CN101360053A - 基于信息熵的路由干扰影响度量方法 - Google Patents

Abstract

本发明提供一种基于信息熵的路由干扰影响度量方法，包括以下步骤：(1)将网络中通信的一对源点和汇点及其间的多条路径表示为点到点网络；(2)对任意数据流在指定主路径的条件下，传输分组所使用的实际路径进行统计，获得路径集合的使用概率分布，该概率分布作为以指定的主路径为条件的条件概率分布；(3)根据指定主路径条件下的条件概率分布计算其条件熵，作为指定主路径条件下的路由干扰影响度量；(4)统计所有路径作为主路径的概率，作为主路径集合的使用概率分布，并将步骤(3)获得的指定主路径的路由干扰影响度量针对主路径集合的使用概率分布做统计平均，得到整个独立路径网络的路由干扰影响度量。本方法比现有方法更适用、准确。

Description

基于信息熵的路由干扰影响度量方法

技术领域

本发明涉及计算机及通信网络安全领域，具体涉及基于信息熵的路由干扰影响度量方法。

背景技术

网络干扰是指对网络通信产生负面影响的各种因素的总称，涵盖了系统故障、外部攻击、人为事故等安全性事件。网络干扰是进行网络体系结构研究和应用开发所必须考虑的因素。对网络中的各种干扰进行度量有助于为网络体系和通信协议的设计提供依据。

现有的干扰度量方法专注于干扰的行为特征或性能参数，主要包括：故障树/攻击树、特权图、模型检测等。其中故障树/攻击树是描述故障或攻击最常用的模型，该模型用树状结构描述系统受到的安全攻击，其中的根节点是攻击目标，达到目标的不同方法则用叶节点表示；非叶节点表示攻击的各子目标，包括“与”、“或”两种类型，分别表示要达到的攻击目标所需要满足的子目标之间的路基关系。类似的，特权图和模型检测等方法，是用来对网络系统的脆弱性和安全缺陷进行建模和分析。

所有这些方法的前提都是对故障或攻击事件行为特征的具体描述。由于网络系统本身的复杂性，以及作用在网络上的各种干扰行为层出不穷，要达到详细描述这些行为特征及其后果，通常会导致模型的复杂化。此外，对于两个不同行为的干扰过程来说，即便其后果相同，但行为特征的差异仍然需要用不同的模型来描述，这在一定程度上限制了干扰模型的适用范围。

多路径路由(Multi-path Routing)

多路径路由技术是指为待传输的数据分组提供多于一条的传输路径。多路径路由技术不仅能提高传输效率，更重要的是在有干扰的情况下能有效地提高传输的可靠性。在多路径路由机制中，为了保证数据流的可靠传输，除了为数据流分配主路径(Primary Path)之外，还要为其分配若干备份路径(Backup Path)，也称替代路径(Alternate Path)，其目的在于当主路径因节点或链路故障或者其它原因而失效时，及时将数据流的传输切换到备份路径。

备份路径的数目越多，路径的冗余程度越大，传输的可靠性也会越高。然而，为每个独立的数据流分配过多的冗余备份路径，会减少网络能够并发传输独立数据流的数目，降低整个网络的利用率，增加数据通信的成本。如何在保证传输可靠性的前提下，用最小的路径冗余度实现数据传输，是多路径路由机制研究面临的重要问题。由于路径冗余的目的是抵御网络干扰，网络干扰的影响程度的大小与所需的路径冗余程度密切相关。因此，对网络干扰的程度进行客观和准确的度量，成为需要解决的关键问题。

再路由(Re-routing)

再路由是网络绕过失效部件的常用方式。完整的再路由过程包括两个阶段，第1个阶段为主路径故障时，将流量从主路径转移到备用路径；而第2阶段负责在主路径修复后，将流量从备用路径转移回主路径。

常用的独立路径网络的再路由过程具体如下：指定的通过独立路径网络路由的数据流，通常会由源点为该数据流指定一条主路径(primary path)作为缺省的传输路径。主路径通常是源点与汇点之间距离最短的路径，在没有路由干扰的情况下，数据流通过主路径传输；其余路径作为备用路径(backup paths)，也称替代路径(alternate paths)。当主路径由于链路故障、拥塞或攻击而失效时，数据流会被转移到备用路径，当主路径恢复正常时，再把数据流从备用路径切换回到主路径；

