大数据网络环境下异常节点数据定位方法仿真
Simulation of Abnormal Node Data Location in Large Data Network Environment作者机构:齐齐哈尔大学现代教育技术中心黑龙江齐齐哈尔161006 齐齐哈尔大学机电工程学院黑龙江齐齐哈尔161006
出 版 物:《计算机仿真》 (Computer Simulation)
年 卷 期:2017年第34卷第5期
页 面:273-276页
学科分类:08[工学] 0802[工学-机械工程] 0835[工学-软件工程] 080201[工学-机械制造及其自动化]
基 金:龙江省高校科研成果产业化前期研发培育项目(1254CGZH04) 齐齐哈尔市科学技术计划项目(GYGG-201516) 齐齐哈尔市科学技术计划项目(GYGG-201421) 黑龙江省教育厅基本业务专项项目(135109220) 黑龙江省教育厅基本业务专项项目(135109247)
摘 要:对大数据网络环境下异常节点数据的定位研究,可以有效降低网络空间存在的安全威胁和存储开销。对异常节点数据的定位,需要结合匹配投影理论寻求优化特征解,找出所有匹配的特征点对。传统方法将节点动态感知数据聚合成变宽的直方图,来准确定位节点异常数据,但忽略了求取节点的匹配特征点对,导致定位精度较低。提出基于自适应级联陷波的异常节点数据定位方法。从滑动窗口内采样节点数据的近似度出发,结合聚类理论思想判断窗口内的节点数据是否异常,依据邻居信息将网络节点自我判断阶段的判决进行调整,设计二阶格形滤波器结构,用多个固定陷波器级联抑制异常节点数据属性干扰成份,结合匹配投影理论寻求优化特征解,找出所有匹配的特征点对,从而实现异常节点数据定位。仿真证明,所提方法能够有效提升异常节点数据定位精度,且具有较好的抗干扰性能。