39网络结构之熵
《多媒体技术基础》练习题库
华中师范大学网络教育学院《多媒体技术基础》练习测试题库一、选择题1、针对多媒体含义，下列说法错误的是（）。
A、多媒体是信息交流和传播媒体B、多媒体信息是以模拟信号形式传播和存储的C、多媒体传播信息的媒体的种类很多D、多媒体是人机交互媒体2、（）是多媒体内容描述接口标准。
A、MPEG-1B、MPEG-2C、MPEG-4D、MPEG-73、超文本和超媒体是以（）结构方式组织数据。
A、线形B、树状C、网状D、层次4、多媒体数据具有（）特点。
A、数据量大和数据类型多B、数据类型问区别大和数据类型少C、数据量大、数据类型多、数据类型问区别小、输入和输出不复杂。
D、数据量大、数据类型多、数据类型问区别大、输入和输出复杂。
5、下列编码方法中不属于无损压缩编码是（）。
A、LZW编码B、霍夫曼编码C、变换编码D、RLE编码6、下列哪些压缩方法是冗余压缩法？（）。
（1）Huffman编码（2）PCM （3）行程编码（4）Lempel-Zev编码A、（1）（3）B、（1）（2）（3）C、（1）（2）（4）D、（1）（3）（4）7、信息论中，决策量是指（）。
A、事件数的对数值B、事件的信息量C、事件的平均信息量D、事件的冗余量8、下列算法中，（）算法在编码之前不需要预先统计信源符号的概率分布特性。
A、霍夫曼编码B、香农-范诺编码C、词典编码D、算术编码9、下列编码方法中不属于统计编码是（）。
A、预测编码B、霍夫曼编码C、算术编码D、词典编码10、信息论中，熵是（）。
A、事件数的对数值B、事件的信息量C、事件的平均信息量D、事件的冗余数据量11、1分钟的双声道，16位采样位数，44.1kHz采样频率的声音的数据量是（）。
A、5.05MBB、10.35MBC、10.58MBD、10.09MB12、（）频率不属于一般人的听觉能感知的频率。
A、2HzB、20HzC、2000HzD、20kHz13、一般说来，要求声音的质量越高，则（）。
基于熵理论的网络舆情系统分析
舆情导控的黄金时期 ，并且网民对事件的关注平均
周 期 为半个 月 ，如果 事件 得 到及 时有 效 的处理 ，网 民很 容 易被 一 个 更 新 的 事 件 所 吸引 ，引起 兴 趣 转 移 ，［ ５ 舆情 得 到有效 控 制 ，网络 系统 有序 发展 。 第 三 阶段 ，舆 情 的熵 流 ｄ Ｓ ｅ ＜ Ｏ ，且 Ｉ ｄ Ｓ ｅ ｌ ＞ ｄ Ｓ ｉ ，
二 、基 于舆 情熵 复 杂性 的计 量
波 尔兹曼较早地 提 出信息 与熵 之间 的关 系 ， 他指 出 “ 熵是关于物理学状态 的信息不定性 的测 度 ” 。信 息 与熵 是一 对相 反 的量 ，信息 就 是负熵 ， 个 系统有序度越高 ，它 的熵越小 ，信息量越大 ； 反 之 ，一个 系统 越 是无 序 ，它 的熵越 大 ，信息 量 越
Байду номын сангаас
息源发出到传统大众媒体开始介入 的平 均时长为 ２ ． ３ １ 天 ，大约 ５ ０ 多个 小 时 ，这段 时 间是 最好 的危 机
公关 时 间 ，但 是 如果相 关 方处 理不 当就 会产 生难 以 估量 的后 果 。所 以在舆 情 发生 之初 相关 方能 够及 时 准确 地公 开发 布 相关信 息 ，通 过与 网 民之 问不 断交 换 信 息 ，加 之 网 络存 在 自我 修 正 机 制 和 无 影 灯 效
