基于深度殘差算法的工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺

黃海艇，呂從飛，劉 燁

（1.工業(yè)互聯(lián)網(wǎng)創(chuàng)新中心（上海）有限公司，上海 200120；2.江蘇杰瑞信息科技有限公司，江蘇連云港 222000）

目前我國已經(jīng)進入大數(shù)據(jù)時代，云計算技術(shù)得到了發(fā)展，工控網(wǎng)絡(luò)數(shù)據(jù)儲存變得至關(guān)重要[1]。目前研究的工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺存在監(jiān)測召回率過低，而且監(jiān)測時間過長[2]。

深度殘差算法是一種有效的檢測算法，通過深度分析數(shù)據(jù)，實現(xiàn)信息監(jiān)測。綜上所述，文中基于深度殘差算法研究了一種新的工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺，首先運用自適應(yīng)方法對網(wǎng)絡(luò)云數(shù)據(jù)進行儲存優(yōu)化，結(jié)合平衡調(diào)度法建立網(wǎng)絡(luò)儲存異常的自動監(jiān)測模型。利用數(shù)據(jù)挖掘?qū)た鼐W(wǎng)絡(luò)中心數(shù)據(jù)進行訪問，采用深度殘差法對數(shù)據(jù)進行分析，通過交叉數(shù)據(jù)編譯法構(gòu)建數(shù)據(jù)交互模型，并對數(shù)據(jù)進行關(guān)聯(lián)分布分析計算，得出智能監(jiān)測結(jié)果，實現(xiàn)對儲存異常的智能監(jiān)測。

1 智能監(jiān)測平臺架構(gòu)

工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺主要包括用戶存儲管理和網(wǎng)絡(luò)監(jiān)測管理兩大模塊[3-4]?；谏疃葰埐钏惴ǖ墓た鼐W(wǎng)絡(luò)存儲異常智能監(jiān)測平臺結(jié)構(gòu)如圖1所示。

圖1 基于深度殘差算法的工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺結(jié)構(gòu)

觀察圖1 可知，用戶存儲管理模塊通過對工控網(wǎng)絡(luò)數(shù)據(jù)分配權(quán)限來監(jiān)管網(wǎng)絡(luò)用戶。管理的權(quán)限包括工控網(wǎng)絡(luò)用戶的注冊、登錄以及用戶的隱私數(shù)據(jù)存儲，不同的管理內(nèi)容對應(yīng)不同的角色權(quán)限，以此控制用戶瀏覽網(wǎng)絡(luò)頁面的次數(shù)和時限。同時，對工控網(wǎng)絡(luò)數(shù)據(jù)庫實行分塊監(jiān)測，易于工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺后期擴展，確保網(wǎng)絡(luò)數(shù)據(jù)簡潔，不復(fù)雜[5-6]。除此之外，用戶存儲管理模塊可監(jiān)測工控網(wǎng)絡(luò)數(shù)據(jù)表的生成，數(shù)據(jù)由網(wǎng)絡(luò)平臺不同角色、智能監(jiān)測平臺監(jiān)測權(quán)限、工控網(wǎng)絡(luò)智能監(jiān)測項目等組成，工控網(wǎng)絡(luò)數(shù)據(jù)表可協(xié)助監(jiān)測平臺監(jiān)測工控網(wǎng)絡(luò)數(shù)據(jù)，并實現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)的批量導(dǎo)入。通過批量導(dǎo)入功能可導(dǎo)入智能監(jiān)測平臺出現(xiàn)異常前的原始網(wǎng)絡(luò)數(shù)據(jù)，并對工控網(wǎng)絡(luò)出現(xiàn)的異常數(shù)據(jù)存儲情況進行自動審核，通過審核的結(jié)果找出工控網(wǎng)絡(luò)出現(xiàn)異常的數(shù)據(jù)，根據(jù)異常數(shù)據(jù)極值進行瀏覽、查詢并計算[7-8]。

