CN115118610B - 一种基于网路层析成像的动态拓扑估计方法 - Google Patents

Abstract

本发明公开一种基于网路层析成像的动态拓扑估计方法，应用于网络拓扑估计领域，针对现有技术在网络发生变化后，需要对整个网络进行重新探测，但是频繁地对整个网络进行重新探测会带来无法承受的计算复杂度，也可能因产生较大的流量给网络环境带来额外的负担的问题；本发明利用单播背靠背包进行端到端探测，获取往返时延判断网络拓扑结构，将动态变化前拓扑中受到影响的网络分支重新插入，重构出准确的网络拓扑；本发明的方法能够在网络发生变化后，利用原有的网络拓扑信息，通过少量的重新探测估计出更新后的网络拓扑。

Description

一种基于网路层析成像的动态拓扑估计方法

技术领域

本发明属于网络拓扑估计领域，特别涉及一种动态拓扑估计技术。

背景技术

在网络技术急速发展的背景下，网络规模逐渐增大，网络拓扑结构也更加复杂。而网络拓扑能够准确地反映网络中的设备之间的连接关系。网络拓扑估计是通过网络探测工具或端到端探测等方式构建网络拓扑的方法。许多网络的管理与维护任务需要网络拓扑的支持(如路由选择、负载均衡、寻找网络瓶颈、评估网络性能等)，因此获取准确的网络拓扑是网络拓扑测量领域值得关注的重要问题。

现有的网络拓扑估计方法主要分为两类：基于内部节点协作的方法和基于网络层析成像的方法。基于网络内部节点合作的方法在获得网络内部节点的路由信息反馈后能够快速并准确地探测出网络拓扑。但出于安全性与私密性的考虑，如今网络中的许多路由器拒绝对协作请求进行回复，导致类似方法无法获取准确的网络拓扑。基于网络层析成像的拓扑估计方法利用端到端探测获取路径信息估计网络拓扑，因其不再需要网络内部节点的协作的优势获得了学术界的广泛关注。

基于网络层析成像的拓扑估计方法，通过发送精心构建的探测包(背靠背包、“三明治包”等)获取探测源节点到一系列目的节点的路径信息。并且利用获取的端到端时延、丢包率等链路特征参数来估计网络拓扑结构。当前的网络层析成像方法主要是在网络拓扑不变的条件下，对完整的网络拓扑进行估计。在网络发生变化后，需要对整个网络进行重新探测，但是频繁地对整个网络进行重新探测会带来无法承受的计算复杂度，也可能因产生较大的流量给网络环境带来额外的负担。

在基于网络层析成像的网络拓扑估计方法中，源节点需要向一系列探测目的节点发送端到端探测包以获取网络链路参数信息。基于不同的探测包发送方式，网络层析成像可以分为单播与多播两种方式。

相关现有技术：

现有技术1：基于多播探测的网络层析成像方法

Ratnasamy等率先提出了一种基于多播发送方式的网络层析成像方法，该算法在树状拓扑中使用基于多播包的端到端探测，在目的节点统计探测包的丢包率，并通过计算最终得出共享路径上的丢包率。后来，Duffield等提出使用任何可测量的并具有单调性的度量都可以用于多播网络层析成像。另外，他们提出了一种基于最大似然估计与一种基于贝叶斯估计的方法来估计树状拓扑。后来，他们尝试将路径时延方差作为估计网络拓扑的新度量。网络层析成像方法的准确性往往依赖于研究者们提出的一系列假定前提条件，Nguyen等认为中间节点或链路独立性假设可能失效，提出了顺序二元独立分量分析算法来估计网络拓扑。Bowden等提出了SLTD(Shared Loss Topology Discovery)算法，该算法能够在链路过程不完全独立的情况估计出正确的网络拓扑。虽然多播探测包在链路中只会被传递一次，并且只在分支链路被复制，相较单播探测包而言能够获取更多信息，但同时也会占据更多带宽，适用于小规模的网络探测。另外，基于网络安全等因素的考虑，现存的大多数网络不再支持多播的路由方式。因此，主要的网络拓扑估计方法转向研究基于单播探测包的网络层析成像。

现有技术2：基于单播探测的网络层析成像方法

Castro等开创了使用单播端到端测量进行网络层析成像的方法，他们设计了一种“三明治包”来进行单播端到端探测，并且提出了ALT算法(agglomerative likelihoodtree algorithm)来估计二叉树状网络拓扑。在此基础上，为了进一步估计出更加一般的树状拓扑，Castro等提出了马尔科夫链蒙特卡洛算法(MCMC，Markov Chain Monte Carloalgorithm)算法，该算法通过点的插入删除操作获得一系列候选树，再通过最大似然方法从候选树中选择最大似然树作为最终的网络树状拓扑。基于Castro的工作，Shih等提出了一种分层聚类拓扑估计算法，算法基于图聚类与有限混合模型的无监督学习实现了对叶节点自顶向下的递归分区，能够在不使用阈值与蒙特卡洛方法的条件下生成一般树状拓扑。实现单播端到端探测估计网络拓扑通常需要大量的单播探测包。为了减少探测包的数量，Eriksson等提出了一种基于深度优先搜索的拓扑估计方法。同时，他们还提出了一种基于节点对融合的排序逻辑拓扑识别(OLTD,Ordered Logical Topology Discovery)算法来估计网络拓扑。Pepe等提出了一种寻找最小端到端探测集的方法来自动决定需要探测路径的最小集合，以减少所需的探测包数量。

网络拓扑结构是描述网络设备关系信息的重要工具，对网络设备的管理具有重要意义。现有的网络拓扑估计方法一般假设在一段时间内网络拓扑不会发生改变。但在真实网络中，网络中的一些节点可能由于设备故障、网络攻击等原因从网络拓扑中移除，现有的网络拓扑估计方法对于这一问题缺乏相应的解决方案。

发明内容

为解决上述技术问题，本发明提出一种基于网路层析成像的动态拓扑估计方法，利用单播背靠背包进行端到端探测，获取往返时延判断网络拓扑结构，将动态变化前拓扑中受到影响的网络分支重新插入，重构出准确的网络拓扑。

本发明采用的技术方案为：一种基于网路层析成像的动态拓扑估计方法，记动态变化前的网络拓扑为G＝(V,E)，V表示动态变化前的网络中的节点集合，E表示动态变化前的网络中节点之间的边集合，受到攻击后需要从网络中移除的节点集合V_r，所述方法具体包括以下步骤：

S1、初始化：其中V_a是需要调整的网络分支的起始节点的集合；具体根据V_r中各节点在动态变化前的网络拓扑中的非叶子节点得到V_a；

定义R＝{R₁,R₂,R₃,...,R_i,...,R_n}，其中R_i是以节点i为插入位置的网络分支的起始节点的集合，i＝1,2,3,...,n；

S2、根据节点集合V_r，从网络拓扑G中删除需要移除的节点，并删除与这些需要移除的节点直接相连的所有边；将调整后的网络拓扑记为G₁；

S3、从V_a中任取一个节点i，使用网络分支插入算法判断节点i所代表的网络分支在网络拓扑G₁中的插入位置j；更新以下数据：

V_a＝V_a\i,V＝V∪{i},E＝E∪{(i,j)}，R_j＝R_j∪{i}；

S4、判定所有需要调整的网络分支是否重新插入；具体的：如果执行步骤S5，否则重复步骤S3；

S5、对于任意集合R_i∈R，如果|R_i|≥2，对于R_i中的任意两个节点，根据这两个节点的结构关系进行判断，若存在其中一个节点应插入以另一个节点为起始节点的网络分支下，则重新调用网络分支插入算法，确定该节点的插入位置；否则执行步骤S6；

S6、输出动态变化后的网络拓扑G₁。

本发明的有益效果：本发明提出了一种基于网络层析成像的动态拓扑估计方法，利用网络动态变化前获取的拓扑信息与少量探测，能够判断发生位置变化的网络分支在更新后拓扑中的位置，从而得到正确的动态变化后网络拓扑结构，可以达到以下有益效果：

1、本发明使用自顶向下分层插入的方法将发生位置变化的网络分支重新插入动态变化后的网络拓扑，能够利用动态变化前的部分拓扑信息，使用较少的端到端探测重新获得准确的网络拓扑。

2、本发明通过差错检测与重新探测的机制，减少了错误判断三元组子树结构的可能性，通过针对性的探测提高了拓扑识别的准确性，同时保持了较少的探测包数量，减轻了网络负担。

3、本发明提出了在网络分支重新插入后进一步调整被插入的网络分支间结构关系的方法，能够更加精确地恢复受到动态变化影响的网络分支的拓扑结构，进一步提高了网络拓扑的精确度。

附图说明

图1为共享路径长度模型；

图2为时延方差模型；

图3为网络分支示意图；

其中，(a)为移除节点前的网络分支，(b)为移除节点后的网络分支；

图4为分支插入模型；

图5为子树拓扑结构示意图；

其中，(a)为子树结构1，(b)为子树结构2，(c)为子树结构3，(d)为子树结构4；

图6为动态拓扑估计算法流程。

具体实施方式

为便于本领域技术人员理解本发明的技术内容，下面结合附图对本发明内容进一步阐释。

1、网络拓扑路径性能参数探测

本发明提出的网络拓扑估计方案使用网络拓扑路径性能参数估计网络拓扑结构。为了在网络拓扑发生动态变化后重新构建出准确的网络拓扑。本发明需要将受到网络变化影响的部分拓扑从原网络拓扑中删除并重新插入。在重新插入拓扑分支时，需要判断拓扑分支与原网络拓扑的结构关系，因此需要探测获取网络拓扑路径性能参数。

为了方便描述网络拓扑与探测过程，本发明使用G＝(V,E)表示动态变化前的网络拓扑，其中V表示拓扑G节点集，E表示拓扑G的链路集。定义G₁＝(V₁,E₁)为拓扑G移除从网络中消失节点后的剩余拓扑，其中V₁表示拓扑G₁的节点集，E₁表示拓扑G₁的链路集。定义s为源节点，D＝{d₁,d₂,d₃,...,d_n}为探测目的节点集。定义p(s,d_i)为源节点s到目的节点d_i的路径。对于任意两个目的节点{d_i,d_j}，定义f(d_i,d_j)为该节点对最近的公共祖先节点。

本发明使用背靠背包进行端到端探测获取路径性能参数，这里的路径性能参数可以为时延、丢包率等。网络拓扑估计需要分析探测所得的性能参数并计算得出用于拓扑识别的共享路径长度度量参数。共享路径长度的度量参数的选取也关乎网络拓扑识别的准确性。

共享路径长度的度量参数模型如图1所示，节点f₁是叶子节点对{d_i,d_k}最近的公共祖先节点f(d_i,d_k)，p(s,f₁)为源节点s到叶子节点对{d_i,d_k}的共享路径。节点f₂是叶子节点对{d_i,d_j}最近的公共祖先节点f(d_i,d_j)，p(s,f₂)为源节点s到叶子节点对{d_i,d_j}的共享路径。共享路径长度的基本度量有三种，分别是：基于丢包率相似度、基于时延协方差和基于时延增量的共享路径长度的度量值。三种度量参数的核心思想是：探测包经过的链路越多，丢包率、时延协方差和时延差增量也就越大。本发明采用时延协方差作为共享路径长度的度量值。

2、拓扑估计度量建立

本发明通过计算共享路径上的时延方差作为共享路径长度度量，通过端到端探测能够获取源节点到一系列目的节点的时延序列，通过计算节点对间时延协方差可以获取共享路径长度，具体计算步骤如下。

任意选取两个端到端探测目的节点{i,j}，该节点对与探测源节点s可以组成如图2所示时延方差模型。f表示节点对{i,j}最近的公共祖先节点。link₁、link₂和link₃分别表示路径p(s,f)、p(f,i)与p(f,j)。端到端探测能够获取源节点到目的节点的时延探测序列。令Y_i和Y_j分别表示路径p(s,i)和p(s,j)的时延随机变量；令X₁、X₂和X₃分别为链路link₁、link₂和link₃的时延随机变量。计算可得节点对(i,j)的共享路径link₁的方差cov(X₁)＝cov(Y_i,Y_j)。其中，cov(X₁)是共享路径link₁的方差，cov(Y_i,Y_j)是随机变量Y_i、Y_j的协方差。由上述公式可知，任意节点对的时延协方差等于该节点对共享路径时延方差。因此，选择时延协方差作为共享路径长度的度量值能够有效反映互联网拓扑中节点对共享路径长度。

3、网络分支插入算法

当网络中的部分节点移除后，原有的网络拓扑G＝(V,E)中，与这部分节点相关的拓扑分支会受到影响。如图3所示。如果节点r在网络中被移除，与节点r直接相连的以节点i、j、k为起始节点的网络分支1、2、3需要被重新插入到剩余网络拓扑G₁＝(V₁,E₁)中。为了方便描述，将以节点i为起始节点的网络分支记为

在插入网络分支时，需要网络拓扑G₁中选取节点作为网络分支的插入位置。如果随机选择节点，则插入所需的计算复杂度无法确定。因此，该项目使用从源节点开始，分层向下的方法从现有拓扑中选取节点。具体的节点选取与分支插入方法如图4所示。

假设当前待插入的网络分支为当前选择的插入位置为拓扑G₁中的节点p，令C(p)＝{c₁,c₂,...,c_n}为p节点的不包含叶节点的子节点的集合。为了确定网络分支/>在拓扑G₁中的插入位置，本方法从拓扑G₁中每次选取一个节点p，并判断该节点是否为网络分支的实际插入位置。初始化p＝s，s为探测的源节点。判断节点p与网络分支/>的结构关系，如果发现节点p是网络分支/>的插入位置，E₁＝E₁∪{(p,j)}，否则判断网络分支/>与集合C(p)＝{c₁,c₂,...,c_n}中所有节点的结构关系，如果判断得出网络分支/>的插入位置在c_i下，则令p＝c_i，重复上述步骤直至找到网络分支/>的实际插入位置。

在上述重新插入网络分支的过程中，需要判断待插入的网络分支/>与被拓扑G₁中选取的节点p的结构关系，具体的做法是从网络分支/>中选取一个端到端探测目的节点d_i，从节点p派生的叶节点(派生的叶节点包括与p节点直接相连的叶节点、与p节点的子孙节点相连的叶节点)中选取两个端到端探测目的节点d_j、d_k。利用节点d_i、d_j、d_k组成只含有三个叶节点的子树拓扑。通过判断该子树拓扑的结构，进一步确定网络分支/>与p节点的结构关系。

在一般树状拓扑中，只有三个叶节点的子树拓扑共存在四种可能的结构，如图5所示。将d_i、d_j、d_k两两组合分别计算共享路径长度度量，当d_i与d_j的共享路径长度度量最大时，d_i、d_j、d_k组成子树结构1。同理，当d_i与d_k的共享路径长度度量最大时，d_i、d_j、d_k组成子树结构2，当d_j与d_k的共享路径长度度量最大时，d_i、d_j、d_k组成子树结构3。由于计算时延协方差所得的共享路径长度完全相同的可能性很小，即使实际拓扑中d_i、d_j、d_k组成的子树拓扑结构为子树拓扑结构4，由于时延波动，d_i、d_j、d_k两两之间的共享路径长度存在一定误差。为了获取子树拓扑结构4，本发明设置了阈值θ使一定误差范围内的共享路径长度相同。设d_i、d_j、d_k两两之间的共享路径长度分别为L_ij、L_ik、L_jk，设其中最大的共享路径长度度量为L_max。当共享路径满足条件(L_max-L_ij)/L_max<θ、(L_max-L_ik)/L_max<θ与(L_max-L_ik)/L_max<θ时，可以认为d_i、d_j、d_k两两之间的共享路径长度相同。此处阈值θ根据经验可取0.1到0.3之间。当d_i、d_j、d_k组成的子树结构为子树结构1、2或3时，认为网络分支的插入位置不在以节点p为起始节点的子树中。当节点d_i、d_j、d_k组成的子树结构为子树结构4时，认为网络分支/>的实际插入位置在以节点p为起始节点的子树中，需要进一步判断网络分支/>与集合C(p)＝{c₁,c₂,...,c_n}中节点的位置关系。当d_i、d_j、d_k组成的子树结构为子树结构4，并且进一步判断网络分支时发现网络分支/>不在以集合C(p)＝{c₁,c₂,...,c_n}中任何节点为起始节点的子树下时，认为网络分支/>的实际插入位置为节点p。

在判断一个网络分支的插入位置时，需要从源节点向网络分支/>中的一系列探测目的节点发送探测包，获取往返时延以计算共享路径长度。但在真实网络中，端到端探测获取的往返时延可能发生较大波动，从而导致共享路径长度计算错误。为了提高共享路径长度度量的计算准确度，本发明引入了差错检测的机制，识别出现异常的共享路径长度并针对性地进行重新探测。具体做法为，对于目的节点d_i、d_j、d_k构成的三元组，将探测获取的所有往返时延平均分为两组T₁、T₂，这里所有往返试验的具体数量根据实际探测的设置来确定。令使用T₁得出的d_i、d_j、d_k构成的子树结构为S₁，使用T₂得出的d_i、d_j、d_k构成的子树结构为S₂。如果S₁＝S₂，认为本次探测获取的共享路径长度没有出现错误。否则，对目的d_i、d_j、d_k重新发送一组探测包。重复上述步骤直到S₁＝S₂或者重新发送的探测包组数达到预先设置的上限。如果重新发送的探测包组数已经达到预先设置的上限，将d_i、d_j、d_k构成的子树结构设置为所有探测中出现次数最多的子树结构。

4、基于网络层析成像的动态拓扑估计算法

该算法是在网络发生变化后，使用基于网络层析成像的网络分支插入算法对拓扑进行重构，获取动态变化后网络拓扑的完整过程。

输入：源节点s，动态变化前的网络拓扑G＝(V,E)，受到攻击后需要从网络中移除的节点集合V_r。

(1)初始化：其中V_a是需要调整的网络分支的起始节点的集合。定义R＝{R₁,R₂,R₃,...,R_i,...,R_n}，其中R_i是以节点i为插入位置的网络分支的起始节点的集合。对于R中的任意集合R_i∈R，/>阈值θ＝0.2。

(2)根据节点集合V_r，从网络拓扑G中删除被移除的节点，并删除与这些节点直接相连的所有边。将调整后的网络拓扑记为G₁。对于V_r中的任意节点i，令C(i)为节点i子节点的集合，该集合中不包含叶节点。V_a＝V_a∪C(i)。

(3)从V_a中任取一个节点i，使用网络分支插入算法判断节点i所代表的网络分支在网络拓扑G₁中的插入位置j。j是调用网络分支插入算法后，网络拓扑G₁中与节点i直接相连的节点。更新数据：V_a＝V_a\i,V＝V∪{i},E＝E∪{(i,j)}，R_j＝R_j∪{i}。这里的V_a\i表示从集合V_a中删除节点i；

(4)判定所有网络分支是否重新插入。如果执行步骤(5)，否则重复第(3)步。

(5)对于任意集合R_i∈R，如果|R_i|≥2，令节点j，k为集合R_i中的任意两个节点，通过计算共享路径长度判断节点j，k的结构关系。以节点j为例，如果根据探测获得的子树结构判断节点j应当插入在以节点k为起始节点的网络分支下，则V＝V\j，E＝E\(i,j)，对以节点j为起始节点的网络分支重新调用网络分支插入算法。据，

输出：动态变化后的网络拓扑G₁。

图6展示了本发明方法在网络动态变化后重新恢复出准确的网络拓扑的完整流程。算法开始时从动态变化前的网络拓扑G中移除所有受到攻击影响的网络拓扑分支，将剩余的网络拓扑记为G₁。下一步算法依次探测并判断被移除的网络分支在动态变化后的网络拓扑中的位置，并将其重新插入拓扑G₁。通过上述步骤将所有被移除的网络分支重新插入后，为了进一步提高网络拓扑的准确性，算法对重新插入的网络分支之间的结构关系进行了探测与调整，最终获得动态变化后的网络拓扑G₁。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (7)

1.一种基于网路层析成像的动态拓扑估计方法，其特征在于，记动态变化前的网络拓扑为G＝(V,E)，V表示动态变化前的网络中的节点集合，E表示动态变化前的网络中节点之间的边集合，受到攻击后需要从网络中移除的节点集合V_r，所述方法具体包括以下步骤：

S1、初始化：其中V_a是需要调整的网络分支的起始节点的集合；具体根据V_r中各节点在动态变化前的网络拓扑中的非叶子节点得到V_a；

定义R＝{R₁,R₂,R₃,...,R_i,...,R_n}，其中R_i是以节点i为插入位置的网络分支的起始节点的集合，i＝1,2,3,...,n；

S2、根据节点集合V_r，从网络拓扑G中删除需要移除的节点，并删除与这些需要移除的节点直接相连的所有边；将调整后的网络拓扑记为G₁；

S3、从V_a中任取一个节点i，使用网络分支插入算法判断节点i所代表的网络分支在网络拓扑G₁中的插入位置j；更新以下数据：

V_a＝V_a\i,V＝V∪{i},E＝E∪{(i,j)}，R_j＝R_j∪{i}；

S4、判定所有需要调整的网络分支是否重新插入；具体的：如果执行步骤S5，否则重复步骤S3；

S5、对于任意集合R_i∈R，如果|R_i|≥2，对于R_i中的任意两个节点，根据这两个节点的结构关系进行判断，若存在其中一个节点应插入以另一个节点为起始节点的网络分支下，则重新调用网络分支插入算法，确定该节点的插入位置；否则执行步骤S6；

S6、输出动态变化后的网络拓扑G₁。

2.根据权利要求1所述的一种基于网路层析成像的动态拓扑估计方法，其特征在于，确定两个节点之间的结构关系的过程为：

记两个节点分别为第一节点、第二节点；

从以第一节点为起始节点的网络分支中选取一个端到端探测目的节点，从第二节点派生的叶节点中选取两个端到端的探测目的节点，利用选出来的这三个节点组成只含有三个叶节点的子树拓扑；通过获取这个子树拓扑中三个节点两两组合对应的共享路径长度，若得到的三个共享路径长度值相等，则认为第二节点为以第一节点为起始节点的网络分支的插入位置；否则第二节点不是以第一节点为起始节点的网络分支的插入位置。

3.根据权利要求2所述的一种基于网路层析成像的动态拓扑估计方法，其特征在于，采用时延协方差作为共享路径长度的度量值。

4.根据权利要求3所述的一种基于网路层析成像的动态拓扑估计方法，其特征在于，使用背靠背包进行端到端探测获取时延协方差。

5.根据权利要求4所述的一种基于网路层析成像的动态拓扑估计方法，其特征在于，考虑时延波动，三个共享路径长度值相等的判断过程为：找出子树拓扑中三个节点两两组合得到的三个共享路径长度中的最大值，将三个共享路径长度分别与这个最大值作差，若三个差值与最大值得比值小于阈值θ，则认为三个共享路径长度值是相等的。

6.根据权利要求5所述的一种基于网路层析成像的动态拓扑估计方法，其特征在于，对于只含有三个叶节点的子树拓扑，还包括对获取的共享路径进行差错检测，具体过程为：

B1、将探测获取的所有往返时延平均分成两组，分别使用两组往返时延数据构建各自的子树结构；

B2、若两组往返时延数据各自构建的子树结构相同，则认为获取的共享路径没有出现差错，否则执行步骤B3；

B3、若没有达到探测包组数的上限，则对这三个叶节点重新发送一组探测包，然后返回步骤B1；

B4、若达到重新发送探测包组数的上限时，两组往返时延数据各自构建的子树结构不相同，则以出现次数最多的子树结构作为只含有三个叶节点的子树拓扑的结构。

7.根据权利要求6所述的一种基于网路层析成像的动态拓扑估计方法，其特征在于，网络分支插入算法，具体为：

对与当前待插入的网络分支，在当前的网络拓扑G₁中从源节点开始探测，直至找到当前待插入的网络分支的插入位置；具体探测过程为：

A1、根据当前探测点与当前待插入的网络分支起始节点的结构关系，判断当前探测点是否为当前待插入的网络分支的插入位置，若是，则执行步骤A2；否则执行步骤A3；

A2、将当前探测点与当前待插入的网络分支的起始节点之间的边加入到当前的网络拓扑G₁中节点之间的边集合；

A3、对当前探测点的不包含叶节点的子节点的集合中的所有节点进行依次探测，返回步骤A1。