朱 静 杨晓静 范希辉 吴海兵

(1.陆军军官学院 合肥 230031)(2.电子工程学院 合肥 230010)

基于粗糙集的地域通信网干线节点识别及仿真*

朱 静1杨晓静2范希辉1吴海兵1

(1.陆军军官学院 合肥 230031)(2.电子工程学院 合肥 230010)

地域通信网是目前信息对抗人员研究的热点。分析了地域通信网的网络结构和特点,根据各类节点的属性值,给出了基于粗糙集理论的干线节点识别方法,结果表明,在大部分情况下,该方法能从大量模糊的网络侦察数据中将干线节点与入口节点区分开来。

地域通信网; 拓扑结构; 干线节点; 粗糙集

ClassNumberTN915

1 引言

地域通信网的出现,使野战通信在通信装备、通信体制、通信战术等诸多方面都发生了根本性的变化,成为信息对抗人员研究的热点。对地域通信网实施有效对抗的前提是找出网络中的关键节点,地域通信网中包含众多的干线节点、大型用户入口节点和小型用户入口节点,在这些节点中,干线节点的重要性是大于用户入口节点的,因此,判定各节点的属性是识别关键节点的前提和基础,论文提出将把粗糙集理论应用到干线节点识别中,以网络的系统结构和组网所用到的节点设备的特点为基础,从大量模糊的网络侦察数据中提出一些准则来判别出节点的类型,从而区别出干线节点,对干线网拓扑结构的推断具有重要意义。

2 网络结构

本文以美军移动用户设备(MSE)网络为例,在MSE网络中,工作在同一个频段内的有干线节点、大小入口节点和无线入口单元节点链路,最高攻击优先级是干线节点,每个干线节点交换机通过微波链路与相邻的干线节点交换机、大小入口节点交换机和无线入口节点交换机相连,链路数较多,可从链路数目、链路速率及相互位置特征上综合判断出干线节点[1～3]。在现有阶段如何获取某个节点的特征信息仍需搜索,尤其如何利用传统的电子对抗手段获取其物理链路的特征信息和在有线直接接入的情况下利用网络侦察方式获取其特征信息需要研究新的方法和手段。

为了分析所使用的数据具有有效性,在分析之前,先对参数提出一些假设:

1)假设不存在链路数目为0的节点。在实际MSE网络中,可能出现某个节点在当前一段时间内不与其它节点进行通信的情况,此时其链路数目为0。因为对于电子侦察而言,能侦察到链路数或链路速率则表明此链路一定存在,所以对链路数目为0的节点进行研究没有意义。

2)在实际信号传输中,节点的链路速率有可能小于256Kbps、512Kbps、1024Kbps。为了研究的方便,假设[0,256]Kbps范围内的速率都是256Kbps,同理,假设[256,512]Kbps范围内的速率都是512Kbps,假设[512,1024]Kbps范围内的速率都是1024Kbps。

3 基于粗糙集的干线节点识别

将粗糙集理论[4]应用到干线节点识别中主要是因为它无需提供所需处理的数据集合之外的任何先验信息,利用数据集上的等价关系对知识的不确定程度进行度量,从而避免了对信息数据的主观评价(如证据理论中的信念函数,模糊理论中的隶属度函数)所带来的误差,而且粗糙集中的约简方法和决策规则可以删除判决条件属性中的冗余因素并得出条件属性的决策概率,大大提高识别的准确性。

3.1 节点属性约简

为了识别干线节点,首先应该对地域通信网系统中的各种电台进行研究,根据不同电台的参数设置将其分类,找出节点与电台之间的联系,为节点类型判别提供基础。

在这里以某电台(该电台可用于NC、LEN、SEN节点处)为例进行研究,令在一段时间内,侦察到关于节点属性的决策表如表1所示。其中条件属性C={链路速率,活动链路数,频率},决策属性D={节点类型}。

属性约简的具体步骤如下:

1)进行条件属性的简化,即从决策表中消去某些列。由于频率的变化不能直接影响到对节点类型的判别,对表2进行属性约简,消去频率属性所在的列。

2)消去重复的行。从表2中可以得知,第12～22行都与前面的行数值重复,删除第12～22行。

3)消去属性的冗余值。从表1中得知,根据粗糙集理论中的属性约简方法,得到决策表的简化表如表2所示。

表1 节点类型决策表

表2 属性约简后的节点类型决策表

3.2 等价类划分

前面对侦察到的一些数据进行了属性约简,下面采用粗糙集中的等价类划分方法进行类别划分。对剩余的三类节点进行研究后发现,可以根据这三类节点的链路数目以及不同类型节点组合间的链路速率来区分一些节点,如表3所示。

表3 不同节点类型的特点表

由地域通信网网络结构的特点可以得出干线节点(即NC)的一般决策规则:

1)链路速率为1024kbps的节点一定是NC;

2)链路数目大于等于3的节点一定是NC;

3)同时满足1)和2)的也一定是NC;

4)链路数目为1的节点一定不是NC。

由此一般决策规则可以对表2中e7、e9、e10、e11的情况迅速作出判断,可以唯一确定判为干线节点;对表2中e1、e2、e5的情况也可迅速作出判断其确定不是干线节点;但对于表2中的e3和e8以及e4和e6这几种情况,却无法唯一确定其类型。在e3和e8以及e4和e6这两组记录中,节点的属性相同,但决策结果不同。对于这两种情况,仅用以上的决策规则,不足以划分节点类型。因此可以得出一个结论:当链路数目为2且链路速率不等于1024时,不能区分节点类型。为此需要用到粗糙集理论中的等价类划分的方法。

表2所示的决策表中,论域U={e1,e2,e3,e4,e5,e6,e7,e8,e9,e10,e11},条件属性A={R1,R2}={链路速率,链路数目},决策属性D={节点类型},V={V链路速率,V链路数目},其中,V链路速率={256,512,1024},V链路数目={1,2,3,4}。

若分别按链路速率、链路数目这两个属性来对节点类型分类,结果如下:

U/IND(链路速率)=U/IND(R1)={{e1,e2,e4,e6,e11},{e3,e5,e7,e8},{e9,e10}},

U/IND(链路数目)=U/IND(R2)={{e1,e2,e5},{e3,e4,e6,e8,e10},{e7,e9,e11}}。

3.3 干线节点决策

在对条件属性子集R2进行划分的三个等价类中,{e1,e2,e5}都不是NC,不予考虑;{e7,e9,e11}都是NC,可以认为这部分的正确识别概率为100%,也不用再进行判别。而不能区分节点类型的情况就是等价类{e3,e4,e6,e8,e10}中链路速率V≠1024kbps的情况,即为等价类{e3,e4,e6,e8,e10}与等价类{e9,e10}的差集。最终可以得出不能区分节点类型的等价类仅为{e3,e4,e6,e8}的情况,如表4所示。

表4 不能区分节点类型的决策表

根据表4中的数据,令条件φ={链路速率、活动链路数相同的记录},ψ1为NC,ψ2为LEN,由文献[5]提出的带Rough算子的节点类型判决规则中的公式为

p(ψ)=∑(p(φ)·μ(φ,ψ))=∑p(φ∧ψ)

(1)

由式(1)计算NC和LEN的决策概率分别为

p(ψ1)=p(φ1)·μ(φ1,ψ1)+p(φ2)·μ(φ2,ψ1)

=(2/4)×(1/2)+(2/4)×(1/2)=0.5

p(ψ2)=p(φ1)·μ(φ1,ψ2)+p(φ2)·μ(φ2,ψ2)

=(2/4)×(1/2)+(2/4)×(1/2)=0.5

对于这种条件属性相同且决策结果相同的情况,就要取决于专家系统的推断。

4 干线节点识别仿真

根据干线节点决策规则,引用干线节点正确识别概率计算公式[5]如式(2):

(2)

式(2)中,A为电台记录中确定为NC的电台记录数;V为不能唯一确定为NC的电台记录数,需要用决策规则计算决策概率;i为V中实际为NC的电台数,因此取值在[0,V]之间,即i∈[0,V]。

