CN111800318B - 基于sdn的天地一体化网络认证架构下的接入点决策方法 - Google Patents

基于sdn的天地一体化网络认证架构下的接入点决策方法 Download PDF

Info

Publication number
CN111800318B
CN111800318B CN202010562383.7A CN202010562383A CN111800318B CN 111800318 B CN111800318 B CN 111800318B CN 202010562383 A CN202010562383 A CN 202010562383A CN 111800318 B CN111800318 B CN 111800318B
Authority
CN
China
Prior art keywords
access point
attribute
matrix
value
rsr
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010562383.7A
Other languages
English (en)
Other versions
CN111800318A (zh
Inventor
陆欣彤
孙小兵
薄莉莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangzhou University
Original Assignee
Yangzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yangzhou University filed Critical Yangzhou University
Priority to CN202010562383.7A priority Critical patent/CN111800318B/zh
Publication of CN111800318A publication Critical patent/CN111800318A/zh
Application granted granted Critical
Publication of CN111800318B publication Critical patent/CN111800318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2854—Wide area networks, e.g. public data networks
    • H04L12/2856—Access arrangements, e.g. Internet access
    • H04L12/2869—Operational details of access network equipments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于SDN的天地一体化网络认证架构下的接入点决策方法，该方法：筛选接入点生成候选接入点集；规范化处理样本；求取属性权重矩阵；利用TOPSIS、RSR算法对候选接入点进行评价；对两种评价结果进行加权，并根据加权结果对候选接入点样本进行降序排列；根据接入请求数n，选取前n个候选接入点样本作为接入点。本发明将SDN引入到天地一体化网络场景下的接入认证过程中，通过优化接入点的选择方法提高接入认证的效率和成功率，结合两种评价方法，使得在不损失原始数据信息的情况下避免异常值的干扰，同时扩展了使用范围，使得接入点决策更加科学、全面。通过综合考虑多维属性，选择最理想的接入点，可以有效提高接入的效率和对资源的利用率。