網(wǎng)絡(luò)監(jiān)測管理模塊是工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺結(jié)構(gòu)的核心。根據(jù)工控網(wǎng)絡(luò)數(shù)據(jù)存儲類型對工控網(wǎng)絡(luò)數(shù)據(jù)進行系統(tǒng)存儲，網(wǎng)絡(luò)監(jiān)測管理模塊包括工控網(wǎng)絡(luò)數(shù)據(jù)管理、工控設(shè)備管理、網(wǎng)絡(luò)自檢管理、工控網(wǎng)絡(luò)數(shù)據(jù)資料分析、工控網(wǎng)絡(luò)異常系統(tǒng)設(shè)置、以及工控網(wǎng)絡(luò)異常數(shù)據(jù)采集管理。工控網(wǎng)絡(luò)數(shù)據(jù)管理模塊可處理智能監(jiān)測平臺異常數(shù)據(jù)邏輯，網(wǎng)絡(luò)自檢模塊主要檢測工控網(wǎng)絡(luò)表現(xiàn)層的控制請求，通過表現(xiàn)層接口訪問工控網(wǎng)絡(luò)數(shù)據(jù)邏輯層[9-10]。工控網(wǎng)絡(luò)異常系統(tǒng)設(shè)置模塊可訪問網(wǎng)絡(luò)數(shù)據(jù)庫，并采集網(wǎng)絡(luò)數(shù)據(jù)庫內(nèi)的異常數(shù)據(jù)參數(shù)，調(diào)用網(wǎng)絡(luò)控制層接口，用以傳輸工控網(wǎng)絡(luò)異常存儲的原始數(shù)據(jù)，通過工控網(wǎng)絡(luò)數(shù)據(jù)資料分析模塊返回存儲的異常數(shù)據(jù)，等待工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺的響應(yīng)，各個子模塊之間保持松散的耦合關(guān)系，為智能監(jiān)測平臺提供數(shù)據(jù)存儲調(diào)度的跳數(shù)。

監(jiān)測平臺接口如圖2 所示。

圖2 監(jiān)測平臺接口

2 智能監(jiān)測平臺工作流程

深度殘差法是一種深度學(xué)習(xí)方法，在分析結(jié)構(gòu)復(fù)雜的多維數(shù)據(jù)處理中具有很重要的應(yīng)用意義。工控網(wǎng)絡(luò)中心云計算的數(shù)據(jù)安全儲存對大數(shù)據(jù)技術(shù)十分重要，要實現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)儲存的數(shù)據(jù)安全、智能檢測，首先需要構(gòu)建云計算儲存數(shù)據(jù)的訪問模型，采用交叉數(shù)據(jù)編譯法構(gòu)建數(shù)據(jù)交互模型，用負載均衡模型對結(jié)構(gòu)進行優(yōu)化設(shè)計，對系統(tǒng)數(shù)據(jù)進行分布結(jié)構(gòu)檢測和數(shù)據(jù)儲存分析，利用智能壓縮多工控網(wǎng)絡(luò)中心云計算儲存數(shù)據(jù)進行特征提取和數(shù)據(jù)挖掘，結(jié)合自適應(yīng)控制方法構(gòu)建工控網(wǎng)絡(luò)儲存異常智能檢測平臺結(jié)構(gòu)[11-12]。

利用正態(tài)分布法建立概率模型，如下：

考慮到網(wǎng)絡(luò)中心服務(wù)器的負載情況，結(jié)合自適應(yīng)均衡控制法則，可以得出云數(shù)據(jù)的儲存關(guān)聯(lián)規(guī)則：

其中，j代表特征值個數(shù)，根據(jù)特征向量與λ1,λ2,…,λn的相關(guān)性，構(gòu)建數(shù)據(jù)特征相關(guān)性的分布矩陣Y=[y1,y2,…,yt]，在以其中的儲存數(shù)據(jù)節(jié)點為基礎(chǔ)副本，形成新的數(shù)據(jù)關(guān)聯(lián)映射：

式中，xmi為各服務(wù)器的當(dāng)前負載，數(shù)據(jù)副本為N，服務(wù)器數(shù)據(jù)庫內(nèi)的數(shù)據(jù)分布副本為：

在數(shù)據(jù)庫中載入新的數(shù)據(jù)模塊，得到服務(wù)器存儲數(shù)據(jù)的綜合負載為：

其中，w1～w4為慣性比例系數(shù)，Ci為均衡負載比，Di表示混合數(shù)據(jù)集，Mi為時間周期。將新的數(shù)據(jù)集X，歸入C簇數(shù)據(jù)中，數(shù)據(jù)規(guī)模為n，可以得到隨機分布特征：

