第38卷第2期_____________________________计算机仿真__________________________________2021年2月文章编号：1006 -9348(2021 )02 -0155 -05
基于F IT A P的智慧网络M L U D N分类识别
王巍巍，王爱莲，宋初
(吉林财经大学，吉林长春130117)
摘要：针对用户域名分类识别精度较低，且过程较为复杂的问题，提出一种基于FIT A P的智慧网络网多标签用户域名分类识别方法，在无线网络的集中构架管理内，利用LWAPP协议构建数据与管理通道，并在A P与A C二者之间连接控制器，采 用隧道管理方法，完成接人点服务配置、监控以及管理，利用接人控制器为无线接人用户的提供网络接人服务；经过条件熵、信息熵以及联合熵获取用户域名特征集合信息增益，进行智慧校园网络用户特征分类识别，完成用户域名与标签二者之间
的关系区分，实现对用户域名特征的多标签分类识别。实验表明，提出的方法识别精度较高、过程简单，可应用于校园网络当中，实现校园网络优化。
关键词：校园；智慧网络；多标签用户域名；分类识别
中图分类号:TP391 文献标识码：B
Domain Name ClassiHcation and Recognition
of Multi Tag Users in Smart Network Based on Fit AP
WANG Wei - w ei,WANG Ai - lia n,S0NG Ren
(Jilin University of Finance and Economics,Changchun Jil i n 130117, China) ABSTRACT ：This paper puts forward a multi- tag user domain name classification and recognition method based on
f i t A P in smart network for improvin
g the accuracy of user domain name classification and recognition and simplifying
identification process.The L W A P P agreement was utilized to establish data and management channel in the centralized architecture management of wireless network.The controller was connected between A P and A C,and the tunnel management method was adopted,thus the service configuration,monitoring and management of access point were a-chieved.The access controller was utilized to provide network access services for wireless access users.The information gain of user domain name feature set was obtained by the utilization of conditional entropy,information entropy and joint entropy.The classification and recognition of user characteristics of smart campus network
was implemented t o complete the relationship between user domain name and tag,realizing multi- label classification and recognition of user domain name characteristics.The simulation results show that the method has high recognition accuracy and simple recognition process,which i s suitable for campus network to realize the optimization of campus network.
KEYWORDS：Campus；Smart network；Multi- tag user domain name(M L U D N)；Classification and recognition
i引言