如果备用路径不只一条，为了尽可能提高网络的效率，需要按照备用路径的性能由高到低，指定第一备用路径，第二备用路径，以此类推。当主路径失效时，启用第一备用路径；当主路径和第一备用路径失效时，启用第二备用路径，以此类推，另备用路径的选择按照备用路径的性能从高到低进行。

而实际的网络中，源点与汇点之间的路径大多为部分相关(partially disjoint)即相关路径网络，使用类似上述独立路径网络的再路由技术就显得更加复杂。

综合上述传统的再路由技术可得：发生在主路径上的故障频率越高，再路由的概率也就越高，备用路径被使用的概率也越高，主路径的使用概率就下降，备用路径的使用概率也就相对上升；反之，主路径的故障频率降低，会导致主路径的使用概率提高，备用路径的使用概率也就相对降低。

安全事件模型

这里把所有可能对网络通信造成影响的事件称为网络安全事件。现有的网络安全事件分析模型大致分为行为模型和影响模型两大类。行为模型关注网络安全事件，对这些涉及威胁网络系统安全的具体行为进行刻画；影响模型则是着重刻画攻击和破坏等威胁网络安全的事件对系统造成的影响，而忽略安全行为的细节。

网络干扰的度量

网络干扰的发生会显著影响网络的性能。常用的网络性能参数包括：传输延迟、网络吞吐量、数据丢失率。传统的方法把这些性能参数的变化程度作为衡量网络干扰强度的手段，并取得一些成果。但是在实际的网络传输过程中，影响网络性能的因素不仅仅是干扰的强弱，还包括网络节点所采取的路由策略和恢复机制。高效能的恢复机制能够弥补干扰对网络的不利影响。因此，网络性能的变化是网络干扰与路由策略及恢复机制相互作用的共同结果，仅仅依赖对网络性能的度量，不考虑路由策略的差别，就不能准确客观地刻画所遭受的干扰强度。

网络干扰与路由干扰

根据网络分层结构，一种网络干扰可能会对各层的功能产生负面影响，其干扰作用是交叉的和综合的。比如：链路故障会造成链路层的故障率升高，同时也会造成网络层的路由失败和传输层的延迟；物理层的设施毁坏不仅中断了物理链接，也连带影响了物理层以上各层的性能。反之，网络各个层次的功能所受到的影响是网络中各种干扰事件对该层影响的综合。比如：网络层的路由失败既可能是源于物理破坏，也可能是突发性的数据流造成路径拥塞所致。这种交叉性和综合性特征给研究干扰影响造成了挑战。

路由功能是网络的核心功能，本申请集中讨论影响正常路由功能的干扰，并把这类干扰称为路由干扰(routing interference)。从网络分层的角度看，路由干扰的影响集中在网络层，克服路由干扰的方式也主要依赖于改进路由策略和路由协议。

类哈斯图(Quasi-Hasse-Diagram，QHD)

在偏序集中，为了清晰而直观地表达元素之间的覆盖关系(Cover Relation)，往往采用哈斯图(Hasse Diagram)来表示元素之间层次关系。这里借鉴偏序集的哈斯图，对相关路径网络的拓扑结构——有向无环图G(Directed Acyclic Graph)进行规范化，以利于后续的分析。但是，哈斯图对原有的偏序集作了精简，省略了传递关系(transitivity)中所蕴涵的覆盖关系。而与哈斯图有些不同，这里保留原图中所有的边，称之为类哈斯图(Quasi-Hasse-Diagram，QHD)。

图1(a)所示为一个相关路径网络，图1(b)所示为图1(a)所示的相关路径网络的类哈斯图表示。

构造类哈斯图的步骤如下：

1、在端到端有向无环图G中，找出其入度为0的结点集，将它们摆放在第一层，然后从G中去除所有0入度结点，以及与之相关联的边；

2、将剩余部分中入度为0的结点排放在第二层，并在G中去除所有0入度结点，以及与之相关联的边；

3、重复执行类似步骤2的操作，直到G中所有的点和边都被去除；

4、对照原G中每一条边，在QHD(G)中相应地添加一条边，需要注意的是QHD(G)的边可能跨越若干层(注：QHD(G)表示与图G对应的类哈斯图)。

从上述步骤可知QHD具有如下的性质：

(1)同构：经过变换后的类哈斯图表示与原图G保持同构关系；

(2)分层数唯一：给定有向网络的有向无环图G，其QHD表示的分层数唯一。

多路径路由(Multi-path Routing)，再路由(Re-routing)，类哈斯图(QHD，Quasi-Hasse-Diagram)，这三个不是直接针对本发明的背景技术。