由此得到移動網(wǎng)絡(luò)中心云計算數(shù)據(jù)存儲自動監(jiān)測的優(yōu)化模型，根據(jù)數(shù)據(jù)鏈路μ的隨機分布特征，得出監(jiān)測結(jié)果，根據(jù)計算結(jié)果可實現(xiàn)工控網(wǎng)絡(luò)數(shù)據(jù)儲存異常監(jiān)測。

工控網(wǎng)絡(luò)存儲異常智能監(jiān)測流程如圖3 所示。

圖3 基于深度殘差算法的工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺工作流程

圖3 中，第一步，采集工控網(wǎng)絡(luò)存儲的異常數(shù)據(jù)。工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺的異常數(shù)據(jù)采集是智能監(jiān)測平臺實現(xiàn)實時監(jiān)測的基礎(chǔ)，所以該文設(shè)計了智能監(jiān)測平臺的工控網(wǎng)絡(luò)異常數(shù)據(jù)管理模塊，通過該模塊進入工控網(wǎng)絡(luò)采集設(shè)置界面，工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺對監(jiān)測設(shè)備設(shè)置異常數(shù)據(jù)參數(shù)、批量異常數(shù)據(jù)參數(shù)上傳與緩存，自動從工控網(wǎng)絡(luò)數(shù)據(jù)庫中采集網(wǎng)絡(luò)異常數(shù)據(jù)，并上傳到工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺的本地數(shù)據(jù)庫中，實現(xiàn)工控網(wǎng)絡(luò)異常數(shù)據(jù)的自動導(dǎo)入[13-14]。當(dāng)遇到網(wǎng)絡(luò)延遲、擁塞或者網(wǎng)絡(luò)卡頓等特殊情況時，可通過縮短數(shù)據(jù)輸入間隔實現(xiàn)工控網(wǎng)絡(luò)異常數(shù)據(jù)的及時監(jiān)測，從而提升獲取工控網(wǎng)絡(luò)異常數(shù)據(jù)的時效性。網(wǎng)絡(luò)用戶可通過工控網(wǎng)絡(luò)前端頁面對數(shù)據(jù)采集設(shè)備進行自檢，自檢的內(nèi)容包括異常數(shù)據(jù)參數(shù)的上傳和下載以及采集的方式，這樣的設(shè)計可以提升工控網(wǎng)絡(luò)異常數(shù)據(jù)實時采集效率，靈活的異常數(shù)據(jù)采集方式可提高工控網(wǎng)絡(luò)存儲異常智能監(jiān)測效率。

第二步，進行異常數(shù)據(jù)分析。可通過異常網(wǎng)絡(luò)數(shù)據(jù)的時程與等值線圖來進行工控網(wǎng)絡(luò)異常數(shù)據(jù)的分析，在工控網(wǎng)絡(luò)異常數(shù)據(jù)時程分析頁面中，網(wǎng)絡(luò)用戶借助工控網(wǎng)絡(luò)終端頁面選擇需要分析的異常網(wǎng)絡(luò)數(shù)據(jù)，智能監(jiān)測平臺從工控網(wǎng)絡(luò)數(shù)據(jù)庫中查詢異常網(wǎng)絡(luò)數(shù)據(jù)，并同時計算多個網(wǎng)絡(luò)異常數(shù)據(jù)，根據(jù)計算出的數(shù)據(jù)結(jié)果繪制時程線圖進行對比分析，除此之外，也可以同時疊加多種工控網(wǎng)絡(luò)異常數(shù)據(jù)，根據(jù)其時程線圖分析異常數(shù)據(jù)出現(xiàn)的原因，并繪制異常數(shù)據(jù)原因曲線圖，從而定性評估智能監(jiān)測平臺監(jiān)測的時效性和穩(wěn)定性，了解異常數(shù)據(jù)隨時間的變化趨勢[15]。