智慧校园将校园生活、管理、科研以及教学完美的充分 融合，方便校园生活、丰富校园文化，形成透明高效的校务治 理机制。由于i p地址具有不方便记忆和无法显示地址组织 的性质，因此设计了域名，并利用网域名称系统将域名和ip 地址相互映射，可直接由计算机读取i p地址数串，使人们更
基金项目：吉林省教育厅科研规划项目（《1«12020014210)
收稿日期:2020 - 05 - 20修回日期:2020 - 06 - 23方便地访问因特网。而在智慧校园内，学生、教师以及其他 人员，对电脑的应用都必不可少，所以需要构建校园智慧网 络并分类识别其用户的多标签域名，便于管理。
文献[1]采用D G A算法躲避检测，提出了一种基于ASCII编码方式定义域名编/解码器，并进行进行分类器训练 和性能评估，对最新产生的D G A域名进行识别，用于D G A 域名检测器的训练评估。文献[2]提出城市管理案件目标识 别算法，利用移动端设备自带的摄像头拍摄案发现场视频并 在MobileNet中增加新的超参数，优化输入输出图像的通道数与每个通道所产生的特征图数量，优化I0S移动设备分类
—155—
与识别效果。文献[3]以智能技术为手段，构建了情报领域 的系统辨识过程框架，集成系统输入、输出的数据，不断地去 优化系统识别模型。
但收到域名分类识别方法精度较低、过程较为复杂等因 素影响，用户实际应用需求难以满足，为此本文提出一种基 于FIT A P的智慧网络网多标签用户域名分类识别方法，该 方法创新之处是在无线网络管理框架中，使用管理隧道进行 接人点服务管理、监控与配置，并经过条件熵、信息熵以及联 合熵，获取用户身份特征的集合信息增益，有效提升分类识 别效率。
2 FIT A P技术的工作原理
2.1基于FIT A P设备的无线网络
智慧校园的主要核心特征是为校园师生提供全面智能 的环境感知以及综合服务信息平台，并基于校园
特的个性 化服务，即利用智能感知环境与综合信息服务平台，形成一 个能够互相交流以及互相感知的接口，将学校和外部世界共 联。其中，域名是通过一串用点分隔的名字构成的，作为 internet上某一台计算机或者是计算机组的名称，主要应用在 在数据传输时，对无线网络的集中管理，其中，无线A C(接人 控制器）和A P(无线接人点）二者之间可利用L W A P P协议 构建数据与管理通道。再接上控制器利用管理隧道进行接 人点服务配置、监控以及管理，利用接入控制器为无线接人 用户提供网络服务[<]。
在集中框架管理无线网络内，接入控制器就是整体无线 网络核心，能够实现该无线网络服务管理，所有接人点成功 与接入控制器构建链接，而在接入控制器中得到对应服务配 置之后，就能够为无线网络提供接人服务。
接人控制器与集中管理框架无线网络接人点二者间，全部是利用L W A P P协议所建立的，可以同时支持IPv4以及 IPv6协议。
即将接入控制器作为服务器，能够连接IPv4与IPv6网络接人点，接收请求，同时接人点能够利用丨Pv4或IPv6动态 选取接人控制器，进行连接创建15]。
在设备启动时，能够自动发现控制器并进行访问，并选 择当前能够提供最佳服务的访问控制器构建链接。由于接 人点的配置为零，因此无法判断当前所访问的网络是IPv4 网络还是IPv6网络，因此如果接
人点未成功通过IPv4网络 与接人控制器连接，则接入点应首先与IPv6网络发现连接，然后接人点将切换到IPv6，以完成接人控制器发现处理和 连接。
另外，无线接人用户使用的是IPv4网络还是IPv6网络，对无线网络用户来说，是透明的，而无线设备只是实现了无 线接人用户数据的二层转发。两个接人控制器和接入点之 间将使用L W A P P隧道完成转发，但无论接人控制器或接人 点，都是基于二层信息完成转发，而且L W A P P隧道的封装负 载，也是二层协议的报文。作为L W A P P协议的一部分,—156 —L W A P P不关心上层用户的无线访问协议，而无线访问用户
也不需要关心L W A P P数据隧道应用的IPv4协议或IPv6
协议t6]。
2.2隧道动态创建与选取
FIT A P设备作为零配置的设备，相对于A P与A C构建
的IPv4随道或者是IPv6随道,FIT A P能够自助完成，且控制
器能够同时支持IPv4以及IPv6隧道。
FIT A P构建隧道的过程如图1所示。
F i t A P系统系统
r
L W A P P客户端启动
否 否
图1 FIT A P设备运行原理
1) 确保FIT A P正常工作；
2)在L W A P P客户端启动时连接A C，并启动A C的动态 连接，在这个过程中，H T A P只是成功地构建到A C，以便更
好地提供服务。
3) L W A P P客户端首先在IPv4隧道和A C之间建立完
整的连接。
4)如果应用IPv4隧道，则无法到A C连接，并与A C 建立的连接，因此把L W A P P客户端切换到IPv6隧道，否则，
F I T A P使用IPv4隧道提供服务。
5)如果应用IPv6隧道，同样也则无法到A C并A C建 立连接。因此把L W A P P客户端切换到IPv4隧道，否则，
F I T A P使用IPv4隧道提供服务。