发明内容

本发明的目的在于克服上述现有技术的缺点和不足，提供一种基于信息熵的路由干扰影响度量方法，本发明方法为面向影响的干扰度量方法，其综合考虑干扰情况下的网络性能变化以及响应的路由策略，研究网络干扰事件对正常的路由过程造成的不利影响，以网络为消除干扰影响、维持和恢复正常数据传输付出的代价作为度量干扰强弱程度的依据，本方法基于信息熵的概念和计算方式，综合体现了路由干扰发生的频度及其影响范围的大小，比现有的基于行为特征或网络性能的干扰度量方式具有更广泛的适用性和更高的准确性。

本发明目的通过下述技术方案实现：基于信息熵的路由干扰影响度量方法，包括下述步骤：

(1)将网络中通信的一对源点、汇点及其间的多条路径表示为点到点网络；

(2)对任意选定的数据流在指定主路径的条件下，传输数据分组所使用的实际路径进行统计，获得路径集合的使用概率分布，该概率分布作为以指定的主路径为条件的条件概率分布；

(3)根据指定主路径条件下的条件概率分布计算其条件熵，作为指定主路径条件下的路由干扰影响度量；

(4)对于独立路径网络(Disjoint-path Network)，统计所有路径作为主路径的概率，作为主路径集合的使用概率分布，并将步骤3获得的指定主路径的路由干扰影响度量针对主路径集合的使用概率分布做统计平均，得到整个独立路径网络的路由干扰影响度量；

对于相关路径网络(Non-disjoint-path Network)，统计所有路径作为主路径的概率，形成相关路径网络的主路径集合的概率分布。然后将给定主路径下的相关路径网络的路由干扰影响度量针对主路径集合的概率分布做统计平均，得到整个相关路径网络的路由干扰影响度量。

上述方法中，步骤(1)所述的将网络中一对源点和汇点及其间的多条路径表示为点到点网络，其具体操作如下：

对于独立路径网络，在网络中源点和汇点之间的所有路径中，将全部的主路径(primary path)组成一个主路径集，对主路径进行编号i(1≤i≤N)，显然，N代表了网络最多可以容纳的并行数据流的数目，N最大可以等于源点与汇点间路径的总数；

对于相关路径网络，在网络源点和汇点之间的所有路径中，将全部的主路径组成一个主路径集，对主路径进行编号i(1≤i≤N)。

上述方法中，步骤(2)所述的对数据流在指定主路径的条件下，传输分组所使用的实际路径集通过运用多路径路由策略获得。

上述方法中，步骤(2)所述的对数据流在指定主路径的条件下，对传输分组的实际路径的使用情况进行统计，获得路径集合的使用概率分布，该概率分布作为以指定主路径为条件的条件概率分布，其具体内容如下：

对于独立路径网络，从所有N条主路径中选定一条主路径i(1≤i≤N)，根据多路径路由策略确定该主路径的全部的备份路径，与主路径一起组成一个路径集，该路径集代表了主路径为i(1≤i≤N)的数据流可能使用的全部路径；该路径集可用有向无环图(Directed Acyclic Graph，DAG)表示，其中所有边为点不相关(Node-disjoint)，设主路径的路径编号为i(1≤i≤N)，备用路径的编号为j(0≤j≤L(i))。其中N表示全部主路径的数目，L(i)代表主路径i对应的备用路径数，设j＝0表示实际路径等同于主路径；

对主路径i(1≤i≤N)，备用路径的编号为j(0≤j≤L(i))的路径的使用情况进行统计，根据统计结果为每条路径赋予一个使用概率，该使用概率代表了数据流传输过程中路径的使用频度。设全部路径的使用概率分布如下：

          p(j|i)＝Pr(Pt_AC＝j|Pt_DF＝i)

$\underset{j=0}{\overset{L\left(i\right)}{\mathrm{\Σ}}}p\left(j\right|i)=1,i\∈[0,N),j\∈[0,L\left(i\right)]---\left(11\right)$