的有 序结 构 。也就 是说 在舆 情 危机 发生 后得 到及 时
有效 的处理 ，不但使事件本身得到很好 的处理 ，而
且 在整个 过 程 中系统 的有 序度 不 断得 到提 高 。
这 三个 阶段 是说 明舆 情 处 理得 当的情况 ，但是
熵值法例题
熵值法例题熵值法是一种计算复杂系统内部信息量的算法,主要应用于控制系统、信号处理、模式识别等领域。
下面是一些熵值法的例题:1. 求解一个温度控制系统的熵值函数:系统温度由两个温度传感器给定,输入变量为$T_1$和$T_2$,输出变量为$omega_1$和$omega_2$。
设温度传感器的误差为$epsilon$,那么系统的熵函数可以表示为:$$Omega = -frac{partial S}{partial T} = -frac{epsilon}{T_1 T_2} text{。
}$$其中,$S$为系统熵。
要求这个熵值函数的最小二乘解。
2. 求解一个交通网络的熵值函数:交通网络由若干个交通信号灯和道路连接起来,根据交通信号灯的控制器来控制交通流量。
输入变量为当前交通信号灯的状态(比如是红色、绿色或黄色),输出变量为当前道路的畅通状况。
假设道路的通行状态可以表示为$C_1$、$C_2$、$C_3$等,那么交通网络的熵函数可以表示为:$$Omega = -frac{partial S}{partial C} = -frac{1}{C_1}+frac{1}{C_2} -frac{1}{C_3} text{。
}$$要求这个熵值函数的最小二乘解。
3. 求解一个神经网络的熵值函数:神经网络由若干个神经元连接起来,根据输入变量和权重参数来计算输出变量。
输入变量可以是图像、语音等信号,输出变量可以是分类结果、情感分析等。
假设神经网络的权重参数可以表示为$W_1$、$W_2$、$W_3$等,那么神经网络的熵函数可以表示为:$$Omega = -frac{partial S}{partial w} = -frac{sum_{i=1}^3 w_i^2 p(x_i)}{n(x_i)} text{。
}$$其中,$S$为神经网络的熵,$p(x_i)$为输入变量$x_i$的概率分布,$n(x_i)$为输入变量$x_i$的样本数。
利用网络结构熵研究复杂网络的演化规律
利 用 网络 结 构 熵 研 究 复 杂 网络 的演 化 规 律
罗 鹏， 李永立 ， 吴 冲
（ 哈尔滨工业大学管理学院， 哈尔滨 Ｉ ５ ０ ０ ０ １ ）
摘要： 利 用 网络 结 构 熵 作 为 网络 演 化 的 指 标 来研 究 不 同 网络 的 演 化 规 律 。 选 取 了 ３种 典 型 的 网络 包括 无 尺 度 网络 、 随 机 网络 和 规 则 网络 ， 以 及 构 建 的 与 实 际 比 较 接
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｄｉ ｆ ｆ ｅ ｒ ｅ ｎｔ ｔ ｙ ｐ ｅ ｓ ｏ ｆ ｎ ｅ ｔ ｗｏｒ ｋ ｅ ｖ ｏｌ ｕ ｔ ｉ ｏ ｎ ｈ ａ ｖ ｅ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎｔ ｃ ｈａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ．Ｔｏ ｓ ｔ ｕｄ ｙ ｔ ｈｅ ｃ ｈ ａ ｒ ａ ｃ — ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ｏ ｆ ｔ ｈｅ ｄｉ ｆ ｆ ｅ ｒ ｅ ｎｔ ｎｅ ｔ ｗｏ ｒ ｋ ｅ ｖ ｏ ｌ ｕｔ ｉ ｏｎ，ｗｅ ｔ ｒ ｙ ｔ ｏ ｔ ａ ｋｅ ａ ｄｖ ａ ｎ ｔ ａ ｇ ｅ ｏ ｆ ｔ ｈｅ ｎ ｅ ｔ ｗｏｒ ｋ ｓ ｔ ｒ ｕｃ ｔ ｕ ｒ ｅ ｅ ｎ — ｔ ｒ ｏ ｐｙ ａｓ ｎｅ ｔ ｗｏ ｒ ｋ ｅ ｖ ｏｌ ｕ ｔ ｉ ｏ ｎ ｉ ｎ ｄｉ ｃ ａ ｔ ｏ ｒ ｓ ．Ｗｅ ａ ｌ ｓ ｏ ｃ ｈ ｏ ｏｓ ｅ ｔ ｈｅ ｔ ｈ ｒ ｅ ｅ ｔ ｙ ｐｉ ｃ ａ Ｉ ｎｅ ｔ ｗｏ ｒ ｋ ｉ ｎ ｃ ｌ ｕ ｄｉ ｎ ｇ ｔ ｈｅ ｓ ｃ ａ ｌ ｅ — ｆ ｒ ｅ ｅ ｎｅ ｔ ｗｏ ｒ ｋ，ｔ ｈｅ ｒ ａ ｎ ｄｏ ｍ ｎｅ ｔ ｗｏ ｒ ｋ，ｔ ｈｅ ｓ ｔ ａ ｒ ｎｅ ｔ ｗｏｒ ｋ ａ ｎｄ ｃ ｏ ｎｓ ｔ ｒ ｕ ｃ ｔ ａ ｎ ｅ ｔ ｗｏ ｒ ｋ ｍｏ ｄ ｅ ｌ ｓ ｉ ｍｉ ｌ ａ ｒ ｔ ｏ ｔ ｈｅ ｒ ｅ ａ ｌ ｓ ｏ ｃ ｉ ａ ｌ ｎｅ ｔ ｗｏ ｒ ｋ． Ｉ ｎ ａ ｄｄ ｉ ｔ ｉ ｏｎ，ｉ ｎ ｏ ｒ ｄｅ ｒ ｔ ｏ ａ ｖｏ ｉ ｄ ｔ ｈｅ ｉ ｎａ ｃ ｃ ｕｒ ａ ｔ ｅ ｏ ｆ ｔ ｈｅ ｎｅ ｔ ｗｏ ｒ ｋ ｓ ｔ ｒ ｕｃ ｔ ｕｒ ｅ ｅ ｎ ｔ ｒ ｏ ｐｙ ｄ ｅ ｆ ｉ ｎｉ ｔ ｉ ｏ ｎ，ｗｅ ａ ｌ ｓ ｏ ｃ ｈ ｏｏ ｓ ｅ ｔ ｈｒ ｅ ｅ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎｔ ｄｅ ｆ ｉ ｎ ｉ ｔ ｉ ｏｎ ｓ ｏ ｆ ｔ ｈｅ ｎｅ ｔ ｗｏ ｒ ｋ ｓ ｔ ｒ ｕ ｃ ｔ ｕ ｒ ｅ ｅ ｎｔ ｒ ｏ ｐｙ ｔ ｏ ｓ ｔ ｕ ｄ ｙ ｔ ｈｅ ｎ ｅ ｔ ｗｏｒ ｋ ｅ ｖ ｏ ｌ ｕｔ ｉ ｏ ｎ ｔ ｒ ｅ ｎｄ ． Ｆｉ ｎ ａ ｌ ｌ ｙ ｗｅ ｇｅ ｔ ｔ ｈ ｅ ｃ ｏ ｎｃ ｌ ｕ ｓ ｉ ｏｎ ｔ ｈ ａ ｔ ｔ ｈｅ ｎｅ ｔ ｗｏ ｒ ｋ ｓ ｔ ｒ ｕ ｃ ｔ ｕｒ ｅ ｅ ｎ—
基于熵的赋权网络抗毁性评估方法
基于熵的赋权网络抗毁性评估方法赵静娴【摘要】为了研究赋权网络在遭到局部破坏后,网络性能保持稳定的抗毁能力,通过计算节点间不重叠路径对流量的贡献度,进而引入熵的概念,将网络拓扑结构的连通稳定性与网络承载流量的稳定性相结合,以全连通网为基准,提出了用于评估节点间抗毁性的标准稳定熵指标,并在此基础上给出了用于全网抗毁性评估的模型.仿真实验表明网络的抗毁性不仅与网络的拓扑结构、各边权重所代表的边容量总和有关,同时也与各边权重的均匀度有关;关键边性能权重分布越均匀的网络,其整体抗毁性能越强.【期刊名称】《计算机应用》【年(卷),期】2014(034)009【总页数】3页(P2627-2629)【关键词】抗毁性;赋权;网络;熵;不重叠路径【作者】赵静娴【作者单位】天津科技大学经济与管理学院,天津300222【正文语种】中文【中图分类】TN915.020 引言人类社会网络化进程不断发展，通信网络、电力网络、物流网络、交通网络等网络无处不在。
