战术网络中关键节点的识别技术研究
发布时间：2021-11-11 01:26
随着信息技术的发展,战术互联网系统逐渐形成,网络对抗成为现代化战争夺取胜利的关键。在网络对抗中,节点攻击是最简单有效的对抗手段。如何选择网络中最佳攻击节点,利用最少的攻击资源最大限度破坏敌方通信系统,成为网络对抗的研究重点。战术网络关键节点识别属于较为前沿的领域,目前该领域内尚未取得较多的研究成果。本文从第三方的角度出发,基于物理层信号,从两个方面研究关键节点识别:一是从物理层信号中获得网络拓扑,进而基于拓扑识别关键节点;另一方面基于强化学习理论,不获取网络拓扑,利用与环境多次交互得到反馈的物理层信号,逐渐逼近关键节点。本文的主要工作有:（1）提出了通过获取拓扑,进而识别战术网络关键节点的算法。该算法首先基于辐射源个体识别,对物理层信号中的帧进行节点标识;其次基于物理层信号识别网络节点使用的MAC协议;再根据节点标识和MAC协议识别情况设计拓扑发现算法;最后基于发现的拓扑识别网络中的关键节点。仿真结果表明:在能对物理层信号中的帧进行节点标识的情况下,信号信噪比大于5dB时,该算法关键节点识别结果与基于理想拓扑的识别结果一致;为节点识别提供了新的解决思路。（2）设计了基于强化学习的关键节...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
线性支持向量机原理图
电子科技大学硕士学位论文20根据图3-3，此辐射源信号包含纯噪声段和有效信号段。纯噪声段时辐射源不发送信号，不体现任何的辐射源指纹信息，为提高网络训练速度，提取的辐射源信号样本不应包含纯噪声段；有效信号段包括暂态特征和稳态特征，波形边沿体现其暂态特征，稳定后的波形幅度、相位等反映其稳态特征，提取的辐射源信号样本应该保证这两方面的特征信息不损失。图3-3采集的辐射源时域信号本文采集的辐射源信号受环境等其他因素影响较小，因此直接从信号时域中提取样本，简单方便且能够有效识别辐射源信号。因此针对辐射源信号，样本集的获取过程分为四个步骤：有效数据检测，数据分片，添加样本标签，形成样本集。有效数据检测是指通过能量检测算法对有效数据段(非空白噪声段)进行检测，剔除空白噪声部分。数据分片是将信号中的有效数据段分割为等长的一维信号，并将其作为样本；样本长度与神经网络输入层节点数做等维映射，因此样本长度需要合理选取，样本长度过长会导致网络模型运算复杂度增加，样本长度过小会导致指纹特征信息缺失。添加样本标签是指通过标签标记样本的辐射源来源。样本集是指将4个辐射源的信号样本混合，组成完整的样本集。本文设置所采样本的长度为1000个采样点，规定在每个有效信号帧中采集50个样本。因此得到的各个辐射源的样本数量以及对应的标签如表3-1所示。将提取信号样本混合制作为样本集，将样本集合以8:1:1的比例分为训练集、验证集和测试集。表3-1各个辐射源的样本数量和对应标签辐射源编号采集的样本数量对应的标签1841000001286043001038561001004826001000
电子科技大学硕士学位论文28表3-6不同算法下关键节点识别结果图评估算法基于完整拓扑图基于节点删除DCSLCBCDSPIMCDST关键节点号2,3,1433433消耗时间1.163ms3.820ms9.012s1.460s8.371s0.136s基于以上结果发现，不同的识别方法评估节点关键程度的标准不同，识别出的关键节点不会完全相同；若多种识别算法识别出的关键节点相同，说明该节点是多个评价标准综合得出的关键节点，比用单一评价标准评估出的关键节点更加关键。除此之外，度中心法(DC）由于只考虑了节点的一阶邻居数目，不能对关键度相同的节点进行进一步的区分，即不能精确识别到某一关键节点；介数中心性(BC)和节点收缩法(IMC)计算复杂，识别速度不高，不适合网络规模大的网络；半局部中心性(SLC)方法识别速度较快，虽然只考虑节点四阶邻居范围内的关系，但对小规模网络是一个效果好、速度快的选择。3.3.2AdHoc网络物理层信号仿真获取本文将利用OPNET搭建AdHoc网络，获取仿真信号的过程分为四步:（1）搭建网络整体模型，确认节点位置分布以及移动特性；（2）设置节点模型，确认网络通信设备、通信协议及物理层数据传输特性；（3）设置节点模块中的进程模型，描述协议规定的具体规则。（4）获取网络仿真时序数据，向其中添加物理层信息来模拟外部天线采集到的物理层信号。每一步的具体设计方案和工作如下：在第一步中，网络模型包括10个节点，分布在300m*300m的区域，每个节点的信号传输距离为50m。本文网络拓扑设置为准静态拓扑，即节点短时间内的移动不改变网络拓扑。网络节点分布模型如图3-10所示。图3-10网络节点分布模型
