基于NNVD的网络化软件多步控制算法研究

摘要：网络化软件系统规模的增大不仅增加了理解和优化系统的难度，而且一个小的异常就有可能引发整个系统的崩溃。因此，针对网络化软件系统的异常行为，本文提出了一种基于NNVD（networknodevaluedegree）的网络化软件多步控制算法，该算法从节点路径长度范围的角度去研究异常行为传播的局域控制，通过网络化软件节点的重要程度选择控制节点，分析了在无标度网络软件系统中进行局域多步控制的有效性。研究表明，该算法能够在一定程度上抑制异常行为的传播，使异常能够在一定的范围内得到有效的控制。

关键词：网络化软件;软件异常行为;多步控制算法

中图分类号：TP301.6 文献标识码：A

TheNetworkSoftwareMultistepControlAlgorithmBasedonNNVDResearch

MAYing-hui，PENGCheng，ZHANGWen-jia，XUEZhi-shan，MANJun-feng，

（CollegeofComputerandCommunication，HunanUniversityofTechnology，Zhuzhou，Hunan412000，China）

Abstract：Theincreasingscaleofnetworkedsoftwaresystemnotonlyincreasesthedifficultytounderstandandoptimizethesystem，butasmallanomalyislikelytocausethecollapseofthewholesystem.Therefore，inviewoftheabnormalbehaviorofnetworkedsoftwaresystem，thispaperproposedanetworkedsoftwarebasedonNNVDmultistepcontrolalgorithm，thealgorithmfromtheperspectiveofthenodepathlengthrangetostudythespreadoftheabnormalbehavioroflocalcontrol，throughthenetworkselectiontotheimportanceofthecontrolsoftwarenode，inascale-freenetworksoftwaresystemareanalyzedinlocalmultistepcontroleffectiveness.Studiesshowthattheproposedalgorithmcanrestrainthespreadofabnormalbehaviortoacertainextent，makeexceptionscangeteffectivecontrolinacertainscope.

Keywords：networkedsoftware;softwareabnormalbehavior;Multi-stepcontrolalgorithm

1引言

目前，复杂网络中的三种典型的免疫控制算法包括randomimmunization（随机免疫）策略[2]、targetedimmunization（目标免疫）策略[3]和acquaintanceimmunization（熟人免疫）策略[4]。随机免疫指为了预防控制病毒的扩散，随机地选择网络中的部分节点并对其进行免疫，此种策略没有考虑网络节点间的差异性，网络中的所有节点被同等看待，节点被选中的概率是相同的。但是在无标度网络中采用随机免疫策略需要对网络中几乎所有的节点进行免疫，这在现实的复杂网络中，几乎是不可能的。目标免疫是依据无标度网络中度分布的不均匀性，顺序地选择部分度大的节点并对其进行免疫。一旦这些度大的节点被免疫，那么与它们连接的边则从网络中剔除，很大程度上减少了病毒传播的途径。但是这种策略需要事先了解网络的拓扑和网络中节点的度。因此，对于一些规模较大的动态网络来说也是不现实的。Cohen等人提出的熟人免疫属于一种局域控制策略，它不需要知道网络的拓扑结构和全局信息，其目的在于找出度数大的节点进行免疫。

鉴于此，本文提出了一种基于NNVD（networknodevaluedegree）的网络化软件局部控制免疫算法。该算法从异常源点出发，然后对异常源点周围的各邻居节点的重要程度进行计算，选出重要度大的节点依次进行免疫。在异常源点周围一定的距离范围内对异常源点进行局域控制，从而控制异常行为在网络化软件系统中的蔓延。最后，通过仿真实验对本文的算法进行认证，证明了该算法的准确性和有效性，为后续的工作提供了理论基础。

2相关工作

3网络化软件多步控制算法

3.1相关定义

定义1（SIR模型）网络化软件系统里的节点分为三类：健康节点（S）、感染节点（I，隐含错误节点，如内存溢出等）和免疫节点（R）。在异常行为传播初期，软件系统中某些健康节点受到异常节点感染，并通过一定的概率将异常传播到其邻居节点。一旦S类节点被感染，则成为I类节点。这些I类节点又会变成新的感染源去感染其它节点。R类节点为免疫节点，是已经恢复为健康节点并且获得免疫能力的节点，在网络化软件系统里表现为不能被感染并且也不能感染其邻居节点。

定义2（异常节点间故障传播概率）异常节点间的故障传播概率e（m，n）定义为：

当扩散比率小于某一阈值δ时，异常源点的扩散对系统几乎没有影响，则免疫停止。

4实验及分析

为了验证本文算法的有效性，需要进行相关的实验分析。本文使用MATLAB仿真软件分析了本文算法的有效性。

由于网络化软件具有较为复杂的网络特性，本文只考虑网络化软件的无标度网络特性。又因为无标度网络的幂率参数与网络结构和性能特征具有较强的关联性，本文实验取=2-3.5作为网络结构参数。本文算法的免疫节点选择方法，在确保免疫节点定位精度的前提下，极大降低了网络的能量消耗，并且构建了网络免疫节点的最佳路径。本文算法免疫效果的仿真结果如图1所示：

图1从节点的能耗量方面考虑的免疫效果图

为了进一步分析本文算法的免疫效果，实验对本文算法进行了多次的仿真分析，获取的平均统计结果如图3所示。结果参数对本文算法有一定的影响，这是由无尺度网络的特性决定的，越大，本文算法的免疫效果越好。

图3算法的解析值与仿真值比较

5结束语

研究网络化软件异常行为的多步控制算法，对提高这种新型软件系统的稳定性和可靠性起重要作用。本文提出了一种基于网络节点重要程度的多步控制算法，并给出了详细的定义和计算方法。实验结果表明，该算法能够准确获取网路化软件系统中的免疫节点，达到控制异常行为传播的目的。本算法的创新之处在于其填补了网络化软件在异常行为控制方面的空白，但是相对于复杂网络中的一些免疫算法，在算法性能方面仍有很多不足之处。因此，如何改进并且提高算法的性能是我们下一步亟待需要解决的问题。

参考文献：

[3]Gomez-GardenesJ，EcheniqueP，MorenoY.Immunizationofrealcomplexcommunicationnetworks[J].EuropeanPhysicalJournalB，2006，49（2）：259-264

[4]GallosLK，LiljerosF，ArgyrakisP，etal.Improvingimmunizationstrategies[J].PhysicalReviewE（Statistical，Nonlinear，andSoftMatterPhysics），2007，75（4）：45104-1

[5]EedǒsP，RényiA.Ontheevolutionofrandomgraphs[J].Publ.Math.Inst.Hung.Acad.Sci，1960，5：17～61.

[9]EguiluzVM，Klemm，K..EpidemicThresholdinStructuredScale-FreeNetwoks[J].PhysicalReviewLetters，2002，89（10）：108701.