在复杂网络的研究中，网络的抗毁性一直是研究的热点问题［1-2］。
Frank 等［3］最早提出连通度的概念;Goddard［4］、Wei 等［5］用完整度研究网络的抗毁性;郭伟［6］用跳面节点法来度量网络的可靠性;Schroeder 等［7］提出了基于熵的网络抗毁性评估方法;Nardelli 等［8］、任俊亮等［9］、饶育萍等［10］分别利用最短路径法研究了网络的抗毁性;程克勤等［11］、马润年等［12］进一步对链路赋权网络进行了抗毁性研究。
这些方法各有侧重，但都是以拓扑结构的连通性为标准对网络的抗毁性进行评估。
然而在现实中，除了由于网络局部遭到破坏而使网络整体连通性失效的极端情况，由于网络局部失效而引起网络流性能下降的情况更为普遍，也更具有实际意义。
也就是说当网络遭到自然或人为的突发事件破坏时，网络的连通性完好不意味着网络流的性能没有受到影响。
由此可见，在网络的抗毁性研究中，不仅要考虑网络在遭到破坏时节点间依然保持连通的能力，同时还要考虑节点间各种传输性能的稳定性。
基于信息熵理论的网络组织结构分析
分析 。 并运用熵模型对一个立体多核网络结构的有序程度
进行 了分 析 ． 网络 组织 结构 的创新 和评 价 给出 了指 引 。 对 二、基 于 信息熵 理论 的 网络组 织结构 评价 模型
在上式中， Ｈ为网络组织 的结构熵 ， Ｍ Ｈ 为网络组织最
一
、
系统 论视 角下 的 网络 组织 结构
法流行起来。１４ 年信息论创立以后 ， ９８ 申农把通信过程中
结合 系统论 的观点 ， 文把 网 络组织 结 构定 义为 网络 信 息源 的信号 不确 定性 成为 信息 熵 ， 给 出了信 息熵 的计 本 并
结点 （ 素 ） 间相对 稳 定 的 、 一定 规则 的联 系方式 的 总 要 之 有 和 ， 网络组织 内部各结 点 在空 间 和时 间方 面有 机联 系 与 即 相互 作用 的方式 和秩 序 ， 因此 ， 构意 味着 一种 有序 ， 以 结 可 表示 为 ： 构＝ 点＋ 息 。 结 结 信
大熵 。
在前 面对 网络 组织 结构 的定 义 中可 以看 到 “ 息 ” 信 起
着 重要 的作用 。 息 沟通 的有效 性 是提 高 网络组 织有 序度 信 １ 信 息 熵理 论 简介 。“ ”Ｅ ｔ ｐ ） 词源 于 希腊 语 ． 熵 （ｎ ｏｙ － ｒ 的根本保 障 。 信息传 递 过程 中两个 重要 的指标 是信 息传递 “ｐ Ｔ ，表 示 变化 的 容量 ，８６年 由德 国物 理学 家克 劳 Ｊ们ｒ” ｒ １ １５ 的时效 性 和 准确 性 。 网络 组织 中 的层 次越 多 ， 么 上 下层 那 修斯 在“ 热之 唯动 说 ” 书 中首次 提 出 。 来度 量 一个物 理 一 用 流动的信 息 中转 次数也 就越 多 ，流 动 的时效 性就会 减 慢 ， 系统 中能量 的衰 竭程 度 。即能 量 的衰 竭 过 程就 是 熵增 过 但是 如果 减少 网络 层次 。 么 网络 结点 之 间的跨度 必 然增 那 程 。１７ ８ ０年 ， 阿尔兹曼 在 分子运 动论 的基 础上研 究发 现分 大， 此时信息流通的实效虽然增快了， 但是准确性却降低 子处 于不 同能量 级状 态 的个 数之 对数 应 当与熵 成正 比。 并 了。 由此 可以看 出 ， 息 流通 的实 效和 质量 是相互 抵消 的 ， 信