Description

基于SDN的天地一体化网络认证架构下的接入点决策方法
技术领域
本发明属于软件工程领域，特别涉及一种基于SDN的天地一体化网络认证架构下的接入点决策方法。
背景技术
天地一体化网络是一种由卫星网络、地面网络等多种网络融合而成的高度异构网络。近年来，卫星技术蓬勃高速发展，各类移动设备的通信需求不断增加，天地一体化网络在军民应用上都有重要价值，不仅符合未来技术发展的趋势，也是中国重大战略需求。因此，研究该网络下的安全保障技术具有重大战略意义。然而由于天地一体化网络具有节点能力受限、信道开放、卫星节点规模大、通信链路时延高等特点，给安全技术的研究带来了挑战。为保证安全通信，近年来已经有不少科研工作者针对该网络的特点提出了一些认证方案。
SDN网络的架构具备高性价比、高动态性和高可控性，既可以不受异构动态特点干扰，又可满足天地一体化网络的需要。因此开始有一些研究将SDN引入到了天地一体化网络中，旨在利用其控制层和数据层分离的思想，统一控制和优化管理天地一体化网络的资源。它可以简化多用途卫星之间的网络，并易于测试和部署新的协议。当前这方面的研究重点主要在基于SDN的无缝切换机制或基于SDN的天地一体化网络架构的路由传输算法。这些研究都证明了可以在切换时延、吞吐量、用户体验质量等方面优于传统网络。但它们也并没有考虑到从接入认证过程中的接入点选择策略上进行优化。
而现有的接入认证和切换认证技术大多站在密码学的角度研究其中的密钥协商机制，比较少从认证架构和选择接入点的角度考虑。且大多方案只考虑了较单一的场景需求或只围绕单一指标进行决策，迁移性和普适性低。
发明内容
本发明的目的在于针对上述现有技术存在的问题，提供一种基于SDN的天地一体化网络认证架构下的接入点决策方法，将SDN的思想引入到天地一体化网络场景下的接入认证过程中，综合考虑多维属性选择出当前条件下最理想的接入点，从而有效提高接入的效率和对资源的利用率。
实现本发明目的的技术解决方案为：基于SDN的天地一体化网络认证架构下的接入点决策方法，所述方法包括以下步骤：
步骤1，结合逻辑乘法和逻辑和法，对接入点样本进行筛选，形成候选接入点样本集，该样本集包括候选接入点样本及其属性；
步骤2，对所述候选接入点样本集进行规范化处理，获得规范化样本矩阵Z；
步骤3，利用层次分析法求取各属性的权重，形成属性权重矩阵；
步骤4，结合所述属性权重矩阵，利用TOPSIS算法对候选接入点样本进行评价；
步骤5，结合所述属性权重矩阵，利用RSR算法对候选接入点样本进行评价；
步骤6，对所述TOPSIS算法和RSR算法的评价结果进行加权，获得候选接入点样本的最终评价结果，之后根据该评价结果值对候选接入点样本进行降序排列；
步骤7，根据接入请求数n，选取前n个候选接入点样本作为接入点。
进一步地，步骤1所述结合逻辑乘法和逻辑和法，对接入点样本进行筛选，形成候选接入点样本集，具体过程包括：
步骤1-1，定义两类属性：效益型属性，该属性对决策结果的影响呈正相关；成本型属性，该属性对决策结果的影响呈负相关；
步骤1-2，根据所述两类属性对影响接入点决策的所有属性进行分类；
步骤1-3，设定一个卫星成为被接入点的各个属性的切除值，根据逻辑乘法，将各效益型属性值高于其切除值且同时各成本型属性值低于其切除值的接入点加入候选接入点样本集SNi；
步骤1-4，为各个属性设定阈值，根据逻辑和法，将各个属性中任意一个属性优于其对应的所述阈值的接入点加入候选接入点样本集SNi。
进一步地，步骤2所述对候选接入点样本集进行规范化处理，获得规范化样本矩阵，具体过程包括：
步骤2-1，根据候选接入点样本集构建候选接入点样本矩阵，假设有n个候选接入点，每个候选接入点对应m个属性，则候选接入点矩阵X为：
Figure BDA0002545058460000021
式中，xij表示第i个候选接入点的第j个属性值，i＝1,2,…,n，j＝1,2,…,m；
步骤2-2，对所述候选接入点样本矩阵X进行规范化处理，规范化公式为：
Figure BDA0002545058460000031
获得规范化样本矩阵Z为：
Figure BDA0002545058460000032
式中，zij表示规范化后的第i个候选接入点的第j个属性值。
进一步地，步骤3所述利用层次分析法求取各属性的权重，形成属性权重矩阵，具体过程包括：
步骤3-1，为每个属性赋予重要程度值，构建成对比较矩阵A，该矩阵A中的每一个元素aij表示第i个属性的重要程度值与第j个属性的重要程度值的比值，aij＞0，
Figure BDA0002545058460000033
i,j＝1,2,…,m，m为属性的个数；
步骤3-2，根据所述成对比较矩阵A，求取属性权重矩阵w；
步骤3-3，求取所述成对比较矩阵A的特征值λ，并根据该特征值λ验证所述成对比较矩阵A的一致性，若一致性指标值小于预设阈值，则表示一致性验证通过，输出所述属性权重矩阵w；否则返回步骤3-1。
进一步地，步骤3-2所述根据所述成对比较矩阵A，求取属性权重矩阵w，具体过程包括：
步骤3-2-1，对所述成对比较矩阵A的每一列进行规范化处理，获得规范化矩阵A'：
Figure BDA0002545058460000034
步骤3-2-2，将所述规范化矩阵A'按行求和，获得每一行的特征向量，形成特征向量矩阵v：
Figure BDA0002545058460000041
步骤3-2-3，将所述特征向量矩阵v按列规范化，获得属性权重矩阵w：
Figure BDA0002545058460000042
式中，wj为第j个属性的权重值。
进一步地，步骤3-3所述求取所述成对比较矩阵A的特征值λ，并根据该特征值λ验证所述成对比较矩阵A的一致性，具体过程包括：
步骤3-3-1，将所述成对比较矩阵A的每一列乘属性权重矩阵w对应行的元素获得矩阵A”：
Figure BDA0002545058460000051
步骤3-3-2，将所述矩阵A”按行求和，获得矩阵A”'：
Figure BDA0002545058460000052
步骤3-3-3，对所述矩阵A”'进行标准化，并对所有元素求和，获得特征值λ：
Figure BDA0002545058460000053
步骤3-3-4，根据特征值λ验证所述成对比较矩阵A的一致性，验证公式为：
Figure BDA0002545058460000054