其中Pt_DF和Pt_AC分别表示主路径(即缺省路径)和实际路径。

对于相关路径网络，从所有主路径N中任意选定一条主路径i(1≤i≤N)，根据路由策略确定该主路径的全部的备份路径，与主路径一起组成一个路径集，该路径集代表了主路径为i(1≤i≤N)的数据流可能使用的全部路径；主路径和全体备份路径构成的路径集可用一个多跳的有向无环图G表示，并用类哈斯图(QHD)表示，设QHD(G)具有W个分段(注：QHD(G)表示与图G对应的类哈斯图)，每段的链路为点不相关(Node-disjoint)，每个分段的链路集为：

$R_1=\{r_1^l,r_2^l,...,r_{K\left(l\right)}^l\},l=\mathrm{1,2},...,W---\left(12\right)$

其中，K(l)表示第l段所拥有的并行链路数。

针对QHD(G)的每一段，根据路由策略，对主路径和备用路径的使用情况进行统计，根据统计结果为每条路径赋予一个使用概率，该使用概率应该与整个数据流传输过程中被使用的频度相一致；全部路径的使用概率分布如下：

$\mathrm{Pr}\left(R_l\right)=\left\{p\left(r_j^l\right)\right|0\≤p\left(r_j^l\right)\≤1,\underset{j=1}{\overset{K\left(l\right)}{\mathrm{\Σ}}}p\left(r_j^l\right)=1\}---\left(13\right)$

上述方法中，步骤(3)所述的根据指定主路径条件下的条件概率分布计算其条件熵，作为指定主路径条件下的路由干扰影响度量，其具体内容如下：

对于独立路径网络，根据步骤2的概率分布，计算该数据流在主路径为i的条件下的路由干扰影响度量为：

$m_{\mathrm{RIF}}\left(i\right)=\underset{j=0}{\overset{L\left(i\right)}{\mathrm{\Σ}}}p\left(j\right|i){\log }_2\frac{1}{p\left(j\right|i)}---\left(14\right)$

其中，p(j|i)代表主路径为i的条件下，实际路径为j时的条件概率，L(i)代表主路径i对应的备用路径数；

对于相关路径网络，根据步骤3的概率分布，计算该分段l在主路径为i的条件下的路由干扰影响度量为：

$m_{\mathrm{RIF}}^l=H\left(R_l\right)=-\underset{j=1}{\overset{K\left(l\right)}{\mathrm{\Σ}}}{p}_j^l\·{\log }_2{p}_j^l,(1\≤l\≤W)---\left(15\right)$

上述方法中，步骤(4)所述的对于独立路径网络，统计所有路径作为主路径的概率，作为主路径集合的使用概率分布，并将步骤3获得的指定主路径的路由干扰影响度量针对主路径集合的使用概率分布做统计平均，得到整个独立路径网络的路由干扰影响度量，其具体内容如下：

设源点和汇点之间N条主路径的使用概率分布如下：

Pr＝{0≤p(i)≤1，(i＝1，2，…，N)}      (16)

则独立路径网络的平均路由干扰影响度量为：

$M_{\mathrm{RIF}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}p\left(i\right)\·m_{\mathrm{RIF}}\left(i\right)---\left(17\right)$

数据流在指定主路径i条件下的路由干扰度量为各个分段的联合熵：

m_RIF(i)＝H(R₁R₂…R_W)                   (18)

对于每段为点到点独立路径网络的情形，每段独立进行路由操作，称为分段独立路由的相交路径网络，参见图2，对于这类网络，式(18)可以简化为：

$m_{\mathrm{RIF}}\left(i\right)=H(R_1{R}_2...R_W)=\underset{l=1}{\overset{W}{\mathrm{\Σ}}}H\left(R_l\right)---\left(19\right)$

对于每段不是点到点独立路径网络的情形，每段的路由收到前一段路由结果的影响，称为分段相关的相交路径网络，参见图1(a)，对于这类网络，式(18)可以根据Markov性简化为：

m_RIF(i)＝H(R₁R₂…R_W)

       ＝H(R₁)+…+H(R_l+1|R_l)+…+H(R_W|R_W-1)      (20)

