顯的位置，從而確保信號燈在使用中可以發揮或起到預警效果。

三、軟件設計

（一）基于傳感技術的通信網絡狀態特征獲取

在硬件設備的支撐下，引進傳感技術，進行通信網絡狀態特征的獲取。在此過程中，要確保獲取的狀態信息具有高質量特點，只有滿足此方面特點，才能確保后續對通信網絡異常現象的預警具有可靠性。目前，可用于提取其狀態信息的技術較多，大多技術在應用中可能存在一定干擾性，而本文選用的傳感技術，可以在初期采集階段，便排除狀態信息中的一些無效信息與冗余信息，即便采集的信息中仍不可避免攜帶了噪聲信息，但此部分信息也可以在后續的處理中解決[6]。因此，需要在完成基于傳感技術對通信網絡狀態信息的初步獲取后，采用劃分網絡安全狀態與網絡安全級別的方式，進行其特征的描述。此次研究采用的是小波熵值法。

假設通信網絡的安全狀態信息表示為x（k），可采用小波包算法，對x（k）進行多層分解處理，根據通信鏈路層數，將其劃分為i層，此時，第i層的通信網絡狀態信息可以表示為xi（k）。將狀態信號攜帶的能量值作為通信網絡狀態特征，對其能量值進行計算，計算公式如下。

（二）基于關聯規則的通信網絡安全狀態識別

掌握網絡通信不同鏈路狀態特征后，引進關聯規則，進行網絡安全狀態的識別，將通信網絡鏈路劃分為由多節點構成的通信信道，網絡信息從節點X傳遞到節點Y的過程可以表示為X→Y，其中X與Y都可以作為關聯規則中的項數子集，即X中包括1～i個數據，Y中也包括1～i個數據。將X→Y的支持度發生概率表示為P，則P可以用X∪Y表示，當X→Y行為發生的置信度前提為X時，則Y節點發生通信網絡異常狀態的概率可以表示為P（Y|X），當X→Y行為發生的置信度前提為Y時，則X節點發生通信網絡異常狀態的概率可以表示為P（Y|X）。在上述內容的基礎上，設定一個通信網絡安全狀態數據庫，將其表示為D，根據數據庫中不同節點的資源流向，設定節點之間的強關聯規則，明確節點流通規律，將后者作為識別中的置信度前提。使用多維度挖掘規則，對不同狀態下的異常反饋信號作為前提，并根據信號的支持度大小，識別通信網絡安全狀態，可將此過程表示為如下公式（2）所示的計算表達式。

（三）建立通信網絡異常預警機制

完成上述設計后，采用建立通信網絡異常預警機制的方式，進行通信網絡異常預警，異常與預警流程如圖1所示。

按照上述圖1所示的流程，進行通信網絡異常預警，當識別到通信網絡存在異常與風險時，需要提取風險信息，采用將其細化的方式，劃分預警等級與預警類別。

采用計算風險小波熵的方式，掌握其風險程度，計算公式如下：

按照上述表1中內容，進行風險量化，匹配對應的預警等級，實現對通信網絡安全的預警。

四、對比實驗

完成上文基于硬件與軟件對網絡通信預警系統的設計與規劃后，下述將通過對比實驗的方式，對該系統的實際應用性能進行檢驗。

實驗中，選擇某大型網絡通信中心作為此次實驗的參與方，通過調研此網絡中心近五個月網絡通信用戶的反饋數據，分析出在網絡通信運行中經常會出現由于線路故障或通信節點異常導致的通信中斷事故，這些問題使網絡通信中心在市場內的信譽度較差。因此選擇該通信中心作為此次實驗的對象。