式中，CI为一致性指标。
进一步地，步骤4所述结合所述属性权重矩阵，利用TOPSIS算法对候选接入点样本进行评价，具体过程包括：
步骤4-1，对所述规范化样本矩阵Z中每个候选接入点样本的各属性进行同向化处理，将其中的成本型属性转化为效益型属性；
步骤4-2，确定各属性的最优解和最劣解，所述属性的最优解、最劣解分别为该属性对应的最大值和最小值；
步骤4-3，结合所述属性权重矩阵，求取各候选接入点样本与所述最优解、最劣解的接近程度：
Figure BDA0002545058460000061
Figure BDA0002545058460000062
式中，
Figure BDA0002545058460000063
为第i个候选接入点样本与所述最优解的接近程度，
Figure BDA0002545058460000064
为第i个候选接入点样本与所述最劣解的接近程度，
Figure BDA0002545058460000065
为第j个属性的最优解，
Figure BDA0002545058460000066
为第j个属性的最劣解，wj为第j个属性的权重值；
步骤4-4，求取各候选接入点样本与所述最优解的贴合程度，所述贴合程度的计算公式为：
Figure BDA0002545058460000067
式中，Ei为第i个候选接入点样本与所述最优解的贴合程度。
进一步地，步骤5所述结合所述属性权重矩阵，利用RSR算法对候选接入点样本进行评价，具体过程包括：
步骤5-1，利用整次秩和比法对所述规范化样本矩阵Z进行编秩，对于效益型属性，进行升序编，即属性值越大，秩越大；对于成本型属性，进行降序编，即属性值越大，秩越小，获得秩矩阵，记为R＝(Rij)n×m；
步骤5-2，结合所述属性权重矩阵，求取每一个样本的加权秩和比；
当权重矩阵中的所有权重相同时，加权秩和比计算公式为：
Figure BDA0002545058460000068
其他情况，加权秩和比计算公式为：
Figure BDA0002545058460000071
步骤5-3，结合正态分布理论确定RSR的分布，具体过程包括：
步骤5-3-1，建立RSR的频数分布表，包括各RSR值的频数f，以及所有RSR值的累计频数∑f；所述频数分布表中RSR值升序排列；
步骤5-3-2，确定各RSR值的平均秩次
Figure BDA0002545058460000072
步骤5-3-3，按所述RSR值升序排列的顺序，利用每个RSR值的平均秩次
Figure BDA0002545058460000078
求取累计频率，所用公式为：
Figure BDA0002545058460000073
特殊地，利用
Figure BDA0002545058460000074
对最后一个RSR值对应的累计频率进行修正；
步骤5-3-4，将每个所述累计频率转换为概率单位Pr obit，Pr obit为累计频率所对应的标准正态离差u加5；
步骤5-3-5，以所述Pr obit为自变量，以所述RSR值为因变量，计算直线回归方程：
RSR＝a+b×Pr obit
步骤5-3-6，对所述直线回归方程进行t检验，并判断t检验统计量是否小于预设阈值，若是则表示t检验通过，直线回归方程有效，执行步骤5-3-8；否则执行步骤5-3-7；所述t检验统计量的计算公式为：
Figure BDA0002545058460000075
式中，
Figure BDA0002545058460000076
n为样本数，
Figure BDA0002545058460000077
为样本的平均数，σ为样本的标准偏差；
步骤5-3-7，输出步骤5-2求解的RSR值；
步骤5-3-8，结合步骤5-3-5求解的直线回归方程以及所述Pr obit求解RSR的矫正值，并输出这些矫正值。
本发明与现有技术相比，其显著优点为：1)通过综合考虑多维属性，选择出当前条件下最理想的接入点，从而有效提高接入的效率和对资源的利用率；倘若选择了不够理想的接入点，一方面可能会出现认证失败或认证速度慢等情况，另一方面会因为后期频繁切换而降低***的性能且造成资源的浪费；而当选择了比较理想的接入点时，可以迅速安全的完全认证，实现资源的合理利用；此外，还可以根据不同的应用场景调节几个决策属性的权重参数，得出该场景下的推荐结果，从而实现满足多场景需求，按需使用和配置资源的目的；2)基于模糊理论对TOPSIS和RSR两种算法进行加权对候选接入点进行排序，综合了两种算法的优点，比如RSR算法由于只需要考虑数据的秩次，而不用代入每个原始数据进行计算，从而可以有效避免异常值的干扰，具备更强的稳定性；综合两者则既能弥补TOPSIS法的应用范围，又能在不完全损失原始数据的信息的情况下有效避免异常值的干扰，使得结果更加科学、全面；3)本发明探索了在该应用场景下根据多维决策属性对方案进行综合评价的方法，具有一定的理论基础，需要的运行环境简单，因此具有一定的市场实施的可行性；不同的应用场景的软件项目都可以参照本发明提出的方法，对样本进行多维综合评价，即可完成最优方案的决策，又可对样本进行分类排序，从而可以分析样本的分布情况，总结样本的分布规律。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为一个实施例中基于SDN的天地一体化网络认证架构下的接入点决策方法的流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
结合图1，本发明将SDN的思想引入到接入认证的过程中，形成新型的接入认证架构。在架构中，策略管理由认证层的管理中心进行，接入点的选择则是其中一个非常重要的部分。若能优化接入点的选择策略，则能提高认证的成功率和效率。
在一个实施例中，结合图1，提供了一种基于SDN的天地一体化网络认证架构下的接入点决策方法，所述方法包括以下步骤：
步骤1，结合逻辑乘法和逻辑和法，对接入点样本进行筛选，形成候选接入点样本集，该样本集包括候选接入点样本及其属性；
步骤2，对所述候选接入点样本集进行规范化处理，获得规范化样本矩阵Z；
步骤3，利用层次分析法求取各属性的权重，形成属性权重矩阵；
步骤4，结合所述属性权重矩阵，利用TOPSIS算法对候选接入点样本进行评价；
步骤5，结合所述属性权重矩阵，利用RSR算法对候选接入点样本进行评价；
