基于混合型數(shù)據(jù)聚類的觸發(fā)式網(wǎng)絡(luò)監(jiān)控的研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)和互聯(lián)網(wǎng)的迅速發(fā)展，網(wǎng)絡(luò)應(yīng)用的普及化程度越來越高，網(wǎng)絡(luò)上傳輸?shù)臄?shù)據(jù)量激增。為了充分發(fā)揮網(wǎng)絡(luò)資源的作用，科學(xué)合理管理網(wǎng)絡(luò)的重要性日益凸顯。利用網(wǎng)絡(luò)監(jiān)控實現(xiàn)網(wǎng)絡(luò)的監(jiān)測、控制和管理是掌握用戶網(wǎng)絡(luò)狀態(tài)、處置網(wǎng)絡(luò)不當(dāng)行為的有效途徑。目前，網(wǎng)絡(luò)監(jiān)控領(lǐng)域已有一些較為成熟的網(wǎng)絡(luò)監(jiān)控技術(shù)和商用產(chǎn)品，但是在智能化監(jiān)測和管理方面還需進(jìn)一步加強(qiáng)，在限制網(wǎng)絡(luò)功能和保證網(wǎng)絡(luò)完整功能及順暢運(yùn)行兩方面還需尋求平衡點(diǎn)。因此，如何根據(jù)用戶網(wǎng)絡(luò)訪問的實時狀態(tài)精確

2、分析用戶行為，在用戶訪問行為違反網(wǎng)絡(luò)管理規(guī)定時，通過實時決策判斷采取適當(dāng)?shù)捻憫?yīng)，是一個具有現(xiàn)實研究與應(yīng)用價值的問題。
　　 本文就監(jiān)控模型、觸發(fā)響應(yīng)機(jī)制、混合型數(shù)據(jù)模糊聚類及其在網(wǎng)絡(luò)監(jiān)控中的應(yīng)用等問題進(jìn)行了研究，主要工作包括以下幾個方面：
　　 （1）設(shè)計了基于聚類的觸發(fā)式網(wǎng)絡(luò)監(jiān)控的結(jié)構(gòu)模型。該模型將系統(tǒng)劃分為網(wǎng)絡(luò)用戶層、實時監(jiān)控層、數(shù)據(jù)分析層、觸發(fā)控制層、前端應(yīng)用管理層等五個層次。數(shù)據(jù)分析流程明確數(shù)據(jù)的處理與交換的步驟

3、和相互關(guān)系，將數(shù)據(jù)處理分為信息采集、數(shù)據(jù)初步分析、數(shù)據(jù)聚類、結(jié)論確定和響應(yīng)階段，依靠各模塊實現(xiàn)各階段的任務(wù)和功能。模型各部件分布式部署，可各自承擔(dān)數(shù)據(jù)處理和傳輸存儲任務(wù)，提高整體運(yùn)行效率。
　　 （2）鑒于網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)具有傳輸量大、實時性高等特點(diǎn)，提出一種新的觸發(fā)式機(jī)制和聚類分析的方法。觸發(fā)式機(jī)制分為粗粒度觸發(fā)響應(yīng)和細(xì)粒度觸發(fā)響應(yīng)。觸發(fā)式機(jī)制和聚類分析在網(wǎng)絡(luò)監(jiān)控中用于實現(xiàn)從海量數(shù)據(jù)中監(jiān)測關(guān)鍵信息，有針對性地縮小范圍，分析用戶行

4、為，以便較好地適應(yīng)網(wǎng)絡(luò)監(jiān)控的環(huán)境和特點(diǎn)。
　　 （3）提出了動態(tài)增刪自組織映射（Dynamic Growth and Delete Self-Organizing Maps，DGDSOM）聚類模型。該模型最大特點(diǎn)在于競爭層的網(wǎng)絡(luò)結(jié)構(gòu)在網(wǎng)絡(luò)訓(xùn)練過程中逐步建立，并且通過動態(tài)評價、反饋而增刪神經(jīng)元節(jié)點(diǎn)，使網(wǎng)絡(luò)結(jié)構(gòu)更趨于合理。
　　 （4）根據(jù)DGDSOM模型的設(shè)計思想，提出了模糊動態(tài)增刪自組織映射（Fuzzy Dynamic

5、Growth and Delete Self-Organizing Maps，F(xiàn)DGDSOM）聚類算法，該算法結(jié)合網(wǎng)絡(luò)監(jiān)控的需求，能夠處理數(shù)值、統(tǒng)計值、類別等混合特征的數(shù)據(jù)，動態(tài)生成和刪除聚類節(jié)點(diǎn)，以較少的迭代次數(shù)得到更趨于優(yōu)化的聚類結(jié)果。
　　 （5）在現(xiàn)實網(wǎng)絡(luò)環(huán)境中，隨機(jī)選取多種網(wǎng)絡(luò)行為的實時數(shù)據(jù)，統(tǒng)計分析這些行為表現(xiàn)的數(shù)值特征或變化趨勢，選取了用于聚類分析的10個屬性特征，為得出較好的聚類結(jié)果做了較充分的準(zhǔn)備工作。實驗測試

6、表明，本文提出的觸發(fā)式監(jiān)控對于用戶行為的響應(yīng)正確率較高，F(xiàn)DGSSOM聚類算法得到了信任度較高的聚類結(jié)果并在網(wǎng)絡(luò)監(jiān)控中較好應(yīng)用。
　　 本文研究和設(shè)計了基于聚類的觸發(fā)式網(wǎng)絡(luò)監(jiān)控模型，結(jié)合網(wǎng)絡(luò)監(jiān)控的實際應(yīng)用，提出了DGDSOM聚類模型和FDGDSOM聚類算法，引入觸發(fā)式機(jī)制設(shè)計了觸發(fā)模塊，能夠根據(jù)實時網(wǎng)絡(luò)行為做出智能化判斷和決策，實驗測試表明了本文網(wǎng)絡(luò)監(jiān)控的設(shè)計與實現(xiàn)在現(xiàn)實網(wǎng)絡(luò)環(huán)境中的實用性。綜上所述，本文的研究具有一定的應(yīng)用價值