本文编号：3488331
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
线性支持向量机原理图
电子科技大学硕士学位论文20根据图3-3，此辐射源信号包含纯噪声段和有效信号段。纯噪声段时辐射源不发送信号，不体现任何的辐射源指纹信息，为提高网络训练速度，提取的辐射源信号样本不应包含纯噪声段；有效信号段包括暂态特征和稳态特征，波形边沿体现其暂态特征，稳定后的波形幅度、相位等反映其稳态特征，提取的辐射源信号样本应该保证这两方面的特征信息不损失。图3-3采集的辐射源时域信号本文采集的辐射源信号受环境等其他因素影响较小，因此直接从信号时域中提取样本，简单方便且能够有效识别辐射源信号。因此针对辐射源信号，样本集的获取过程分为四个步骤：有效数据检测，数据分片，添加样本标签，形成样本集。有效数据检测是指通过能量检测算法对有效数据段(非空白噪声段)进行检测，剔除空白噪声部分。数据分片是将信号中的有效数据段分割为等长的一维信号，并将其作为样本；样本长度与神经网络输入层节点数做等维映射，因此样本长度需要合理选取，样本长度过长会导致网络模型运算复杂度增加，样本长度过小会导致指纹特征信息缺失。添加样本标签是指通过标签标记样本的辐射源来源。样本集是指将4个辐射源的信号样本混合，组成完整的样本集。本文设置所采样本的长度为1000个采样点，规定在每个有效信号帧中采集50个样本。因此得到的各个辐射源的样本数量以及对应的标签如表3-1所示。将提取信号样本混合制作为样本集，将样本集合以8:1:1的比例分为训练集、验证集和测试集。表3-1各个辐射源的样本数量和对应标签辐射源编号采集的样本数量对应的标签1841000001286043001038561001004826001000
电子科技大学硕士学位论文28表3-6不同算法下关键节点识别结果图评估算法基于完整拓扑图基于节点删除DCSLCBCDSPIMCDST关键节点号2,3,1433433消耗时间1.163ms3.820ms9.012s1.460s8.371s0.136s基于以上结果发现，不同的识别方法评估节点关键程度的标准不同，识别出的关键节点不会完全相同；若多种识别算法识别出的关键节点相同，说明该节点是多个评价标准综合得出的关键节点，比用单一评价标准评估出的关键节点更加关键。除此之外，度中心法(DC）由于只考虑了节点的一阶邻居数目，不能对关键度相同的节点进行进一步的区分，即不能精确识别到某一关键节点；介数中心性(BC)和节点收缩法(IMC)计算复杂，识别速度不高，不适合网络规模大的网络；半局部中心性(SLC)方法识别速度较快，虽然只考虑节点四阶邻居范围内的关系，但对小规模网络是一个效果好、速度快的选择。3.3.2AdHoc网络物理层信号仿真获取本文将利用OPNET搭建AdHoc网络，获取仿真信号的过程分为四步:（1）搭建网络整体模型，确认节点位置分布以及移动特性；（2）设置节点模型，确认网络通信设备、通信协议及物理层数据传输特性；（3）设置节点模块中的进程模型，描述协议规定的具体规则。（4）获取网络仿真时序数据，向其中添加物理层信息来模拟外部天线采集到的物理层信号。每一步的具体设计方案和工作如下：在第一步中，网络模型包括10个节点，分布在300m*300m的区域，每个节点的信号传输距离为50m。本文网络拓扑设置为准静态拓扑，即节点短时间内的移动不改变网络拓扑。网络节点分布模型如图3-10所示。图3-10网络节点分布模型
本文编号：3488331
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3488331.html