基于加权网络结构熵的电网连锁故障研究
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ：Ｔｏ ｓ ｔ ｕ ｄｙ ｔ ｈ ｅ ｍｅ ｃ ｈａ ｎ ｉ ｓ ｍ ｏ ｆ ｔ ｈｅ ｂ ｌ ａ ｃ ｋ ｏｕ ｔ ｓ ｉ ｎ ｐ ｏｗｅ ｒ ｓ ｙｓ ｔ ｅ ｍ ｓ，ｗｅ ｐ ｒ ｏｐ ｏｓ ｅ ａ ｎ ｉ ｍｐ ｅ ｄ ａ ｎｃ ｅ — ｂａ ｓ ｅ ｄ ｔ ｏｐ ｏｌ ｏ ｇｉ ｃ ａ ｌ ｍｏｄ ｅ ｌ ａ ｎｄ ｃ ａ ｓ ｃ ａ ｄｉ ｎ ｇ ｆ ａ ｉ ｌ ｕ ｒ ｅ ｍｅ ｃ ｈ ａ ｎｉ ｓ ｍ ｍｏ ｄｅ ｌ ｆ ｏｒ ｗｅ ｉ ｇｈｔ ｅ ｄ ｐ ｏｗｅ ｒ ｇｒ ｉ ｄ ． Ｃｏ ｎｓ ｉ ｄ — ｅ ｒ ｉ ｎｇ ｂ ｏｔ ｈ ｎｏ ｄ ｅ ａ ｎｄ ｅ ｄ ｇｅ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｓ ａ ｎｅ ｗ ｎｅ ｔ ｗｏ ｒ ｋ ｓ ｔ ｒ ｕｃ ｔ ｕｒ ｅ ｅ ｎ ｔ ｒ ｏｐ ｙ ｉ ｓ ｄｅ ｆ ｉ ｎ ｅ ｄ ｔ ｏ ｑｕ ａ ｎ ｔ ｉ ｔ ａ ｔ ｉ ｖ ｅ ｌ ｙ ｄｅ ｓ ｃ ｒ ｉ ｂ ｅ ｔ ｈｅ ｆ ａ ｕ ｌ ｔ ｓ ｅ ｖ ｏｌ ｕ ｔ ｉ ｏ ｎ ａ ｎｄ ｕｎ ｂａ ｌ ａ ｎ ｃ ｅ ｄ ｄｉ ｓ ｔ ｒ ｉ ｂｕ ｔ ｉ ｏ ｎ ｏｆ ｐｏ ｗｅ ｒ ｎｅ ｔ ｗｏ ｒ ｋ ｓ ｔ ｒ ｕ ｃ ｔ ｕｒ ｅ ．Ｓｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ
ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｏ ｎ ｔ ｈ ｅ Ｎｅ ｗ Ｅｎ ｇｌ ａ ｎ ｄ ３ ９ — — ｂｕｓ ｓ ｙ ｓ ｔ ｅ ｍ ａ ｎ ｄ Ｉ ＥＥＥ１ １ ８ — — ｂｕ ｓ ｓ ｙｓ ｔ ｅ ｍ ｉ ｎｄ ｉ ｃ ａ ｔ ｅ ｔ ｈａ ｔ ｐ ｏ ｗｅ ｒ ｎｅ ｔ ｗ ｏｒ ｋ
０ 引 言
电力 网 络是覆 盖 面积 最广 、 结 构最 复 杂 的人 造 系统 之一 。国 内外 电力 系统 发生 多次 大规 模停 电事 故ｎ 吒 ］ 往 往 是 由 电网 中某个 节点 或者 某几 条 输 电线 路 发 生故 障退 出运 行 而 引 起 的 。有 的 研 究从 网络 拓 扑 结 构 出 发， 发 现 网络 结构 是影 响电 网动力 学特 性 的关键 因素 ＿ ３ ］ 。 因此 ， 研究 电 网拓扑 结 构 特性 与 故 障 传播 特 性 之 间 的关 系 ， 对 提 高 电网可 靠性 ， 减 少大 停 电概率 有着 重要 的意义 。
基于网络熵的计算机网络攻击效果定量评估方法分析
基于 网络 熵 的计 算 机 网络 攻 击效 果 定 量 评 估 方 法 分析
王新 安 周漫 万歆 （ 佳木斯 大学 附属 第一 医院 黑龙 江佳 木斯 １ ５ ４ ０ ０ ２ ）