其中H(R_l+1|R_l)表示前面的分段R_l概率分布已知的条件下，分段R_l+1的条件熵。

对于相关路径网络，统计其所有路径作为主路径的概率，形成相关路径网络主路径集合的概率分布，然后将给定主路径下的相关路径网络路由干扰影响度量针对主路径集合的概率分布做统计平均，得到整个相关路径网络的路由干扰影响度量，其具体内容如下：

设源点和汇点之间有N条主路径被的使用概率分布如下：

Pr＝{0≤p(i)≤1，(i＝1，2，…，N)}             (21)

则整个相关路径网络的路由干扰影响度量为：

$M_{\mathrm{RIF}}=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}p\left(i\right)\·m_{\mathrm{RIF}}\left(i\right)---\left(22\right)$

本发明基于信息熵的路由干扰影响度量方法相对于现有技术具有以下优点：本发明方法为面向影响的干扰度量方法，其综合考虑干扰情况下的网络性能变化以及响应的路由策略，研究网络干扰事件对正常的路由过程造成的不利影响，以网络为消除干扰影响、维持和恢复正常数据传输付出的代价作为度量干扰强弱程度的依据，本方法基于信息熵的概念和计算方式，综合体现了路由干扰事件发生的频度及其影响范围的大小，比现有的基于行为特征或网络性能的干扰度量方式具有更广泛的适用性和更高的准确性。

附图说明

图1是相关路径网络(a)及其类哈斯图(QHD)表示(b)的实例；

图2是分段独立路由的相关路径网络示例；

图3是独立路径网络示例；

图4是相关路径网络示例；

图5是QHD表示的相关路径网络示例。

具体实施方式

下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例1

网络拓扑结构见图3(b)，其中r[0]是主路径，r[1]，r[2]，r[3]分别是可能的替代路径，起备份作用。源点s的路由策略选择r[i](i＝1，2，3)作为实际路径当且仅当主路径或前一个备份路径r[i-1](i＝1，2，3)因干扰而失效。

从统计结果看，假定路由或再路由过程中，选定r[0]为主路径的条件下，实际路径的使用概率分布为：

Pr(j|0)＝{p(0|0)，p(1|0)，p(2|0)，p(3|0)}            (23)

       ＝{0.8，0.15，0.045，0.005}

根据

$m_{\mathrm{RIF}}\left(i\right)=\underset{j=0}{\overset{L\left(i\right)}{\mathrm{\Σ}}}p\left(j\right|i){\log }_2\frac{1}{p\left(j\right|i)}---\left(24\right)$

计算给定主路径i的路由干扰影响度量为：

$m_{\mathrm{RIF}}\left(0\right)=\underset{j=0}{\overset{3}{\mathrm{\Σ}}}p\left(j\right|0){\log }_2\frac{1}{p\left(j\right|0)}$

$=-0.8{\log }_{2}0.8-0.15{\log }_{2}0.15-0.045{\log }_{2}0.045---\left(25\right)$

$-0.005{\log }_{2}0.005$

$=0.9076$

类似地，假设依次选择i＝1，2，3为主路径时，根据不同的条件概率分布，获得如下路由干扰影响度量：

m_RIF(0)＝0.9076，

m_RIF(1)＝1.0765                                       (26)

m_RIF(2)＝0.9823

m_RIF(3)＝1.3067

进一步假设所有路径被作为主路径的概率分布如下：

Pr＝{p(0)，p(1)，p(2)，p(3)}                          (27)

＝{0.5，0.25，0.2，0.05}

把不同主路径对应的干扰度量在主路径概率分布中作加权平均，就可以得到整个独立路径网络的路由干扰影响度量：

$M_{\mathrm{RIF}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}p\left(i\right)\·m_{\mathrm{RIF}}\left(i\right)$

$=0.5\×0.9076+0.25\×1.0765+0.2\×0.9823+0.05\×1.3067$

$=0.9847$

(28)

上式表明整个网络受到的路由干扰影响的度量为0.9847。

实施例2

附图4给出了一个相关路径网络，其源点s和汇点t之间有多条部分相关路径。从s到t的直达路径作为主路径，s-n1作为第一条替代路径的链路，n1-n2作为第二条替代路径的链路，依此类推。因此，可以将m_RIF(i)更明确地表示为m_RIF(s，t)。

为简化计算过程其QHD形式如图5所示，每段的干扰影响度量m_RIF(s，t)的计算如下：

H(R₁)＝-0.8*log₂0.8-0.2*log₂0.2                     (29)

