CN113301600A - 卫星与无线通信融合网络性能的异常数据检测方法和装置 - Google Patents

卫星与无线通信融合网络性能的异常数据检测方法和装置 Download PDF

Info

Publication number
CN113301600A
CN113301600A CN202110848870.4A CN202110848870A CN113301600A CN 113301600 A CN113301600 A CN 113301600A CN 202110848870 A CN202110848870 A CN 202110848870A CN 113301600 A CN113301600 A CN 113301600A
Authority
CN
China
Prior art keywords
data
abnormal
cluster
calculating
data point
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.)
Pending
Application number
CN202110848870.4A
Other languages
English (en)
Inventor
孙俊
李旭杰
李玮
郑学东
孙荣庆
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.)
NANJING CHINA-SPACENET SATELLITE TELECOM CO LTD
Original Assignee
NANJING CHINA-SPACENET SATELLITE TELECOM CO LTD
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 NANJING CHINA-SPACENET SATELLITE TELECOM CO LTD filed Critical NANJING CHINA-SPACENET SATELLITE TELECOM CO LTD
Priority to CN202110848870.4A priority Critical patent/CN113301600A/zh
Priority to PCT/CN2021/113699 priority patent/WO2023004899A1/zh
Publication of CN113301600A publication Critical patent/CN113301600A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提出了一种卫星与无线通信融合网络性能的异常数据检测方法和装置，该方法包括如下步骤：获取融合网络性能的监测数据，确定所述监测数据中聚类中心的最优数K；根据聚类中心的最优数K，确定K个簇，所述簇包括一聚类中心和距离聚类中心最近的数据点；计算所述簇中每个数据点到其聚类中心的距离；设置异常点比例，计算异常点数量；确定异常距离阈值，并根据所述异常距离阈值判断数据点是否异常。本发明能够快速监测到网络性能参数监测值是否异常，其成本低性能优越，且易于实现。