步骤6，对所述TOPSIS算法和RSR算法的评价结果进行加权，获得候选接入点样本的最终评价结果，之后根据该评价结果值对候选接入点样本进行降序排列；
步骤7，根据接入请求数n，选取前n个候选接入点样本作为接入点。
这里，接入点决策方法可以只选取TOPSIS算法、RSR算法中的一种执行，如只执行到步骤4，然后根据评价结果值对候选接入点样本进行降序排列，不执行步骤6，直接执行步骤7。也可以不执行步骤4，执行步骤5，然后根据评价结果值对候选接入点样本进行降序排列，不执行步骤6，直接执行步骤7。
进一步地，在其中一个实施例中，步骤1所述结合逻辑乘法和逻辑和法，对接入点样本进行筛选，形成候选接入点样本集，具体过程包括：
步骤1-1，定义两类属性：效益型属性，该属性对决策结果的影响呈正相关；成本型属性，该属性对决策结果的影响呈负相关；
步骤1-2，根据所述两类属性对影响接入点决策的所有属性进行分类；
这里，优选的属性包括7种：计算资源、存储资源、信号强度、带宽、覆盖时间、响应时间和丢包率。经分类后，效益型属性包括计算资源、存储资源、信号强度、带宽和覆盖时间，成本型属性包括响应时间和丢包率。
步骤1-3，设定一个卫星成为被接入点的各个属性的切除值，根据逻辑乘法，将各效益型属性值高于其切除值且同时各成本型属性值低于其切除值的接入点加入候选接入点样本集SNi；
步骤1-4，为各个属性设定阈值，根据逻辑和法，将各个属性中任意一个属性优于其对应的所述阈值的接入点加入候选接入点样本集SNi。
进一步地，在其中一个实施例中，步骤2所述对候选接入点样本集进行规范化处理，获得规范化样本矩阵，具体过程包括：
步骤2-1，根据候选接入点样本集构建候选接入点样本矩阵，假设有n个候选接入点，每个候选接入点对应m个属性，则候选接入点矩阵X为：
Figure BDA0002545058460000101
式中，xij表示第i个候选接入点的第j个属性值，i＝1,2,…,n，j＝1,2,…,m；
步骤2-2，对所述候选接入点样本矩阵X进行规范化处理，规范化公式为：
Figure BDA0002545058460000102
获得规范化样本矩阵Z为：
Figure BDA0002545058460000103
式中，zij表示规范化后的第i个候选接入点的第j个属性值。
进一步地，在其中一个实施例中，步骤3所述利用层次分析法求取各属性的权重，形成属性权重矩阵，具体过程包括：
步骤3-1，为每个属性赋予重要程度值，构建成对比较矩阵A，该矩阵A中的每一个元素aij表示第i个属性的重要程度值与第j个属性的重要程度值的比值，aij＞0，
Figure BDA0002545058460000104
i,j＝1,2,…,m，m为属性的个数；
步骤3-2，根据所述成对比较矩阵A，求取属性权重矩阵w；
步骤3-3，求取所述成对比较矩阵A的特征值λ，并根据该特征值λ验证所述成对比较矩阵A的一致性，若一致性指标值小于预设阈值，则表示一致性验证通过(表明成对比较矩阵构造合理)，输出所述属性权重矩阵w；否则返回步骤3-1。
进一步地，在其中一个实施例中，步骤3-2所述根据所述成对比较矩阵A，求取属性权重矩阵w，具体过程包括：
步骤3-2-1，对所述成对比较矩阵A的每一列进行规范化处理，获得规范化矩阵A'：
Figure BDA0002545058460000111
步骤3-2-2，将所述规范化矩阵A'按行求和，获得每一行的特征向量，形成特征向量矩阵v：
Figure BDA0002545058460000112
步骤3-2-3，将所述特征向量矩阵v按列规范化，获得属性权重矩阵w：
Figure BDA0002545058460000113
式中，wj为第j个属性的权重值。
进一步地，在其中一个实施例中，步骤3-3所述求取所述成对比较矩阵A的特征值λ，并根据该特征值λ验证所述成对比较矩阵A的一致性，具体过程包括：
步骤3-3-1，将所述成对比较矩阵A的每一列乘属性权重矩阵w对应行的元素获得矩阵A”：
Figure BDA0002545058460000121
步骤3-3-2，将所述矩阵A”按行求和，获得矩阵A”'：
Figure BDA0002545058460000122
步骤3-3-3，对所述矩阵A”'进行标准化，并对所有元素求和，获得特征值λ：
Figure BDA0002545058460000123
步骤3-3-4，根据特征值λ验证所述成对比较矩阵A的一致性，验证公式为：
Figure BDA0002545058460000124
式中，CI为一致性指标。
进一步地，在其中一个实施例中，步骤4所述结合所述属性权重矩阵，利用TOPSIS算法对候选接入点样本进行评价，具体过程包括：
步骤4-1，对所述规范化样本矩阵Z中每个候选接入点样本的各属性进行同向化处理，将其中的成本型属性转化为效益型属性；
这里，所述同向化处理，具体为：对当前属性值取倒数，或进行减法运算，所述减法运算为属性对应的最大值减去当前属性值；
步骤4-2，确定各属性的最优解和最劣解，所述属性的最优解、最劣解分别为该属性对应的最大值和最小值；
步骤4-3，结合所述属性权重矩阵，求取各候选接入点样本与所述最优解、最劣解的接近程度：
Figure BDA0002545058460000131
Figure BDA0002545058460000132
式中，
Figure BDA0002545058460000133
为第i个候选接入点样本与所述最优解的接近程度，
Figure BDA0002545058460000134
为第i个候选接入点样本与所述最劣解的接近程度，
Figure BDA0002545058460000135
为第j个属性的最优解，
Figure BDA0002545058460000136
为第j个属性的最劣解，wj为第j个属性的权重值；
步骤4-4，求取各候选接入点样本与所述最优解的贴合程度，所述贴合程度的计算公式为：
Figure BDA0002545058460000137
式中，Ei为第i个候选接入点样本与所述最优解的贴合程度。
进一步地，在其中一个实施例中，步骤5所述结合所述属性权重矩阵，利用RSR算法对候选接入点样本进行评价，具体过程包括：
