非完整大数据的超网络拓扑推断理论与业务识别方法研究

Due to the resource limitation of the sensor and communication link and the characteristics such as complex, heterogeneous and open, big data in the Supernetworks/Hypernetwroks shows its uncertain characteristic, which cannot reflect the cyberspace situation precisely and directly, and it will also challenge the traditional network management technology in the context of “Big Data”. In this project, the problem of achieving the Supernetworks tacit knowledge by data analyzing is abstracted into the scientific question of knowledge mining with incomplete data. Firstly, a novel method for measuring the efficiency of the raw data will be focused, to find the value of the raw data for recovering the topology of the networks. Secondly, based on the “rough set theory” which is widely used in the fields of knowledge mining research, with the multilayer, multidimensional and multi-granularity characteristics of the Supernetworks/Hypernetworks, the similarity principle and data fusion theory are brought to carry out the research on the topology inference algorithm. It is aimed to find out the relationship among the hidden nodes, their connections and the hidden information. Thirdly, a set of network service recognition algorithms will be proposed to classify the various kinds of network services. At last, the proposed methods will be realized and verified in the emulation testing platform with the designed special testing case.

超网络具有大数据、复杂性、异构性、开放性的特点，由于其传感器节点能力和通信链路严重受限，超网络中大数据具有“信息不确定性”，不能准确和直接反映其态势的信息，对现有的网络管理技术提出了极大的挑战。本项目将通过对数据分析得到超网络空间的态势隐含知识的过程抽象为基于不完备信息的知识发现过程。首先对原始数据信息进行度量，度量数据对推断超网络空间拓扑结构的有效信息量；并以粗糙集这一处理不完备信息的知识发现理论为依据，结合数据多层多维多尺度的特性，利用相似性原理和数据融合等理论对多层网络拓扑进行关联分析，实现对大数据超网络空间中隐含节点和关联关系的发现，达到对网络拓扑结构推断的目的；并在此基础上，研究不同业务类型的识别和分类，发现可能存在的业务路径，形成一套业务路径识别方法。基于多平台构建仿真实验环境，建立测试评估体系，用于实验验证本项目所提出理论与方法的有效性。

超网络具有大数据、复杂性、异构性、开放性的特点，由于其传感器节点能力和通信链路严重受限，超网络中大数据具有“信息不确定性”，不能准确和直接反映其态势的信息，对现有的网络管理技术提出了极大的挑战。本项目将通过对数据分析得到超网络空间的态势隐含知识的过程抽象为基于不完备信息的知识发现过程。首先对原始数据信息进行度量，度量数据对推断超网络空间拓扑结构的有效信息量;并以粗糙集这一处理不完备信息的知识发现理论为依据，结合数据多层多维多尺度的特性，利用相似性原理和数据融合等理论对多层网络拓扑进行关联分析，实现对大数据超网络空间中隐含节点和关联关系的发现，达到对网络拓扑结构推断的目的;并在此基础上，研究不同业务类型的识别和分类，发现可能存在的业务路径，形成一套业务路径识别方法。基于多平台构建仿真实验环境，建立测试评估体系，用于实验验证本项目所提出理论与方法的有效性。