＝0.7219

H(R₂|R₁)＝0.2*0.4690＝0.0938                        (30)

H(R₃|R₂)＝0.02*0.8813＝0.0176                       (31)

从而得到指定主路径下的干扰影响度量：

m_RIF(s，t)＝H(R₁)+H(R₂|R₁)+H(R₃|R₂)

＝0.8333                                            (32)

由图4可知，从s到t的所有路径(包括上述直达路径)一共由4条，假设每条路径作为主路径的概率及其对应的干扰影响度量如下，

p(i)	0.5	0.3	0.15	0.05
					mRIF(i)	0.8333	0.8687	0.9765	0.8022

把m_RIF(i)在所有主路径的概率分布中作平均，就可以得到整个相关路径网络的路由干扰影响度量：

$M_{\mathrm{RIF}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}p\left(i\right)\·m_{\mathrm{RIF}}\left(i\right)$

$=0.5\×0.8333+0.3\×0.8687+0.15\×0.9765+0.05\×0.8022$

$=0.8638$

(33)

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1、基于信息熵的路由干扰影响度量方法，其特征在于，包括下述步骤：

(1)将网络中通信的一对源点和汇点及其之间的路径集表示为点到点网络；

(2)对数据流在指定主路径的条件下，传输分组所使用的实际路径进行统计，获得实际路径集合的使用概率分布，该概率分布作为以指定的主路径为条件的条件概率分布；

(3)根据指定主路径条件下的条件概率分布计算其条件熵，作为指定主路径条件下，数据传输中的路由干扰影响度量；

(4)统计每条路径作为主路径的概率，作为主路径集合的使用概率分布，并将步骤3获得的指定主路径下，路由干扰影响度量针对主路径集合的使用概率分布做统计平均，得到整个独立路径网络的路由干扰影响度量。

2、根据权利要求1所述的基于信息熵的路由干扰影响度量方法，其特征在于：步骤(1)所述的将网络中通信的一对源点和汇点及其间的路径集表示为点到点网络，其具体操作如下：

将网络的源点与汇点之间能够充当主路径的所有路径组成一个集合，即称为主路径集，对主路径集中的每个元素进行编号i，1≤i≤N。

3、根据权利要求1所述的基于信息熵的路由干扰影响度量方法，其特征在于：步骤(2)所述的对数据流在指定主路径的条件下，传输分组所使用的实际路径通过运用多路径路由策略获得。

4、根据权利要求1所述的基于信息熵的路由干扰影响度量方法，其特征在于：步骤(2)所述的对数据流在指定主路径的条件下，对路由过程所使用的实际路径进行统计，获得路径集使用情况的条件概率分布，其具体操作如下：

将数据流加载到网络源点，使用基于主/备路径的多路径路由策略对其数据分组进行路由；从主路径集合中指定一条路径作为该数据流的主路径，统计源点与汇点之间的路径使用情况，基于路径的使用时间和整个路由过程的时间，获得每条路径实际使用时间的百分比，作为指定主路径的条件下，路径使用情况的条件概率分布。

5、根据权利要求1所述的基于信息熵的路由干扰影响度量方法，其特征在于：步骤(2)所述的对数据流在指定主路径的条件下，传输分组所使用的实际路径进行统计，获得路径集合的使用概率分布，该概率分布作为以指定的主路径为条件的条件概率分布，其具体内容如下：

对于独立路径网络，其所有路径为点不相关，从主路径集中选定一条主路径i，1≤i≤N，根据路由策略确定该主路径的全部的备份路径，与主路径一起组成一个路径集，该路径集代表了分配给流经主路径i，1≤i≤N的全部路径；该路径集用有向无环图表示，该有向无环图中所有边为点不相关；设主路径的路径编号为i，1≤i≤N，备用路径的编号为j，0≤j≤L(i)；其中N表示全部主路径的数目，L(i)代表主路径i对应的备用路径数，设j＝0表示实际路径等同于主路径；

对主路径i，1≤i≤N及其备用路径j，0≤j≤L(i)的使用情况进行统计，根据统计结果为每条路径赋予一个使用概率，该使用概率与整个数据流传输过程中被使用的频度相一致；设全部路径的使用概率分布表示如下：

p(j|i)＝Pr(Pt_AC＝j|Pt_DF＝i)