步骤5-1，利用整次秩和比法对所述规范化样本矩阵Z进行编秩，对于效益型属性，进行升序编，即属性值越大，秩越大；对于成本型属性，进行降序编，即属性值越大，秩越小，获得秩矩阵，记为R＝(Rij)n×m；
步骤5-2，结合所述属性权重矩阵，求取每一个样本的加权秩和比；
当权重矩阵中的所有权重相同时，加权秩和比计算公式为：
Figure BDA0002545058460000141
其他情况，加权秩和比计算公式为：
Figure BDA0002545058460000142
步骤5-3，结合正态分布理论确定RSR的分布，具体过程包括：
步骤5-3-1，建立RSR的频数分布表，包括各RSR值的频数f，以及所有RSR值的累计频数∑f；所述频数分布表中RSR值升序排列；
步骤5-3-2，确定各RSR值的平均秩次
Figure BDA0002545058460000143
步骤5-3-3，按所述RSR值升序排列的顺序，利用每个RSR值的平均秩次
Figure BDA0002545058460000149
求取累计频率，所用公式为：
Figure BDA0002545058460000144
特殊地，利用
Figure BDA0002545058460000145
对最后一个RSR值对应的累计频率进行修正；
步骤5-3-4，将每个所述累计频率转换为概率单位Pr obit，Pr obit为累计频率所对应的标准正态离差u加5；
步骤5-3-5，以所述Pr obit为自变量，以所述RSR值为因变量，计算直线回归方程：
RSR＝a+b×Pr obit
步骤5-3-6，对所述直线回归方程进行t检验，并判断t检验统计量是否小于预设阈值，若是则表示t检验通过，直线回归方程有效，执行步骤5-3-8；否则执行步骤5-3-7；所述t检验统计量的计算公式为：
Figure BDA0002545058460000146
式中，
Figure BDA0002545058460000147
n为样本数，
Figure BDA0002545058460000148
为样本的平均数，σ为样本的标准偏差；
步骤5-3-7，输出步骤5-2求解的RSR值；
步骤5-3-8，结合步骤5-3-5求解的直线回归方程以及所述Pr obit求解RSR的矫正值，并输出这些矫正值。
进一步地，在其中一个实施例中，步骤6所述对所述TOPSIS算法和RSR算法的评价结果进行加权，所用公式为：
p＝w1×Ei+w2×RSRi
式中，p为加权后的评价结果值，w1、w2分别为TOPSIS算法评价结果、RSR算法评价结果的权重值，w1+w2＝1。
作为一种具体示例，在其中一个实施例中，对本发明基于SDN的天地一体化网络认证架构下的接入点决策方法进行验证说明，包括以下内容：
(1)TOPSIS算法
为了展示算法的过程和验证算法的有效性，选择一组数据代入。而后对通过初筛算法后的样本矩阵进行列规范化处理，得到矩阵B，矩阵中的具体数据如下表1所示：
表1规范化后的样本矩阵
样本 计算资源 存储资源 信号强度 带宽 响应时间 丢包率 覆盖时间
N1 0.3838 0.3935 -0.3057 0.4420 0.4948 0.4237 0.2618
N2 0.3199 0.5037 -0.5197 0.3536 0.3493 0.2220 0.2244
N3 0.3582 0.2519 -0.1834 0.4420 0.4075 0.3229 0.2992
N4 0.3838 0.3935 -0.2446 0.3536 0.4366 0.4237 0.2244
N5 0.5118 0.2519 -0.4586 0.3306 0.3522 0.5246 0.7480
N6 0.2559 0.3935 -0.3057 0.3536 0.1746 0.2220 0.2618
N7 0.3838 0.3935 -0.4891 0.3536 0.3493 0.4036 0.3366
根据层次分析法，已经得到各属性的权重为w＝[0.2483,0.0686,0.1740,0.0427,0.1351,0.0831,0.2483]。
将各属性权重和规范化后的样本矩阵B相乘，得到加权规范化矩阵C：
Figure BDA0002545058460000151
而后根据计算公式确定最优解x+和最劣解x-，获得Z+＝(0.1271,0.0346,-0.0319,0.0189,0.0236,0.0184,0.1857)，最劣解为Z-＝(0.0635,0.0173,-0.0904,0.0141,0.0669,0.0436,0.0557)。
接着，根据公式计算出各个样本与最优解的距离D+，距离最劣解的距离D-，在此基础上，可以计算出各样本与最优解的贴近程度为矩阵E，作为评价结果，如下表2所示。
表2候选接入点与最优解距离及评价结果
名称 D<sup>+</sup> D<sup>-</sup> E
N1 0.1351 0.0517 0.2767
N2 0.1522 0.0396 0.2066
N3 0.1234 0.0697 0.3609
N4 0.1401 0.0594 0.2978
N5 0.0618 0.1463 0.7030
N6 0.1383 0.0638 0.3157
N7 0.1230 0.0490 0.2847
(2)RSR算法
首先将决策属性分为效益型指标和成本型指标两类，而后根据相应的规则对样本数据进行编秩，获得编秩表。
而后根据计算公式，计算出秩和比RSR，并对RSR进行从小到大的排序。接着列出各个RSR的频数f，并计算出每个属性的累计频数∑f；确定各组RSR的秩次范围和平均秩次
Figure BDA0002545058460000161
接着计算累计频率
Figure BDA0002545058460000162
利用
Figure BDA0002545058460000163
对最后一项RSR值进行修正；最后将累计频率换算为所对应的概率单位Pr obit。
而后以Pr obit为自变量，RSR值为因变量，计算直线回归方程：
RSR＝a+b×Pr obit
接着对回归方程进行t检验。根据公式计算得t检验统计量为7.2821，其p值为0.00076394，对比t检验的界值表可知发生差异的概率近似于0，该回归系数具有统计学意义，回归方程的拟合优度非常高，可以通过回归检验。
最后再由该回归方程重新计算出所对应的RSR矫正值RSR_Regression，作为评价结果，如下表3所示。