Description

卫星与无线通信融合网络性能的异常数据检测方法和装置
技术领域
本发明涉及无线异构网络技术领域，具体而言，涉及一种卫星与无线通信融合网络性能的异常数据检测方法和装置。
背景技术
无线通信网络的快速发展为用户提供了融合的网络环境，包括各代移动通信系统、自组织网络、无线传感器网络、无线局域网、无线城域网，无线个域网、卫星网络等。尽管这些无线网络为用户提供了多种多样的通信方式、接入手段和随时随地的接入服务，但是要实现真正意义上的自组织、自适应，并且保证端到端的服务质量，则需要充分利用不同网络之间的优势互补特性，从而实现多种网络技术的有机融合。传统的无线蜂窝网络通常采用基站与移动终端的结构，与卫星通信相比，具有更加稳定的传输链路，服务质量也能得到保证，但覆盖范围和容量之间存在一个折衷的问题。卫星通信可以进行大区域覆盖，但其带宽和容量受到一定限制。
卫星与无线通信融合网络承载着不同的协议和网络信道，由资源管理中心进行资源调度，由此产生的异常数据会给网络信息空间带来安全威胁和存储开销，并严重影响系统的性能，所以需要进行异常数据的准确检测。
发明内容
鉴于上述问题，本发明提供了一种卫星与无线通信融合网络性能的异常数据检测方法和装置，使其性能优越，更易于实现，低成本高效地进行融合网络的异常数据检测。
为解决上述技术问题，本发明采用的技术方案是：一种卫星与无线通信融合网络性能的异常数据检测方法，包括如下步骤：获取融合网络性能的监测数据，确定所述监测数据中聚类中心的最优数K；根据聚类中心的最优数K，确定K个簇，所述簇包括一聚类中心和距离聚类中心最近的数据点；计算所述簇中每个数据点到其聚类中心的距离；设置异常点比例，计算异常点数量；确定异常距离阈值，并根据所述异常距离阈值判断数据点是否异常。
作为优选方案，所述确定监测数据中聚类中心的最优数K，包括：任意选取聚类中心的数量，计算所述监测数据中所有数据点的误差平方和SSE，当SSE值取最小值时，聚类中心的数量为最优数K；所述SSE的计算公式为：
Figure DEST_PATH_IMAGE001
其中，Ci代表第i个簇，p是簇Ci里的数据点，mi是簇Ci的质心。
作为优选方案，所述计算簇中每个数据点到其聚类中心的距离L，包括：
Figure 527693DEST_PATH_IMAGE002
其中，x a 表示数据点，x b 表示其最近的聚类中心，n表示特征数。
作为优选方案，所述确定K个簇，包括：步骤1、从监测数据中随机选取一个数据点作为初始聚类中心C1；步骤2、计算每个数据点与其最近聚类中心的距离，用D(x)表示；步骤3、计算每个数据点被选为下一聚类中心的概率P（x）；步骤4、按照轮盘法选择下一聚类中心；步骤5、循环步骤2，直至选择出K个聚类中心。
作为优选方案，所述P（x）的计算公式为：
Figure DEST_PATH_IMAGE003
其中，X表示所有数据点的集合，x表示聚类数据点。
本发明还提供了一种卫星与无线通信融合网络性能的异常数据检测装置，包括：最优数确定模块，用于获取融合网络性能的监测数据，确定所述监测数据中聚类中心的最优数K；簇确定模块，用于根据聚类中心的最优数K，确定K个簇，所述簇包括一聚类中心和距离聚类中心最近的数据点；第一距离计算模块，用于计算所述簇中每个数据点到其聚类中心的距离；异常点数量计算模块，用于设置异常点比例，计算异常点数量；异常判断模块，用于确定异常距离阈值，并根据所述异常距离阈值判断数据点是否异常。
作为优选方案，所述簇确定模块，包括：初始选取单元，用于从监测数据中随机选取一个数据点作为初始聚类中心C1；第二距离计算单元，用于计算每个数据点与其最近聚类中心的距离，用D(x)表示；概率计算单元，用于计算每个数据点被选为下一聚类中心的概率P（x）；聚类中心选择单元，用于按照轮盘法选择下一聚类中心；循环单元，用于循环执行第二距离计算单元，直至选择出K个聚类中心。
与现有技术相比，本发明的有益效果包括：提供了一种卫星与无线通信融合网络性能的异常数据检测方法和装置，能够快速监测到网络性能参数监测值是否异常，其成本低性能优越，且易于实现。
附图说明
参照附图来说明本发明的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本发明的保护范围构成限制。在附图中，相同的附图标记用于指代相同的部件。其中：
图1为本发明实施例的卫星与无线通信融合网络性能的异常数据检测方法的流程示意图；
图2为本发明实施例的确定K个簇的流程示意图；
图3为本发明实施例的异常比例设为0.03时的异常值结果图；
图4为本发明实施例的卫星与无线通信融合网络性能的异常数据检测装置的结构示意图；
图5为本发明实施例的簇确定模块的结构示意图。
具体实施方式
容易理解，根据本发明的技术方案，在不变更本发明实质精神下，本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。
根据本发明的一实施方式结合图1示出。一种卫星与无线通信融合网络性能的异常数据检测方法，包括如下步骤：
S101，获取融合网络性能的监测数据，确定监测数据中聚类中心的最优数K。该监测数据包括网络资源的利用率、节点的流量等。
具体的，确定监测数据中聚类中心的最优数K，包括：任意选取聚类中心的数量，计算监测数据中所有数据点的误差平方和SSE，通过绘制K与SSE的关系曲线图来寻找最优数K，当SSE值取最小值时，聚类中心的数量为最优数K。
SSE的计算公式为：
Figure 175843DEST_PATH_IMAGE001
其中，Ci代表第i个簇，p是簇Ci里的数据点，mi是簇Ci的质心，即簇Ci中所有数据点的均值。
S102，根据聚类中心的最优数K，确定K个簇，簇包括一聚类中心和距离聚类中心最近的数据点。
具体的，确定K个簇，包括：
S1021，从监测数据中随机选取一个数据点作为初始聚类中心C1。
S1022，计算每个数据点与其最近聚类中心的距离，用D(x)表示。
S1023，计算每个数据点被选为下一聚类中心的概率P（x）。
P（x）的计算公式为：
Figure 169076DEST_PATH_IMAGE003
其中，X表示所有数据点的集合，x表示聚类数据点。
S1024，按照轮盘法选择下一聚类中心。
上述轮盘法的实施方法如下：
（1）计算每个数据点被选为下一聚类中心的概率
Figure 219072DEST_PATH_IMAGE004
。
（2）将集合X中所有数据点按照已有的顺序设置，则数据点的累计概率为
Figure DEST_PATH_IMAGE005
。
（3）随机生成一个数m，数m的取值范围在0和1之间，若该数在某个累计概率之间， 假设为
Figure 630654DEST_PATH_IMAGE006
，则数据点x被选中为下一聚类中心。
S1025，循环步骤S1022，直至选择出K个聚类中心。
S103，计算簇中每个数据点到其聚类中心的距离。
计算簇中每个数据点到其聚类中心的距离L，包括：
Figure 77685DEST_PATH_IMAGE002
其中，x a 表示数据点，x b 表示其最近的聚类中心，n表示特征数。
S104，设置异常点比例，计算异常点数量。
参见图3，将异常比例设为0.03时的异常值结果，可以看出异常数据和正常数据明显分离开来并进行标注。图3中，横轴代表测试次数，纵轴代表异常数据次数。
S105，确定异常距离阈值，并根据异常距离阈值判断数据点是否异常。
参见图4和5，本发明还提供了一种卫星与无线通信融合网络性能的异常数据检测装置，包括：
最优数确定模101，用于获取融合网络性能的监测数据，确定监测数据中聚类中心的最优数K；
簇确定模块102，用于根据聚类中心的最优数K，确定K个簇，簇包括一聚类中心和距离聚类中心最近的数据点；
具体的，上述簇确定模块102，包括：
初始选取单元1021，用于从监测数据中随机选取一个数据点作为初始聚类中心C1；
第二距离计算单元1022，用于计算每个数据点与其最近聚类中心的距离，用D(x)表示；
概率计算单元1023，用于计算每个数据点被选为下一聚类中心的概率P（x）；
聚类中心选择单元1024，用于按照轮盘法选择下一聚类中心；
循环单元1025，用于循环执行第二距离计算单元1022，直至选择出K个聚类中心。
第一距离计算模块103，用于计算簇中每个数据点到其聚类中心的距离；
异常点数量计算模块104，用于设置异常点比例，计算异常点数量；
异常判断模块105，用于确定异常距离阈值，并根据异常距离阈值判断数据点是否异常。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
综上所述，本发明的有益效果包括：提供了一种卫星与无线通信融合网络性能的异常数据检测方法和装置，能够快速监测到网络性能参数监测值是否异常，其成本低性能优越，且易于实现。
应理解，所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括 ：U 盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
本发明的技术范围不仅仅局限于上述说明中的内容，本领域技术人员可以在不脱离本发明技术思想的前提下，对上述实施例进行多种变形和修改，而这些变形和修改均应当属于本发明的保护范围内。

Claims (7)

1.一种卫星与无线通信融合网络性能的异常数据检测方法，其特征在于，包括如下步骤：
获取融合网络性能的监测数据，确定所述监测数据中聚类中心的最优数K；
根据聚类中心的最优数K，确定K个簇，所述簇包括一聚类中心和距离聚类中心最近的数据点；
计算所述簇中每个数据点到其聚类中心的距离；
设置异常点比例，计算异常点数量；
确定异常距离阈值，并根据所述异常距离阈值判断数据点是否异常。
2.根据权利要求1所述的卫星与无线通信融合网络性能的异常数据检测方法，其特征在于，所述确定监测数据中聚类中心的最优数K，包括：
任意选取聚类中心的数量，计算所述监测数据中所有数据点的误差平方和SSE，当SSE值取最小值时，聚类中心的数量为最优数K；
所述SSE的计算公式为：
Figure 867542DEST_PATH_IMAGE001
其中，Ci代表第i个簇，p是簇Ci里的数据点，mi是簇Ci的质心。
3.根据权利要求1所述的卫星与无线通信融合网络性能的异常数据检测方法，其特征在于，所述计算簇中每个数据点到其聚类中心的距离L，包括：
Figure 73395DEST_PATH_IMAGE002
其中，x a 表示数据点，x b 表示其最近的聚类中心，n表示特征数。
4.根据权利要求1所述的卫星与无线通信融合网络性能的异常数据检测方法，其特征在于，所述确定K个簇，包括：
步骤1、从监测数据中随机选取一个数据点作为初始聚类中心C1；
步骤2、计算每个数据点与其最近聚类中心的距离，用D(x)表示；
步骤3、计算每个数据点被选为下一聚类中心的概率P（x）；
步骤4、按照轮盘法选择下一聚类中心；
步骤5、循环步骤2，直至选择出K个聚类中心。
5.根据权利要求4所述的卫星与无线通信融合网络性能的异常数据检测方法，其特征在于，所述P（x）的计算公式为：
Figure 317820DEST_PATH_IMAGE003
其中，X表示所有数据点的集合，x表示聚类数据点。
6.一种卫星与无线通信融合网络性能的异常数据检测装置，其特征在于，包括：
最优数确定模块，用于获取融合网络性能的监测数据，确定所述监测数据中聚类中心的最优数K；
簇确定模块，用于根据聚类中心的最优数K，确定K个簇，所述簇包括一聚类中心和距离聚类中心最近的数据点；
第一距离计算模块，用于计算所述簇中每个数据点到其聚类中心的距离；
异常点数量计算模块，用于设置异常点比例，计算异常点数量；
异常判断模块，用于确定异常距离阈值，并根据所述异常距离阈值判断数据点是否异常。
7.根据权利要求6所述的卫星与无线通信融合网络性能的异常数据检测装置，其特征在于，所述簇确定模块，包括：
初始选取单元，用于从监测数据中随机选取一个数据点作为初始聚类中心C1；
第二距离计算单元，用于计算每个数据点与其最近聚类中心的距离，用D(x)表示；
概率计算单元，用于计算每个数据点被选为下一聚类中心的概率P（x）；
聚类中心选择单元，用于按照轮盘法选择下一聚类中心；
循环单元，用于循环执行第二距离计算单元，直至选择出K个聚类中心。
CN202110848870.4A 2021-07-27 2021-07-27 卫星与无线通信融合网络性能的异常数据检测方法和装置 Pending CN113301600A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110848870.4A CN113301600A (zh) 2021-07-27 2021-07-27 卫星与无线通信融合网络性能的异常数据检测方法和装置
PCT/CN2021/113699 WO2023004899A1 (zh) 2021-07-27 2021-08-20 卫星与无线通信融合网络性能的异常数据检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110848870.4A CN113301600A (zh) 2021-07-27 2021-07-27 卫星与无线通信融合网络性能的异常数据检测方法和装置

Publications (1)

Publication Number Publication Date
CN113301600A true CN113301600A (zh) 2021-08-24

Family

ID=77331150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110848870.4A Pending CN113301600A (zh) 2021-07-27 2021-07-27 卫星与无线通信融合网络性能的异常数据检测方法和装置

Country Status (2)

Country Link
CN (1) CN113301600A (zh)
WO (1) WO2023004899A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116938358B (zh) * 2023-07-31 2024-06-14 南京威翔科技有限公司 一种天馈线或天线合路器的驻波比检测数据的处理方法
CN118233945B (zh) * 2024-05-27 2024-08-09 南京傲屹电子有限公司 数据智能无线采集系统
CN118246837B (zh) * 2024-05-28 2024-08-09 中诚国际物流(大连)有限公司 一种数字化物流运输过程中智能管理方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376057A (zh) * 2014-11-06 2015-02-25 南京邮电大学 一种基于最大最小距离和K-means的自适应聚类方法
CN109063769A (zh) * 2018-08-01 2018-12-21 济南大学 基于变异系数自动确认簇数量的聚类方法、系统及介质
CN110766043A (zh) * 2019-09-10 2020-02-07 国网浙江省电力有限公司杭州供电公司 基于电网信息数据的K-means聚类算法
CN111612085A (zh) * 2020-05-28 2020-09-01 上海观安信息技术股份有限公司 一种对等组中异常点的检测方法及装置
CN111915418A (zh) * 2020-05-25 2020-11-10 百维金科(上海)信息科技有限公司 一种互联网金融欺诈行为在线检测方法及其装置
CN112911627A (zh) * 2019-11-19 2021-06-04 中国电信股份有限公司 无线网络性能检测方法、装置以及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106572493B (zh) * 2016-10-28 2018-07-06 南京华苏科技有限公司 Lte网络中的异常值检测方法及系统
CN111126430A (zh) * 2019-11-11 2020-05-08 西安电子科技大学 用于异常检测系统的数据聚类方法、无线通信网络终端
CN112511547A (zh) * 2020-12-04 2021-03-16 国网电力科学研究院有限公司 基于Spark和聚类的网络异常流量分析方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376057A (zh) * 2014-11-06 2015-02-25 南京邮电大学 一种基于最大最小距离和K-means的自适应聚类方法
CN109063769A (zh) * 2018-08-01 2018-12-21 济南大学 基于变异系数自动确认簇数量的聚类方法、系统及介质
CN110766043A (zh) * 2019-09-10 2020-02-07 国网浙江省电力有限公司杭州供电公司 基于电网信息数据的K-means聚类算法
CN112911627A (zh) * 2019-11-19 2021-06-04 中国电信股份有限公司 无线网络性能检测方法、装置以及存储介质
CN111915418A (zh) * 2020-05-25 2020-11-10 百维金科(上海)信息科技有限公司 一种互联网金融欺诈行为在线检测方法及其装置
CN111612085A (zh) * 2020-05-28 2020-09-01 上海观安信息技术股份有限公司 一种对等组中异常点的检测方法及装置

Also Published As

Publication number Publication date
WO2023004899A1 (zh) 2023-02-02

Similar Documents

Publication Publication Date Title
CN113301600A (zh) 卫星与无线通信融合网络性能的异常数据检测方法和装置
CN108306893B (zh) 一种自组网络的分布式入侵检测方法和系统
US10484892B2 (en) Contextualized network optimization
Khan et al. Autonomous sensing order selection strategies exploiting channel access information
CN108886777B (zh) 用于无线网络监测的方法和用于实现该方法的网络节点
US8898783B2 (en) Detecting malicious device
Zawaideh et al. An efficient weighted trust‐based malicious node detection scheme for wireless sensor networks
EP3818743B1 (en) Method in a radio communication network using clustering of geospatially located measurements
Gul et al. Defense against malicious users in cooperative spectrum sensing using genetic algorithm
CN112804348B (zh) 云监测中心对边缘计算节点上报数据的重复性判定方法
KR100970757B1 (ko) 무선 인지 시스템에서 멀티 유저들을 위한 에너지 검출기반의 협력 채널 센싱 방법
Gharib et al. Enhanced multiband multiuser cooperative spectrum sensing for distributed CRNs
CN112688822A (zh) 基于多点协同的边缘计算故障或安全威胁监测系统与方法
CN103957547B (zh) 无线传感器网络的节点信誉评测方法及系统
Wang et al. Edge intelligence enabled soft decentralized authentication in UAV swarm
Yuan et al. Insight of Anomaly Detection with NWDAF in 5G
Shebaro et al. Fine-grained analysis of packet losses in wireless sensor networks
CN102647235B (zh) 协作频谱感知的方法、设备和系统
CN107612745A (zh) 一种确定d2d网络模型的方法及评估d2d网络模型性能的方法
CN114584345B (zh) 轨道交通网络安全处理方法、装置及设备
Tang et al. An analytical performance model of opportunistic spectrum access in a military environment
Wei et al. Cooperative sensing in cognitive radio ad hoc networks
Srikanth et al. GREEN COMP BASED ENERGY EFFICIENT DATA AGGREGATION ALGORITHM WITH MALICIOUS NODE IDENTIFICATION (GEED-M) FOR LIFETIME IMPROVEMENT IN WSN
Pratas et al. Capacity limits introduced by data fusion on cooperative spectrum sensing under correlated environments
KR102361817B1 (ko) 랑데부 채널 결정 방법 및 기록 매체

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210824

RJ01 Rejection of invention patent application after publication