在仿真过程中,给出一些假设条件:

1)在得到的节点电台数据中,每个节点只选出一个最具代表性(参数值最可靠、信号最强等)的电台作为研究对象;

2)节点的链路数目与电台相互独立。在仿真实验中,按照电台参数产生记录,节点数正好等于产生的电台记录数。

首先,令所有电台记录数为150组,其中能唯一确定为NC的电台记录数A=100组,则不能唯一确定为NC的电台记录数V=50组,对V在所有电台记录数中的变化进行仿真,结果如图6所示。

图1 不能唯一确定为干线节点的数值变化

图2 决策概率与正确识别概率的关系

由图1可知,当不确定记录全为NC时,不能确定记录中的实际NC数目占实验中NC总数的百分比在[9%,33%]之间变化,表明本次实验中不能确定记录中的NC数目最大可取到NC总数的33%。

其次,对于不能唯一确定的NC数目V,在理论得出决策概率为50%的情况下,决策概率与正确识别概率的关系如图2所示。

由图2中决策概率与正确识别概率的关系曲线可以看出:运用粗糙集理论对不能唯一判别节点类型的记录进行仿真,根据其条件属性计算出NC节点的决策概率为0.5。

同理可得,不确定记录中LEN节点的概率也为0.5。此时NC和LEN两种节点的正确识别概率都为0.5。

5 结语

本文以地域通信网的网络结构为基础,将粗糙集理论应用到干线节点识别中,得出判别节点类型的准则,给出了干线节点识别仿真,结果表明,在大部分情况下,该方法能从大量模糊的网络侦察数据中将干线节点与入口节点区分开来。

[1]杨红娃,潘高峰,王巍.战场干线网络拓扑推断技术[J].通信对抗,2009(3):14-17.

[2]朱静,杨晓静.一种新的地域通信网关键节点识别方法[J].电子信息对抗技术,2009,24(5):33-36.

[3]李云.地域通信网装备综合运用[M].合肥:解放军炮兵学院出版社,2011:4-6.

[4]安海忠,郑链,王广祥.粗糙集知识发现的研究现状和展望[J].计算机测量与控制,2003,11(2):81-83.

[5]刘清,黄兆华,等.带Rough算子的决策规则及数据挖掘中的软计算[J].计算机研究与发展,1999,36(7):800-804.

[6]刘清.Rough集及Rough推理[M].北京:科学出版社,2001:23-28.

[7]叶酋荪,南庚.军事通信网分析及系统集成[J].北京:国防工业出版社,2005:7-10.

[8]宋颖凤,阵军,张晶日.地域通信网干扰效果评估指标研究[J].通信对抗,2007(4):12-16.

[9]薛业飞,赵跃,曹志耀.基于通用黑板模型的TMSE网络中心节点识别[J].指挥控制与仿真,2006(1):48-51.

[10]朱静,杨晓静.地域通信网的关键节点识别方法研究[J].探测与控制学报,2009:33-36.

TrunkNodeofAreaCommunicationNetworkIdentificationandSimulationBasedonRoughSetTheory

ZHU Jing1YANG Xiaojing2FAN Xihui1WU Haibing1

(1. Army Officer Academy, Hefei 230031)(2. Electronic Engineer Institute, Heifei 230031)

Area communication network is a hotspot being researched by many information countermeasure personnels at present. The network structure and features of area communication network are analyzed according to the properties of node. The rough set theory is applied to recognize the trunk node, The example proves that the method can classify the trunk node and entrance node from fuzzy data of probing in most cases.

area communication network, topological structure, trunk node, rough set

2013年10月3日,

:2013年11月27日

朱静,女,硕士,讲师,研究方向:通信网络技术。杨晓静,女,硕士,副教授,研究方向:通信对抗与信号处理研究。范希辉,男,博士,讲师,研究方向:网络仿真技术研究。吴海兵,男,硕士,研究方向:网络仿真技术研究。

TN915DOI:10.3969/j.issn1672-9730.2014.04.016