表3 RSR值分布和评价结果
RSR RSR_RANK PROBIT RSR_REGRESSION RANK
N1 0.4527 5 3.9324 0.4466 5
N2 0.3863 7 4.4341 0.3739 7
N3 0.5231 2 4.8200 0.5487 2
N4 0.4567 4 5.1800 0.4761 4
N5 0.6472 1 5.5659 0.6089 1
N6 0.4806 3 6.0676 0.5076 3
N7 0.4302 6 6.8027 0.4150 6
(3)对两种算法进行加权，获得最终的评价结果。
首先按模糊理论对TOPSIS法求得的评价结果E和RSR法求得的评价结果RSR_Regression赋予权重w1和w2，分别赋予0：1、0.1：0.9、0.5：0.5、0.9：0.1和1：0五种权重比。然后按式w1×E+w2×RSR_Regression计算最终评价结果，并对该评价结果进行降序排列，结果如下表4所示。
表4最终排序结果
权重比 0：1 1：0 0.1：0.9 0.5：0.5 0.9：0.1 排序结果
N1 0.2767 0.4466 0.4296 0.3617 0.2937 5
N2 0.2066 0.3739 0.3572 0.2903 0.2233 7
N3 0.3609 0.5487 0.5299 0.4548 0.3797 2
N4 0.2978 0.4761 0.4583 0.3870 0.3156 4
N5 0.703 0.6089 0.6183 0.6560 0.6936 1
N6 0.3157 0.5076 0.4884 0.4117 0.3349 3
N7 0.2847 0.415 0.4020 0.3499 0.2977 6
综上，综合两种算法后的排序结果为N5>N3>N6>N4>N7>N1>N2。以这份样本为例，实验结果证明，倘若选择单一属性进行接入点的选择，比如因为信号强度因素选择3号节点接入，或因为较短的响应时间选择6号节点接入，但是这两个节点的计算资源和存储资源都较低，同时覆盖时间短，会造成认证时间长、因频繁切换而带来的***性能下降等问题。因此，根据本发明提出的接入点决策算法，通过综合考虑7个属性，能够全面提高了认证成功率和效率。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.基于SDN的天地一体化网络认证架构下的接入点决策方法，其特征在于，所述方法包括以下步骤：
步骤1，结合逻辑乘法和逻辑和法，对接入点样本进行筛选，形成候选接入点样本集，该样本集包括候选接入点样本及其属性；具体过程包括：
步骤1-1，定义两类属性：效益型属性，该属性对决策结果的影响呈正相关；成本型属性，该属性对决策结果的影响呈负相关；效益型属性包括计算资源、存储资源、信号强度、带宽和覆盖时间，成本型属性包括响应时间和丢包率；
步骤1-2，根据所述两类属性对影响接入点决策的所有属性进行分类；
步骤1-3，设定一个卫星成为被接入点的各个属性的切除值，根据逻辑乘法，将各效益型属性值高于其切除值且同时各成本型属性值低于其切除值的接入点加入候选接入点样本集SNi；
步骤1-4，为各个属性设定阈值，根据逻辑和法，将各个属性中任意一个属性优于其对应的所述阈值的接入点加入候选接入点样本集SNi；
步骤2，对所述候选接入点样本集进行规范化处理，获得规范化样本矩阵Z；
步骤3，利用层次分析法求取各属性的权重，形成属性权重矩阵；
步骤4，结合所述属性权重矩阵，利用TOPSIS算法对候选接入点样本进行评价；
步骤5，结合所述属性权重矩阵，利用RSR算法对候选接入点样本进行评价；
步骤6，对所述TOPSIS算法和RSR算法的评价结果进行加权，获得候选接入点样本的最终评价结果，之后根据该评价结果值对候选接入点样本进行降序排列；
步骤7，根据接入请求数n，选取前n个候选接入点样本作为接入点。
2.根据权利要求1所述的基于SDN的天地一体化网络认证架构下的接入点决策方法，其特征在于，步骤2所述对候选接入点样本集进行规范化处理，获得规范化样本矩阵，具体过程包括：
步骤2-1，根据候选接入点样本集构建候选接入点样本矩阵，假设有n个候选接入点，每个候选接入点对应m个属性，则候选接入点矩阵X为：
Figure FDA0003397414740000011
式中，xij表示第i个候选接入点的第j个属性值，i＝1,2,…,n，j＝1,2,…,m；
步骤2-2，对所述候选接入点样本矩阵X进行规范化处理，规范化公式为：
Figure FDA0003397414740000021
获得规范化样本矩阵Z为：
Figure FDA0003397414740000022
式中，zij表示规范化后的第i个候选接入点的第j个属性值。
3.根据权利要求1所述的基于SDN的天地一体化网络认证架构下的接入点决策方法，其特征在于，步骤3所述利用层次分析法求取各属性的权重，形成属性权重矩阵，具体过程包括：
步骤3-1，为每个属性赋予重要程度值，构建成对比较矩阵A，该矩阵A中的每一个元素aij表示第i个属性的重要程度值与第j个属性的重要程度值的比值，aij＞0，
Figure FDA0003397414740000023
m为属性的个数；
步骤3-2，根据所述成对比较矩阵A，求取属性权重矩阵w；
步骤3-3，求取所述成对比较矩阵A的特征值λ，并根据该特征值λ验证所述成对比较矩阵A的一致性，若一致性指标值小于预设阈值，则表示一致性验证通过，输出所述属性权重矩阵w；否则返回步骤3-1。
4.根据权利要求3所述的基于SDN的天地一体化网络认证架构下的接入点决策方法，其特征在于，步骤3-2所述根据所述成对比较矩阵A，求取属性权重矩阵w，具体过程包括：
步骤3-2-1，对所述成对比较矩阵A的每一列进行规范化处理，获得规范化矩阵A'：
Figure FDA0003397414740000031
步骤3-2-2，将所述规范化矩阵A'按行求和，获得每一行的特征向量，形成特征向量矩阵v：
Figure FDA0003397414740000032
步骤3-2-3，将所述特征向量矩阵v按列规范化，获得属性权重矩阵w：
Figure FDA0003397414740000033
式中，wj为第j个属性的权重值。