摘 要： 本文主要通过假 设成立 基于 网络 熵的计算机 网络攻 击效果定量评 估模型 ， 在对 于计算机 网络受攻 击前后的安 全特性 变化 分析的 情 况下 ， 实现 对于 网络 熵概念的 阐释 ， 同时通过对 于网络 安全性 能指标体 系的选择 简化 实施 ， 应 用层次 分析法进行 网络 熵差的 分析计算 ， 最后通过对 于基于 网络 熵的计算机 网络攻击 效果定量评 估方 法模 型的实 际计 算检验 ， 在证 明该 模型方 法在实际评 估应 用 中的适 用性 后， 实 现 对 于 基 于 网络 熵 的 计 算 机 网 络 攻 击 效 果 的 定 量 评 估 方 法 分 析 与 研 究 。 关键词 ： 网络 熵 计算机 网络 攻击 安全性 效果 定量评估 方法 分析 中 图分 类号 ： Ｇ ６ ２ ３ ． ５ ８ 文献标识码 ： Ａ 文章 编 号 ： １ ６ ７ ２ — ３ ７ ９ １ （ ２ ０ １ ３ ） ０ ２ （ ｂ ） － ｏ ｏ １ ８ － ０ １
随 着 计 算机 技术 以及 网络 信 息 技 术 在 实 际应 用 中 的不 断 发 展 对 于 计 算 机 网络 攻 击 效 果 进 行 表 示 描 述 。 进步 ， 计 算机 网络 安 全 的要 求 也 随 之 提 高 。 比如 ， 在信 息 安 全领 域 ， ４ Ｈ ＝一 ｌ ｏ 窖 ， （ ｙ ＇ ， ｖ ＝ ） （ １ ） 对 于 信 息 安 全 的 内 涵理 解 就 在 不 断 的 延 伸 扩 展 ， 由原 来 的 对 于 信 ２． ２ 单个 网络 安 全指 标 网络熵 差计 算 方法 息 安 全 的保 密 性 理 解 ， 逐 渐 扩 展 成为 不 仅 包 含 信 息 保 密性 ， 更 包 括 在 计 算 机 网 络 安 全 性 能 指 标 因素 中 ， 根据 计算 机 网 络 安 全 机 信 息 的 完 整性 以 及 可 用 性 、 可靠性 、 不可否认性等 ， 同时 在 进 行 信 制 以 及 准 则 等 的 不 同 ， 会 有 各 方 面 不 同的 对 于 网络 安 全 性 能 产 生 息安全保护的过程 中， 也 逐 击 以及 防 影 响 的 重 要 指 标 因素 ， 比较复杂并且繁多 ， 因此 ， 在 实 际计 算 机 网 范、 检测、 控制、 管理 、 评 估 等 多方 面 的 安 全 防 护 理 论 以 及 技 术 等 。 路 安 全性 能 指 标 的选 取 中 ， 应 注意 进 行 简 化 选择 。 以计 算 机 网 络 系 在 现 代 的 信 息 管 理 系统 中 ， 对 于 信 息安 全 的管 理 主要 核 心 就是 对 统 的 可 用性 为 例 ， 在确 定 网络 安 全 可用 性 的 影 响 指标 后 ， 对于 网络 于 信 息安 全 密 码 的 应 用 与管 理 ， 实 现 对 于 信 息安 全 密码 的 应 用 管 熵 差 值 的 计 算 方 法 如 下 。 理， 首 先 需 要 通 过 进 行 可 信 信 息 系统 的 建 立 与评 估 ， 在此基础上 ， 根 据 计 算 机 可 用 性 的 影 响 指标 因 素 情 况 ， 主要 有 网 络 数 据 吞 实现 对于 信 息 密码 安全 管 理 。 