基于自组织网络特性的网络拓扑推断系统及方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115941499A(43)申请公布日2023.04.07(21)申请号202211550595.9(22)申请日2022.12.05(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号(72)发明人郑阳覃思捷盛敏刘俊宇史琰李建东(74)专利代理机构陕西电子工业专利中心61205专利代理师田文英王品华(51)Int.Cl.H04L41/12(2022.01)H04L41/14(2022.01)权利要求书3页说明书8页附图2页(54)发明名称基于自组织网络特性的网络拓扑推断系统及方法(57)摘要本发明公开了一种基于自组织网络特性的网络拓扑推断系统及方法，该系统及方法利用自组织网络的特性，对非协作的移动自组织网络进行拓扑推断。本发明的优点在于：物理拓扑生成模块构建非协作式移动自组织网络拓扑；物理拓扑采样模块获取非协作式移动自组织网络的部分拓扑信息，降低了前期需要获取网络拓扑结构信息的工作量；网络拓扑推断模块构建并求解基于移动自组织网络特征的拓扑推断的优化模型，得到评级矩阵；二分类模块根据由度约束的门限值将评级矩阵中的元素二分为0或1，得到推断结果，提升了拓扑推断系统的准确度。CN115941499ACN115941499A权利要求书1/3页1.一种基于自组织网络特性的网络拓扑推断系统，包括物理拓扑生成模块，其特征在于，还包括物理拓扑采样模块，网络拓扑推断模块和二分类模块；其中，所述物理拓扑生成模块，用于在给定区域内随机生成至少20个节点作为移动自组织网络的节点，每个节点以最大功率发送含有自身信息的Hello包，并接收其通信范围内其它节点的Hello包，提取每个Hello包的信息，建立非协作式移动自组织网络拓扑及其邻接矩阵；所述物理拓扑采样模块，用于对邻接矩阵中的所有元素进行均匀采样，得到不同的采样率对应的采样矩阵，每个采样矩阵代表在对应采样率下已知的非协作式移动自组织网络的部分拓扑信息；所述网络拓扑推断模块，用于构建并优化基于移动自组织网络特征的拓扑推断优化模型，通过采样得到部分拓扑信息，经SDPT3求解器处理后推断得到初始评级矩阵，对初始评级矩阵进行对称性处理，再令初始评级矩阵中观测样本中边的值为1，得到评级矩阵；所述二分类模块，用于计算评级矩阵中每个节点的度，根据每个节点的度分别设置各个节点的门限值，根据门限值对评级矩阵各行中每个元素代表的边进行二分类，将大于和等于门限值的元素设为1，小于门限值的元素设为0，得到推断后非协作网络拓扑的邻接矩阵比较邻接矩阵与邻接矩阵A中的对应元素值，绘制采样率‑AUC值曲线。2.根据权利要求1所述系统的一种基于自组织网络特性的网络拓扑推断方法，其特征在于，构建基于移动自组织网络特征的拓扑推断优化模型，根据每个节点的度分别设置各个节点的门限值，该网络拓扑推断方法的步骤包括如下：步骤1，构建非协作式移动自组织网络拓扑：物理网络拓扑生成模块在给定区域内随机生成至少20个节点作为移动自组织网络的节点，每个节点以最大功率发送含有自身信息的Hello包；每个节点接收其通信范围内其它节点的Hello包，并提取每个Hello包的信息，建立非协作式移动自组织网络拓扑及其邻接矩阵；步骤2，获取非协作式移动自组织网络的部分拓扑信息：物理拓扑采样模块对邻接矩阵中的所有元素进行均匀采样，得到不同的采样率对应的采样矩阵，每个采样矩阵代表在对应采样率下已知的非协作式移动自组织网络的物理拓扑信息；步骤3，网络拓扑推断模块求解推断移动自组织网络节点连接关系的优化模型：步骤3.1，构建基于移动自组织网络特征的拓扑推断优化模型如下：使得其中，表示对求解最小化核范数操作，表示拓扑推断结果的邻接矩阵，表示对的采样，f(A)表示对邻接矩阵A的采样，S表示由元素0和1组成的对称矩阵，Tn×n即S＝{M∣M＝M,M∈{0,1}}，n表示节点数目，表示的l0‑范数，C表示一个常数，其值为在[5,15]范围内选取的一个值，deg(v)表示节点v的度，K表示移动自组织网络拓2CN115941499A权利要求书2/3页扑结构中所有节点的最大节点度，V表示移动自组织网络拓扑中由所有节点组成的集合；步骤3.2，按照下式，优化推断移动自组织网络节点连接关系模型：使得其中，上角标T表示转置操作，表示维数与节点数目n相等的矩阵空间，||vec(*)||1表示vec(*)的l1‑范数操作，vec(*)表示矩阵*的向量化操作，τ表示取值为10的比例因子；步骤3.3，将优化后的推断移动自组织网络节点连接关系模型，输入SDPT3求解器中，输出初始评级矩阵步骤3.4，通过公式对初始评级矩阵进行对称性处理；通过使得初始评级矩阵中观测样本中边的值为1，得到评级矩阵其中，←表示赋值操作，表示取中