$\underset{j=0}{\overset{L\left(i\right)}{\mathrm{\Σ}}}p\left(j\right|i)=1,i\∈[1,N],j\∈[0,L\left(i\right)]---\left(1\right)$

其中Pt_DF和Pt_AC分别表示主路径和实际路径；

对于相关路径网络，其路径之间存在部分重合，从主路径集中任意选定一条主路径i，1≤i≤N，根据多路径路由策略确定该主路径的全部的备份路径，与主路径一起组成一个路径集，该路径集代表了分配给流经主路径i，1≤i≤N的数据流的全部路径，用一个多跳的有向无环图G表示，G图中的边为部分相关；将图G用其类哈斯图表示，记为QHD(G)，设QHD(G)具有W个分段，每段的链路为点不相关，每个分段的链路集为：

$R_l=\{r_1^l,r_2^l,...,r_{K\left(l\right)}^l\},l=\mathrm{1,2},...,W---\left(2\right)$

针对QHD(G)的每一段，根据路由策略，对主路径和备用路径的使用情况进行统计，根据统计结果为每条路径赋予一个使用概率，该使用概率与整个数据流传输过程中被使用的频度相一致；全部路径的使用概率分布如下：

$\mathrm{Pr}\left(R_l\right)=\left\{p\left(r_j^l\right)\right|0\≤p\left(r_j^l\right)\≤1,\underset{j=1}{\overset{K\left(l\right)}{\mathrm{\Σ}}}p\left(r_j^l\right)=1\}---\left(3\right)$

6、根据权利要求1所述的基于信息熵的路由干扰影响度量方法，其特征在于：步骤(3)所述的根据指定主路径条件下的条件概率分布计算其条件熵，作为指定主路径条件下的路由干扰影响度量，其具体内容如下：

对于独立路径网络，其所有路径为点不相关，根据步骤2的条件概率分布，计算数据流在主路径为i的条件下的路由干扰影响度量为：

$m_{\mathrm{RIF}}\left(i\right)=\underset{j=0}{\overset{L\left(i\right)}{\mathrm{\Σ}}}p\left(j\right|i){\log }_2\frac{1}{p\left(j\right|i)}---\left(4\right)$

其中，p(j|i)代表主路径为i的条件下，实际路径为j时的条件概率，L(i)代表主路径i对应的备用路径数；

对于相关路径网络，根据步骤3的概率分布，计算该分段l在主路径为i的条件下的路由干扰影响度量为：

$m_{\mathrm{RIF}}^l=H\left(R_l\right)=-\underset{j=1}{\overset{K\left(l\right)}{\mathrm{\Σ}}}{p}_j^l\·{\log }_2{p}_j^l,(1\≤l\≤W)---\left(5\right)$

数据流在指定主路径i条件下受到的路由干扰度量为各个分段的联合熵：

m_RIF(i)＝H(R₁R₂...R_W)                             (6)

7、根据权利要求1所述的基于信息熵的路由干扰影响度量方法，其特征在于：步骤(4)所述的对于独立路径网络，统计所有路径作为主路径的概率，作为主路径集合的使用概率分布，并将步骤3获得的指定主路径的路由干扰影响度量针对主路径集合的使用概率分布做统计平均，得到整个独立路径网络的路由干扰影响度量，其具体内容如下：

设源点和汇点之间路径被的使用概率分布如下：

Pr＝{0≤p(i)≤1，(i＝1，2，...，N)}               (7)

则独立路径网络的平均路由干扰影响度量为：

$M_{\mathrm{RIF}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}p\left(i\right)\·m_{\mathrm{RIF}}\left(i\right)---\left(8\right)$

对于相关路径网络，统计所有路径作为主路径的概率，形成相关路径网络主路径集合的概率分布，然后将给定主路径下的相关路径网络路由干扰影响度量针对主路径集合的概率分布做统计平均，得到整个相关路径网络的路由干扰影响度量，其具体内容如下：

Pr＝{0≤p(i)≤1，(i＝1，2，...，N)}               (9)

式(9)表示源点和汇点之间有N条主路径被使用概率分布；

$M_{\mathrm{RIF}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}p\left(i\right)\·m_{\mathrm{RIF}}\left(i\right)---\left(10\right)$

式(10)表示整个相关路径网络的路由干扰影响度量。

Images