计 算 机 网 络 攻 击 效 果 的 评 估 是 信 息 吐量 、 网络 信 道利 用率 以及 网络 延 迟 情 况 、 延迟抖动频率 等， 其中 系统 安 全 综 合 评 估 的 重 要 组 成 部 分 ， 进 行 计 算 机 网络 攻 击 效 果 的 用ｓ 表 示 计 算机 网络 攻 击前 的 吞 吐量 情 况 ， 用Ｓ ， 计 算 机 网络 攻击 后 评估 ， 不仅 有利 干提 高计 算 机 信 息 系 统 在 复 杂 网络 环 境 下 的突 发 的吞 吐 量 情 况 ， 根 据 相 关 要求 原 则 ， 那 么 网络 数 据 流 量在 该 项 指 标 网络 攻 击 应 对 能 力 ， 而 且 对 于 计 算 机 网 络 攻 击 反 击 也 具 有 一 定 的 的 攻 击 效 果 可 表 示 为 下 列 公 式 （ ２ ） 所示。 应对参考 作用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
网络结构之熵
熵公式的扩展
信令信道和业务信道的细化：
SD话务
k
TCH话务
k
H _ s [TSD (i) log2 TRX SD (i) TTCH (i) log2 TRXTCH (i)] [TSD (i) TTCH (i)]
i 1
i 1
语音业务和是数据业务的细化：
语言话务量
k
k
H _ s [Ty (i) Ts (i)] log2 TRX (i) [Ty (i) Ts (i)]
比如，移动GSM900网络可用频点是94个，那么简单的说，每个通信事件在频率上的 发生概率就是1/94，而实际情况要复杂一些。
网络结构之熵
我们在把熵公式进一步细化，作为随机用户发生通信事件的频率占用概率并不是绝对随机的， 首先用户所在的位置决定了占用某个小区，小区的频率配置是我们网络预先配置好的，而用 户占用这个小区的那个频率也是由基站进行分配，所以从宏观上全网来看，某个频率分配给 某个通信事件是随机的，但是从微观角度，每个通信事件的发生和小区之间关系息息相关
系统总小区数
小区的总事件数
kn
H _ s p(i, j) log2 p(i, j)
i1 j1
下面我们就要从网络结构出发来进行考虑，如果从小区角度出发，每个小区占用到的用户是 确定的，因为网络结构决定了用户处于某个位置时占用哪个小区，而占用小区后分配到信道 频率也是确定的，所以上述公式从微观角度很多因素就已经从随机变成了确定，该事件占用 的频率概率可以用该小区的载频配置大小的倒数来确定。
网络结构之熵
频率
信道
概念
通信系统通过信道给业务需求提供服务，因此每个 时刻（时隙）上的交互通信的集合，这就构成了通 信网络的事件。
每个通信事件发生概率用什么来衡量？客观上来讲， 每个事件都是用户随机发生的行为，概率很难计算。 这里我们换个角度，对于移动通信网络是一个干扰 受限系统，而干扰的主要来源是系统内干扰，表现 在频率上，所以这里我们就从频率出发来分析一下 通信系统的事件。每个通信事件的发生都是在某个 频率上发生，而移动通信可用频段掉款是固定的， 那么，发生在某个频率上的事件的概率就确定了。
事件信息量： I _ e log2 Pi
信息熵：
n
n
H _ s Pi * Ie Pi *log2 Pi
i 1
i 1
熵的特点
最大信息熵原理
熵最大就是事物状态的丰富程度自动达到最大值。换句话说，事物总是 在约束下争取（或呈现）最大的自由权，我们把这看作是自然界的根本 原则。
按最大信息熵原理，我们从全部相容的分布中挑选这样的分布，它是在 某些约束条件下（通常是给定的某些随机变量的平均值）使信息熵达到 极大值的分布。
n
k
T (i)
H _ s log2 TRX (i) p(i, j) log2 TRX (i) k