F I T A P设备可以在所有网络中使用。通过上面提到的
自动IPv4和丨Pv6隧道机制，将F I T A P安装在IPv4网络中，
即F I T A P可以利用IPv4隧道与A C建立连接。相反，在FIT
A P安装了 IPv6网络之后，FIT A P就无法应用IPv4隧道构
建与A C之间的连接，从而能够构建A C与IPv6隧道的连接
并开始提供服务[7<。
2.3 IPv6无线网络的接入方式
具体某高校的IPv6无线网络接入方式，如图2所示。
通过图2能够看出，接人控制器A C与IPv6无线网络进
行连接，该接人控制器A C在无线网络内起到了 IPv6的Por-
▼
使用lpv4方式，探测
A C以及与A C构建隧
道连接
使用IPv4方式，探测
A C以及和A C建立隧
道连接
校园丨pv6网络
A C接人控制器Ipv4骨干网
\FIT A P
=.:■一接4点
图2 I P v6无线网络接入示意图
tal的功能，完成无线网络和IPv6网络连接，即而构建IPv6的无线网络模式。而接人点FIT A P是经过IPv4骨干的网络与 接人控制器进行连接与创建的，完成穿越丨Pv4网络，从而提 供的无线网络接人服务，在无线接人的用户成功与接人点 A P所创建的无线链路连接，这样就能够成功的与IPv6无线 网络完成连接。
通过无线网络提供的接入服务，无线终端完成了与IPv6 网络的连接后，终端就可以动态地获取IPv6地址，也可以在 静态IPv6地址上进行设置，然后，无线终端就可以访问IPv6 网络的所有服务。与此同时，无线终端的所有数据，都是通 过无线网络接人点和接入控制器之间的通道进行传输的，而 无线接人的用户，在使用IPv6接入网络时，则不必担心是否 通过IPv4网络w。
3智慧网络网多标签用户域名分类识别
3.1智慧网络网的用户信息增益
在利用智慧校园网对用户特征的分类进行识别时，利用 条件熵、信息熵以及联合熵获取用户身份特征的集合信息增 益，对用户域名与标签二者之间关系完成区分，以此完成用 户域名特征的多标签分类识别，提升分类识别的效率。
将X设成表示智慧校园内一个实例，L表示候选用户域 名的特征标签集合。K表示实例相应用户域名特
征的标签集合，就是表示多标签的数据集合，而在集合0内具有t个样本，具体多标签的数据集合公式是
〇 =11(i)式中表示智慧校园的用户域名特征向量，y，表示用户域 名特征的向量相应标签集合。
将设成表7K集合;4 = la,,a2，…，a… |信息熵，具体 扒/〇的公式为
n
好⑷=-X p(ai)l〇gP(ai)(2)
«= i
式中:P(a,)表示元素a，先验的概率。在将//(S M)设置成 表示集合4的基础中集合丨6,,62,…,6…!条件熵，具体// (S I X)的计算公式为
H(B\ 4) = - ^^pia^b^lo^pibj \a,)(3)
«= i y = i
当处于集合4基础之下的集合s不确定程度，经过条件 熵扒S M)完成衡量，把设置成表示集合4和集合B
联合熵，具体公式为
H(B A)= - T I l〇gp(〇i6y)(4)
1=1 >=1
而联合熵、条件熵以及信息熵三者之间的关系，具体如下所示
H(A B)= H(A)+ H(B I ,4)(5)式中，将/G(S M)设置表示信息增益，经过信息增益对集合 4与集合f l有关程度完成衡量，具体计算公式为
IG(B\A)= H(A)+ H(B) - H(A B)(6)在集合4与集合B信息增益越大时，那么说明集合之间 有关的程度就越大。经过信息增益对标签与用户域名特征 的关系完成区分。
3.2多标签用户域名分类识别
根据所获得的信息增益选择用户域名特征候选集的首 项，并通过类标签间的相关性计算类标签重要度，根据计算 得到的类标签重要度与用户的域名特征权重相结合，完成用 户域名特征排序，再利用用户域名的特征相关度选择用户域 名特征，设定阈值，并将满足条件的特征引人最终用户域名 特征集内，从而完成校园智慧网多标签用户域名分类识别。
经过信息增益求出候选用户域名特征集合W首项，依据 上述获取信息增益的最大用户域名特征1作为特征集合//首项。
经过类标签相关性计算用户域名特征的类标签重要程 度叭y,)，具体m y,)的计算公式是
w(Y,)= (|y|- l)-1X(7)
Y j e Y j^i
式中:o(y,,y,)表示校园智慧网的用户域名特征标签间相关 度。将w(')设成表示校园智慧网用户域名特征属性权重，具体it(a)计算公式为
W(X t)= O'iX^Y) -R(X i t H)(8)
式中1〇表示类标签集合K和用户域名特征属性X，二者间相关度，表示特征集合《和用户域名特征属 性芩间具有的冗余度。经过上式进行计算能够获得用户域 名特征属性权重，且与类标签的重要度进行结合，把权值最 高用户域名特征属性引进特征集合内，对上述步骤重复进行，一直完成校园智慧网络的用户域名特征排序。
将o(//,y)设置成表示用户域名的特征组和类标签二者间相关度，具体计算公式为
〇(h,y)= \H\-'X |y|-'(9)