在掌握該網絡中心的基礎信息后，按照本文設計的方法，在網絡通信服務終端區域內部署TG-200傳感器，將其與通信網絡傳輸端鏈路進行對接，確保通信連接保持相對良好狀態后，在MatLab平臺上搭建FTGUI-20003-1B處理器、預警信號燈、電源、存儲器等附件設備。隨機選擇該通信中心歷史服務數據中的100.0組數據，將其作為樣本數據，已知樣本數據中含有三組故障數據，分別為通信網絡錯誤代碼數據、功率偏差數據與冗余數據，將三組異常數據以隨機插入的方式集成在樣本數據中。為了簡化實驗測試過程，按照粗糙集表示方式，對樣本數據進行處理，將輸入的數值表示為0，將通信網絡的常態化運行狀態（/無故障運行狀態）表示為1，將預警狀態表示為2。在網絡通信的輸入端按照時序導入樣本數據，使用SSimulink建立一個仿真神經網絡模型，對測試樣本進行迭代，通過訓練與擬合的方式，進行通信過程監控。將預警信號燈與信號放大器部署在通信網絡終端，用于模擬用戶端接收的通信網絡信號。在此次模擬實驗中，設定系統運行的動量系數表示為0.6，有效學習效率表示為0.35，節點最高迭代次數為一萬，允許誤差為0.001。

收集用戶端接收的信號，對信號進行模糊粗糙表示，如下圖2所示。

從上述圖2所示的預測試結果可以看出，在啟動系統后，通信網絡反饋信號快速從0達到1，即從輸入狀態達到常態化運行狀態。運行一段時間后，在節點3觸發第一次預警，在節點7觸發第二次預警，在節點9觸發第三次預警。

三次預警數據與上文提出的三組異常數據匹配，在終端與技術人員進行溝通后發現，在測試過程中，終端預警信號燈共亮起3次。由此可以說明，本文設計的基于關聯規則的網絡通信預警系統在實際應用中，是具有一定可行性的，可以在終端實現對通信網絡異常的預警。

分別使用本文設計的系統與對照組系統，對一組相同的網絡通信信號進行預警，將預警行為延時作為對比實驗的指標。計算本文系統與傳統系統的預警延時，統計計算結果，如下表2所示。

從上述表2所示的實驗結果可以看出，本文系統在觸發網絡通信預警時，預警行為的延時基本可以控制在0s，只有節點4與節點5存在0.001s與0.002s的延時，但延時過低可以在實際應用中將其忽略不計。而傳統的系統在觸發預警行為后，基本存在0.1～0.2s的延時，延時明顯大于本文系統的延時，由此可以證明，本文設計的基于關聯規則的網絡通信預警系統，在實際應用中可以有效降低預警延時，保證預警行為具有較高的時效性。

五、結束語

隨著網絡通信覆蓋范圍的提升，網絡業務以不同的形式疊加在一起，資源的集成深度與廣度呈現明顯的增加趨勢，一旦某一節點出現網絡安全問題，通信業務層次的故障便會對網絡通信整體造成影響或干預。

為了解決此方面問題，本文開展了基于關聯規則的網絡通信預警系統設計，完成設計后，通過對比實驗證明了設計的預警系統，可以有效降低預警延時，保證預警的時效性。

作者單位：申乃軍? ? 江蘇自動化研究所

參? 考? 文? 獻

[1] 蔡文斌，張煥域，林密，等. 基于量化分析的電力通信網多維度風險預警優化研究[J]. 微型電腦應用，2021，37（12）：103-105.

[2] 繆巍巍，吳海洋，陳鵬，等. 基于深度強化學習的通信網故障智能感知與預警模型研究[J]. 機械設計與制造工程，2021，50（06）：102-104.

[3] 裴加富，胡恩華，林立，等. 基于通信的列車控制數據通信子系統的智能診斷和預警分析[J]. 城市軌道交通研究，2020，23（01）：75-78.

[4] 張李蓀，吳元保，柯勁松，等. 基于無線通信的地質災害監測預警系統的研究[J]. 江西水利科技，2020，46（03）：157-161.

[5] 王江鋒，劉雨桐，王夢玉，等. 車車通信環境下基于駕駛意圖共享的車輛避撞預警算法[J]. 中國公路學報，2020，33（06）：65-76.

[6] 秦鈺林，周若麟，張珂欣，等. 基于NB-IoT窄帶通信和多傳感器組網技術的森林火災監測預警系統[J]. 物聯網技術，2020，10（06）：14-16+19.