5.根据权利要求4所述的基于SDN的天地一体化网络认证架构下的接入点决策方法，其特征在于，步骤3-3所述求取所述成对比较矩阵A的特征值λ，并根据该特征值λ验证所述成对比较矩阵A的一致性，具体过程包括：
步骤3-3-1，将所述成对比较矩阵A的每一列乘属性权重矩阵w对应行的元素获得矩阵A”：
Figure FDA0003397414740000041
步骤3-3-2，将所述矩阵A”按行求和，获得矩阵A”'：
Figure FDA0003397414740000042
步骤3-3-3，对所述矩阵A”'进行标准化，并对所有元素求和，获得特征值λ：
Figure FDA0003397414740000043
步骤3-3-4，根据特征值λ验证所述成对比较矩阵A的一致性，验证公式为：
Figure FDA0003397414740000044
式中，CI为一致性指标。
6.根据权利要求1、2或5所述的基于SDN的天地一体化网络认证架构下的接入点决策方法，其特征在于，步骤4所述结合所述属性权重矩阵，利用TOPSIS算法对候选接入点样本进行评价，具体过程包括：
步骤4-1，对所述规范化样本矩阵Z中每个候选接入点样本的各属性进行同向化处理，将其中的成本型属性转化为效益型属性；
步骤4-2，确定各属性的最优解和最劣解，所述属性的最优解、最劣解分别为该属性对应的最大值和最小值；
步骤4-3，结合所述属性权重矩阵，求取各候选接入点样本与所述最优解、最劣解的接近程度：
Figure FDA0003397414740000051
Figure FDA0003397414740000052
式中，
Figure FDA0003397414740000053
为第i个候选接入点样本与所述最优解的接近程度，
Figure FDA0003397414740000054
为第i个候选接入点样本与所述最劣解的接近程度，
Figure FDA0003397414740000055
为第j个属性的最优解，
Figure FDA0003397414740000056
为第j个属性的最劣解，wj为第j个属性的权重值；
步骤4-4，求取各候选接入点样本与所述最优解的贴合程度，所述贴合程度的计算公式为：
Figure FDA0003397414740000057
式中，Ei为第i个候选接入点样本与所述最优解的贴合程度。
7.根据权利要求6所述的基于SDN的天地一体化网络认证架构下的接入点决策方法，其特征在于，步骤4-1所述同向化处理，具体为：对当前属性值取倒数，或进行减法运算，所述减法运算为属性对应的最大值减去当前属性值。
8.根据权利要求1所述的基于SDN的天地一体化网络认证架构下的接入点决策方法，其特征在于，步骤5所述结合所述属性权重矩阵，利用RSR算法对候选接入点样本进行评价，具体过程包括：
步骤5-1，利用整次秩和比法对所述规范化样本矩阵Z进行编秩，对于效益型属性，进行升序编，即属性值越大，秩越大；对于成本型属性，进行降序编，即属性值越大，秩越小，获得秩矩阵，记为R＝(Rij)n×m；
步骤5-2，结合所述属性权重矩阵，求取每一个样本的加权秩和比；
当权重矩阵中的所有权重相同时，加权秩和比计算公式为：
Figure FDA0003397414740000061
其他情况，加权秩和比计算公式为：
Figure FDA0003397414740000062
步骤5-3，结合正态分布理论确定RSR的分布，具体过程包括：
步骤5-3-1，建立RSR的频数分布表，包括各RSR值的频数f，以及所有RSR值的累计频数∑f；所述频数分布表中RSR值升序排列；
步骤5-3-2，确定各RSR值的平均秩次
Figure FDA0003397414740000063
步骤5-3-3，按所述RSR值升序排列的顺序，利用每个RSR值的平均秩次
Figure FDA0003397414740000066
求取累计频率，所用公式为：
Figure FDA0003397414740000064
特殊地，利用
Figure FDA0003397414740000065
对最后一个RSR值对应的累计频率进行修正；
步骤5-3-4，将每个所述累计频率转换为概率单位Probit，Probit为累计频率所对应的标准正态离差u加5；
步骤5-3-5，以所述Probit为自变量，以所述RSR值为因变量，计算直线回归方程：
RSR＝a+b×Probit
步骤5-3-6，对所述直线回归方程进行t检验，并判断t检验统计量是否小于预设阈值，若是则表示t检验通过，直线回归方程有效，执行步骤5-3-8；否则执行步骤5-3-7；所述t检验统计量的计算公式为：
Figure FDA0003397414740000071
式中，
Figure FDA0003397414740000072
n为样本数，
Figure FDA0003397414740000073
为样本的平均数，σ为样本的标准偏差；
步骤5-3-7，输出步骤5-2求解的RSR值；
步骤5-3-8，结合步骤5-3-5求解的直线回归方程以及所述Probit求解RSR的矫正值，并输出这些矫正值。
9.根据权利要求1或8所述的基于SDN的天地一体化网络认证架构下的接入点决策方法，其特征在于，步骤6所述对所述TOPSIS算法和RSR算法的评价结果进行加权，所用公式为：
p＝w1×Ei+w2×RSRi
式中，p为加权后的评价结果值，w1、w2分别为TOPSIS算法评价结果、RSR算法评价结果的权重值，w1+w2＝1。
CN202010562383.7A 2020-06-18 2020-06-18 基于sdn的天地一体化网络认证架构下的接入点决策方法 Active CN111800318B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010562383.7A CN111800318B (zh) 2020-06-18 2020-06-18 基于sdn的天地一体化网络认证架构下的接入点决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010562383.7A CN111800318B (zh) 2020-06-18 2020-06-18 基于sdn的天地一体化网络认证架构下的接入点决策方法