T (i) log2 TRX (i)
i1
k
i 1
j 1
i 1
T (i)
T (i)
i 1
i 1
上述公式就是我们得到的熵公式，业务发生的概率是从空闲状态占用到某个确定小区后计算 的，所以得出了上面的结论，因此这个熵值不和其它小区有关联，这里暂且把它叫做业务熵， 或者叫做理想熵。理想熵是不会达到的，因为我们GSM网络小区和小区之间存在重选、切换 等等，有着千丝万缕的相互联系。 最接近与理想熵的GSM网络系统是：一个网络全部由精确覆盖的微蜂窝构成，并且微蜂窝配 置小，无泄漏，吸收话务均衡，相互之间仅有固定的业务切换点。
网络结构之熵
2011年8月
目录
• 网络结构之熵
• 干扰矩阵原理 • 叩开结构优化之门 • 贯通自动改频之路
熵与信息熵
熵定律是科学定律之最！
熵由Rudolf Clausius提出，后来香农 Shannon第一次将熵的概念引入到信 息论中来。
在信息论中，熵表示的是不确定性的 量度，他把信息定义为“用来消除不 确定性的东西”。
p(i, j)
P(k, j)
P(1, j) P(2, j)
表示第j个事件占用到第k个小区的概率
*1 P(n, j) trx(k)
熵和优化
熵增
扩容 业务激增
新站
对于移动GSM通信网络来说，从业务应用角度看，每个基站（小区）在每个频率上提供的业务 信道构成了整个移动网络应用系统，每个用户在该业务信道上接收到的服务质量是评价这个网 络服务质量的一个直接体现。 如果任网络自由发展而不做优化，随着新站开启，扩容等工程的不断进行，整个网络的业务信 道越来越多，网络的总体熵必然是不断增加，平均每个信道的平均熵也会不断增加，带来的后 果就是系统越来越混乱，提供的业务质量越来越差。 从熵增原理来看，我们必须要借助外力来使得系统更加有序化，在总熵增加的情况下降低每个 信道的平均熵，达到保证业务质量的目的。从通信角度来看，这就是网络优化存在的必然性。
k n
1
k
n
H
_s
i 1
j 1
p(i,
j) log2 TRX (i)
log2 TRX (i)
i 1
j 1
p(i,
j)
பைடு நூலகம்
网络结构之熵
n
从全网角度来看 p(i, j) 的概率之和等价于该小区在全网话务中的占比概率，所以有
j 1
n
p(i, j)
T (i)
k
j 1
T (i)
i 1
从而推导出
k
k
在给定的约束条件下，由最大信息熵原理求“最佳”概率分布，就是求 解条件极值问题。在某些场合，常用拉格朗日乘子法来确定此分布。
熵的特点
熵增原理
一个系统越是有序，信息熵就越低；反之，一个系统越是混乱，信息熵就 越高。所以，信息熵也可以说是系统有序化程度的一个度量。 热物理学证明，在一个封闭的系统中，熵总是增大，直至最大。若使系统 的熵减少（使系统更加有序化），必须有外部能量的干预。
i 1
i 1
网络干扰熵
定义
从本质上来看，手机占用某个小区其实也是一个概 率事件，因为手机要从多个信号中选择一个最合适 的小区来占用，这样来看，占用上某个小区是必然 也是偶然，信号强度及参数设置决定了手机占用某 个小区的概率大小。 这里我们换个角度，仅从信号来进行分析，手机在 占用小区后，每时每刻都在做邻区测量，也就是说 每个邻区都有可能作为切换（重选）的对象，即： 每个业务的发生都是系统经过多个小区的占用概率 比较高低最终发生的结果：