第三步，建立異常數(shù)據(jù)模型和報表。根據(jù)采集到的異常數(shù)據(jù)和數(shù)據(jù)分析結(jié)果建立相應(yīng)的異常數(shù)據(jù)模型，分塊檢測模型是工控網(wǎng)絡(luò)存儲異常智能監(jiān)測中最常用的一種數(shù)據(jù)模型，它可綜合評估工控網(wǎng)絡(luò)的穩(wěn)定性，從而判斷工控網(wǎng)絡(luò)存儲異常智能監(jiān)測的可靠性，利用移動網(wǎng)絡(luò)中心云計算數(shù)據(jù)計算結(jié)果可預(yù)測工控網(wǎng)絡(luò)智能監(jiān)測效果。針對網(wǎng)絡(luò)數(shù)據(jù)模型，該智能監(jiān)測平臺可挑選不同監(jiān)測時段的工控網(wǎng)絡(luò)異常數(shù)據(jù)[16]，進行統(tǒng)計分析。分析完成后，根據(jù)網(wǎng)絡(luò)用戶設(shè)置的監(jiān)測時限，建立異常數(shù)據(jù)報表，可自動在該報表中生成智能監(jiān)測的異常數(shù)據(jù)最大值、最小值以及異常數(shù)據(jù)出現(xiàn)的時間區(qū)間，還可以同時生成工控網(wǎng)絡(luò)異常數(shù)據(jù)的平均值，根據(jù)以上的統(tǒng)計指標(biāo)，可實現(xiàn)工控網(wǎng)絡(luò)存儲異常智能監(jiān)測。

3 實驗研究

為了驗證該文設(shè)計的基于深度殘差算法的工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺的監(jiān)測能力，使用該文提出的深度殘差算法與傳統(tǒng)監(jiān)測平臺（文獻[2]方法）進行實驗對比。

通過對網(wǎng)絡(luò)中心云計算儲存數(shù)據(jù)進行正態(tài)分析，設(shè)工控網(wǎng)絡(luò)異常數(shù)據(jù)采集的時間間隔為3.5 s，設(shè)異常數(shù)據(jù)信號碼元時間長度為628 s，信號大小為2 500 kB，工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺的模糊加權(quán)聚類系數(shù)為0.16，而傳統(tǒng)的工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺采集到的異常數(shù)據(jù)時間間隔為4.5 s，異常數(shù)據(jù)信號碼元時間長度為1 002 s，工控網(wǎng)絡(luò)異常數(shù)據(jù)顯示信號大小為2 000 kB。軟件單元主要功能設(shè)置如表1 所示。

表1 軟件單元主要功能設(shè)置表

監(jiān)測召回率實驗結(jié)果如圖4 所示。

圖4 監(jiān)測召回率實驗結(jié)果

圖4 中，通過對比實驗數(shù)據(jù)可知，該文設(shè)計的基于深度殘差算法的工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺的異常數(shù)據(jù)采集時間間隔與傳統(tǒng)監(jiān)測平臺相比，縮短了1.0 s，說明傳統(tǒng)的工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺的存儲數(shù)據(jù)調(diào)度能力和檢索能力較低，導(dǎo)致移動網(wǎng)絡(luò)的云計算數(shù)據(jù)存儲出現(xiàn)異常，無法實現(xiàn)工控網(wǎng)絡(luò)存儲異常智能監(jiān)測；而該文設(shè)計的智能監(jiān)測平臺的數(shù)據(jù)調(diào)度能力更好，異常數(shù)據(jù)信號長度與傳統(tǒng)平臺的相比，減少了374，其出現(xiàn)數(shù)據(jù)異常的情況更少，驗證了該文設(shè)計的工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺的數(shù)據(jù)檢索能力較高，進而證明基于深度殘差算法的工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺具有較高的監(jiān)測能力。

4 結(jié)束語

該文基于深度殘差算法，設(shè)計了一種工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺，詳細構(gòu)建了一個基于深度殘差算法的工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺結(jié)構(gòu)，介紹了深度殘差算法的概念和應(yīng)用，建立了移動網(wǎng)絡(luò)中心云計算數(shù)據(jù)存儲自動監(jiān)測的優(yōu)化模型，該模型結(jié)合深度殘差算法對工控網(wǎng)絡(luò)出現(xiàn)的異常數(shù)據(jù)進行自適應(yīng)控制，從而形成工控網(wǎng)絡(luò)存儲異常智能監(jiān)測流程，通過實驗研究結(jié)果可知，文中設(shè)計的基于深度殘差算法的工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺具有較高的監(jiān)測性能，并且數(shù)據(jù)檢索能力和調(diào)度能力均優(yōu)于傳統(tǒng)工控網(wǎng)絡(luò)存儲異常智能監(jiān)測平臺。