Publications (2)

Publication Number Publication Date
CN111800318A CN111800318A (zh) 2020-10-20
CN111800318B true CN111800318B (zh) 2022-02-18

Family

ID=72803576

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010562383.7A Active CN111800318B (zh) 2020-06-18 2020-06-18 基于sdn的天地一体化网络认证架构下的接入点决策方法

Country Status (1)

Country Link
CN (1) CN111800318B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113473574B (zh) * 2021-06-30 2024-06-11 北京小米移动软件有限公司 无线局域网连接方法、装置、存储介质以及电子设备
WO2023137606A1 (en) * 2022-01-19 2023-07-27 Qualcomm Incorporated Methods and apparatus for access point selection

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102043839A (zh) * 2010-12-13 2011-05-04 北京航空航天大学 性能与可靠性维修性保障性多维综合权衡的模板方法
CN105704771A (zh) * 2016-03-24 2016-06-22 重庆邮电大学 异构网中基于负载均衡和QoS的模块化切换方法
CN110234155A (zh) * 2019-05-22 2019-09-13 吉林大学 一种基于改进topsis的超密集网络接入选择方法
CN110581783A (zh) * 2019-09-29 2019-12-17 南京邮电大学 基于ahp和topsis的通信方案决策方法
CN110944349A (zh) * 2019-11-15 2020-03-31 华南理工大学 基于直觉模糊数和topsis的异构无线网络选择方法
CN110955940A (zh) * 2019-11-18 2020-04-03 中国农业大学 一种基于ahp的机械装置设计选型方法
CN110969347A (zh) * 2019-11-22 2020-04-07 国网山东省电力公司临沂供电公司 一种输电网结构形态评估方法
CN111061775A (zh) * 2019-12-04 2020-04-24 中国标准化研究院 一种标准数据影响关系评价模型

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102043839A (zh) * 2010-12-13 2011-05-04 北京航空航天大学 性能与可靠性维修性保障性多维综合权衡的模板方法
CN105704771A (zh) * 2016-03-24 2016-06-22 重庆邮电大学 异构网中基于负载均衡和QoS的模块化切换方法
CN110234155A (zh) * 2019-05-22 2019-09-13 吉林大学 一种基于改进topsis的超密集网络接入选择方法
CN110581783A (zh) * 2019-09-29 2019-12-17 南京邮电大学 基于ahp和topsis的通信方案决策方法
CN110944349A (zh) * 2019-11-15 2020-03-31 华南理工大学 基于直觉模糊数和topsis的异构无线网络选择方法
CN110955940A (zh) * 2019-11-18 2020-04-03 中国农业大学 一种基于ahp的机械装置设计选型方法
CN110969347A (zh) * 2019-11-22 2020-04-07 国网山东省电力公司临沂供电公司 一种输电网结构形态评估方法
CN111061775A (zh) * 2019-12-04 2020-04-24 中国标准化研究院 一种标准数据影响关系评价模型

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
A Comprehensive Evaluation Method on Operation Quality of Power Backbone Optical Communication Network Based on Improved TOPSIS;Xiangzhou Chen;《2018 IEEE 3rd International Conference on Cloud Computing and》;20181021;全文 *

Also Published As

Publication number Publication date
CN111800318A (zh) 2020-10-20

Similar Documents

Publication Publication Date Title
CN108235390B (zh) 一种异构无线网络中基于贝叶斯决策的垂直切换方法
CN111800318B (zh) 基于sdn的天地一体化网络认证架构下的接入点决策方法
Song et al. A network selection mechanism for next generation networks
CN111563275B (zh) 一种基于生成对抗网络的数据脱敏方法
CN109286959B (zh) 一种基于层次分析法的异构无线网络垂直切换方法
Huszak et al. Eliminating rank reversal phenomenon in GRA-based network selection method
CN104602325B (zh) 一种基于层次分析法的异构无线网络选择方法
CN108809452B (zh) 动态频谱接入***中最佳感知信道选择方法
Maree et al. Real-valued evolutionary multi-modal optimization driven by hill-valley clustering
WO2021022875A1 (zh) 数据的分布式存储方法及***
CN114638021B (zh) 物联网轻量级区块链***安全性评价方法
CN109412661B (zh) 一种大规模mimo***下的用户分簇方法
CN116126130A (zh) 一种可信边缘服务器的选择与能耗优化的任务卸载方法
Ramirez-Perez et al. On the effectiveness of multi-criteria decision mechanisms for vertical handoff
CN108470251B (zh) 基于平均互信息的社区划分质量评价方法及***
Zhang et al. Coresets remembered and items forgotten: submodular maximization with deletions
CN110610192B (zh) 一种频谱空间信道聚类方法
Costantini et al. Impact of popular content relational structure on joint caching and recommendation policies
Arasli et al. Group testing with a dynamic infection spread
CN112867101B (zh) 一种基于灰度综合评价值的公安异构无线专网选择方法
Fontana et al. SMASH: a SMArt Slicing Heterogeneous 5G network selection algorithm
CN115334005A (zh) 基于剪枝卷积神经网络和机器学习的加密流量识别方法
CN113132482A (zh) 一种基于强化学习的分布式消息***参数自适应优化方法
CN113873001A (zh) 一种基于http请求分类的负载均衡优化方法
CN111708936A (zh) 基于相似性传播策略的Web服务推荐***及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant