本发明涉及无线网络
技术领域：
，尤其涉及一种加密MANET中节点类型的识别方法。
背景技术：
：目前针对节点类型的识别主要关注于因特网，通过对网络中的流量进行长时间的监视分析，进而通过一定方法实现对节点类型的识别，用于对网络中节点重要性的判断，通过确定重要节点进而实施舆情管理。用于对节点重要性进行判断的指标主要是节点的度。其中，度是邻居节对本节点影响的直观考量，度数越高则本节点在网络中越处于中心位置，节点i的度定义为该节点的邻居数目。把节点的度作为节点重要性的衡量标准，认为与节点相连的边越多则该节点越重要，但是这种方法具有片面性，无法有效实现对节点类型的识别。原因在于节点度值并不能准确反映节点重要程度，例如，尽管某节点的度值很高，但是与它连接的节点并不重要，那么这个节点并不一定是关键节点；而有些重要的核心节点并不一定具有较大的连接度，比如只有两条边相连的桥节点。技术实现要素：鉴于上述的分析，本发明旨在提供加密MANET中节点类型的识别方法，用以解决现有识别方法无法有效实现对节点类型的识别的问题。本发明的目的主要是通过以下技术方案实现的：一种加密MANET中节点类型的识别方法，其特征在于，具体包括以下步骤：S1：对MANET网络中的子网进行分选；S2：根据子网分选结果利用无线电定位对网络中节点进行区分；S3：在网络节点已区分的基础上对网络进行拓扑推断；S4：针对拓扑推断结果计算每个节点的介数中心性；S5：针对节点的介数中心性判定节点类型。所述步骤1进一步包括：使用宽带接收机对工作频段内信号进行接收；对接收到的信号进行信号检测和预处理，剔除无用信号；获取信号调频速率、调制方式等参数；根据所述参数进行子网分选。所述步骤2进一步包括：采用复合角度定位方法或时间差定位方法对节点进行定位并区分。所述步骤3进一步包括：S3：在网络节点已区分的基础上对网络进行拓扑推断；具体地，利用帧接续在时间上形成的关联关系对通信双方实现判定；再通信双方判定结果及下一跳的识别结果实现对网络拓扑结构的推断。所述步骤4进一步包括：任意选取拓扑图中的一个节点作为源节点，根据深度优先查找源节点与网络中m跳内节点的路径，剔除冗余路径，对节点介数中心性进行计算。所述步骤5进一步包括：对通信双方节点的介数中心性值进行大小比较，大的一方为重要节点，小的一方为普通节点。本发明有益效果如下：本发明所公开的加密MANET中节点类型的识别方法针对加密MANET信息传输过程中节点的类型实现了自动识别，且提高了识别准确率。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。图1为本发明具体实施例的方法流程图；图2为本发明具体实施例的实验示意图。具体实施方式缩略语和关键术语定义MANET:MobileAdHocNetwork，由一组无线移动节点组成的多跳无中心网络，节点可以自由而动态的组成任意临时性的网络结构，具有很强的抗摧毁性和自组性，应用广泛。节点的介数中心性：包含某一节点v的最短路径占网络中所有最短路径的比例。重要节点：加密MANET中的关键节点，在通信过程中处于较为重要的地位，一旦不能正常工作将影响普通节点的信息传输。普通节点：相对于重要节点而言重要性较低，不能正常工作不会影响整个网络。下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理。MANET为典型的分层分布式的控制结构，采用分级分簇的网络架构，下级网络通常由多个本地簇构成，上级骨干网络由簇头组成，同时簇头节点构成本地簇用户之间进行分组数据交换的中继节点。每个簇头节点同时工作在骨干信道和本地簇的信道中，负责收集簇内成员的信息同时作为中继转发节点完成簇内节点和外部簇成员之间的通信。重要节点通常作为不同等级子网的网关节点，信息上传下达的路径中通常会包括各级重要节点，节点所处的等级越高其对应的介数中心性就越高，所以在拓扑已知的情况下，对节点之间介数中心性进行对比判断，通信双方中介数中心性高的为重要节点，低的为普通节点。根据本发明的具体实施例，公开了一种加密MANET中节点类型的识别方法，具体包括以下步骤：S1：对MANET网络中的子网进行分选；具体地，使用宽带接收机对工作频段内信号进行接收；对接收到的信号进行信号检测和预处理，剔除其中的无用信号，如噪声等；通过信号分析获取信号调频速率、调制方式等参数；根据上述参数对子网进行分选。具体地，对于同步正交网络而言，在全网同步过程中不同子网采用同步频率存在差异，而同一子网内部采用的同步频率却存在很强的关联性，通过瞬态响应法对每个跳频周期瞬态响应的离散小波系数进行去噪完成对子网的分选。对于异步网络而言，组网后同一个网络的跳频周期是相同的，所以可以根据跳周期的不同使用K-means算法进行聚类进而完成不同网络的区分。S2：根据子网分选结果利用无线电定位对网络中节点进行区分；具体地，采用复合角度定位方法或时间差定位方法；复合角度定位方法基于无线电测向工作，通过多个无线电监测站点对同一个信号进行测向，利用测向射线(角度)的交会进行定位；时间差定位方法则基于信号达到监测站的时间，通过时间距离换算进行交会定位；进而对同一子网中不同的节点进行区分。S3：在网络节点已区分的基础上对网络进行拓扑推断；具体地，MANET中数据帧和响应帧之间具有较为明显的时间接续关系，接收方在收到数据帧后会尽快发出确认或者响应帧，利用帧接续在时间上形成的关联关系对通信双方实现判定。对于时间比较敏感的MANET而言，信息的传输过程中通常存在一定的限制，同时为了保证服务质量和网络规模，网络实现过程中会要求中间经历的跳数不超过一定的定值，依据上述限制条件，信息在传输过程中在两个节点之间完成传输的时间通常会存在一定阈值，同时信息在节点上的处理时延通常也存在一定阈值，根据上述的两个阈值可以完成对下一跳节点的识别。即如果一条信息从S节点发出，如果A节点在时间阈值内也发出信息，即认定A节点为S节点的下一跳节点。由于在MANET中节点之间交互相对频繁，节点在接收到信息后会随即发出响应帧告知对方已接收信息，为了保证信息传输的时效性，响应帧会在一定时间阈值内发出，所以根据响应帧的时间可以判断是哪个节点完成了信息的最终接收，即判定接收节点。通过对下一跳节点的追踪以及最终接收节点的判定实现对网络拓扑结构的推断。S4：针对拓扑推断结果计算每个节点的介数中心性；具体地，任意选取拓扑图中的一个节点作为源节点，根据深度优先查找源节点与网络中m跳内节点的路径，剔除冗余路径(部分较短路径有可能出现在其他较长路径中)，对节点介数中心性进行计算。使用UlrikBrandes提出的Brandes介数中心性算法对介数进行计算，基于无线网络干线网中跳数不超过m的前提对算法添加约束条件，针对任一节点求取的最短路径中包含的跳数不超过m。最短路径为源节点与目的节点之间经历跳数最少的路径。针对网络的拓扑结构用G(V,E)(|V|＝n,|E|＝m)表示，其中V为节点集，E为链路集，对于网络中的任意两节点s和t，σs,t＝σt,s为节点s和t之间最短路径的数量，σs,t(v)为节点s和t之间包含节点v的最短路径的数量。节点i的介数含义为网络中所有的最短路径之中经过节点i的数量。v的介数中心性使用下列公式进行计算：B(v)=Σs≠v≠tσs,t(v)σs,t=Σs≠v≠tδs,t(v)]]>S5：针对节点的介数中心性判定节点类型；具体地，对通信双方节点的介数中心性值进行大小比较，大的一方为重要节点，小的一方为普通节点。本发明所述加密MANET中节点类型的识别方法的技术效果通过使用EXata软件搭建如图2所示的仿真环境进行实验的方法进行验证：步骤1搭建场景：使用Exata软件搭建分层的网络结构；步骤2搭建实验环境：场景在运行过程中主要针对节点部署位置添加了随机函数，由于位置的变化使得每次构建的网络都存在一定的差异。使用业务软件完成业务信息的交互；步骤3配置基本参数：仿真环境中仿真区域大小为30×45km2，采用ITM模型(IrregularTerrainModel)对路径损耗进行计算，使用LOGNORMAL模型计算阴影衰落。仿真环境中节点的参数设置如表2所示。参数值PHY-MODELPHY-AbstractDATA-RATE1.2kbpsTxPOWER5WRxSensitivity-80dB表2步骤4.实验数据分析：针对实验中的传输网络，计算信息传输过程中节点的类型，进行100次实验，对识别准确率进行计算，准确率达到87％。本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。当前第1页1 2 3