J y e K
式中:0(岑，1^)表示用户域名特征与标签二者之间的相关度，I#丨表示特征集合w内具有元素总数目，|y|表示多标签 集合y内具有的元素个数。
依据用户域名特征在排序时位置，利用之前i个用户域
—157—
IPv6 网
络
排序阶段
图5用户域名特征属性权重对比结果
〇 200 400 600 800 1000
域名数据/条
图4
本文方法与传统方法对比结果示意图
通过图3能够看出，本文方法的识別精度要明显高于其 它方法，且在识别的过程较为简单，鲁棒性良好，说明用户人 员一旦在智慧网络中上传数据，本文分类识别方法就可以对 其进行管理，满足实际应用需求。
无线终端在访问IPv 6网络所有服务的过程中，需要获 得用户域名特征属性权重，且与类标签的重要度进行结合， 这个结合的过程用用户域名特征属性的排序效果即影响识 别效果反映，因此进行类标签的重要度结合效果实验，验证 整体识别效果。对比结果如图5所示。
參最高用户域名特征厲性权重 ■最低用户域名特征厲性权重
1.2
▲本文方法
--------本文方法
---------文献[1J
来越低，而在600条之前识别精度的曲线波动趋势较小，而 在600条之后出现非常明显的波动趋势。而本文方法的识 别精度一直保持在90%左右，虽然出现轻微的上下浮动，不
过浮动较小，可以忽略不计。
将本文方法与文献[1]、文献[2]、文献[3]方法在识别 时间方面进行对比。对比结果如图4所示。
名特征形成候选用户域名特征的集合//,。经过式（10)获取 类标签y 与特征集合二者间相关度0(//,, F )。将D (仏 y )设成表示〇(//,!〇平均值，具体计算公式为
N
〇(H ,Y ) = yv -' ^0(//,,F ) (10)
1^1
式中:W 表示整体用户域名特征属性个数。能够满足下式用
户域名特征组//，引人最后用户域名特征的集合Jf '。具体公 式为
0{H,,Y) > 0(i /,y )
(11)0(//,+1,y ) ^ d (H ,Y)
(12)
将I //, IA n x '#//，丨设置成表示无选取剩下用户域名的 特征集合，在将A 〇(tf ,，y )设置成表示用户特征的集合//，增 益，具体计算公式为
A 〇(",，y ) =〇(//,，y )
，y ) (13)
设阈值i 而阈值e 计算公式为
N
=("-丨外 丨厶x [i + (-i )r /2]丨
(14)
式中：I f I 表示已选用户域名特征集合;r 总数目，r 表示用户 域名特征组增益的标记。在选取用户域名特征组好，要满足 //, n x v //并且a o ( , y ) > e 日寸，把R 所相应的第i 个用 户域名特征，加人最后用户域名身份特征的集合;r 内。
通过上述方法就能够对校园智慧网络的多标签用户域 名进行分类识别。
4仿真证明
为了验证本文方法的有效性，计算机硬件选择In-tel
Core 2 Quad 2. 3 GHz ,2G B 内存，软件操作系统选择Window S 7 系统。
选取某学校1000名用户学生的域名进行测试实验，最 后在同一条件下，将本文方法与文献[1]、文献[2]、文献[3]
方法进行对比，具体对比结果如图3所示。
40 '---------文献【31
____I _____|_____|____1____|
200
400
600
800
1000
域名/条
图3
不同方法的识别精度对比结果
依据图3能够看出，其它文献方法对用户的识别精度越
如图5可知，在12个排序阶段的情况下，本文方法的用
户域名特征属性的排序效果即影响识别效果较强，皆高于文 献方法，最高权重为1，说明在整体识别上，本文方法鲁棒性 较佳。
• ▲
委
■
[1
]21
3]
®^-s
«I «t
未识别的网络文
文•
1
0 9
8 7
1.L 0.0.0.
o o o
o o
9 8 7 6 5—158
—
5结束语
1)
基于FIT A P ，对智慧网络网多标签用户域名分类识别
方法，利用条件熵、信息熵以及联合熵获取用户域名特征集 合的信息增益，区分用户域名与标签二者之间的关系，对用 户域名特征的多标签分类识别。
2) 识别精度一直保持在90%左右，解决精度较低，且过 程较为复杂等问题。
3)
整体智慧网络网多标签用户域名分类识别过程简单
高效，用户域名特征属性的排序权重为1，可以提供一种全面 感知、协作性、网络化与数据化一体的生活眼务、管理、科研 以及教学的校园环境。
参考文献：
[1] 袁辰，钱丽萍，张慧，等.基于生成对抗网络的恶意域名训练数
据生成[J ]•计算机应用研究，2019, 36 ( 5 ) : 1540
-
1543,1568.
[2] 杨辉华，张天宇，李灵巧，等.基于M obileNet 的移动端城管案
件目标识别算法[J ].计算机应用，2019,39(08):2475
-2479.
[3] 刘如，李梦辉，李荣，等.情报快速生产线建设中的系统辨识方
法研究[J ]
.
情报理论与实践，2018,41(2) :46-51.
[4] 余潇
枫，潘临灵.智慧城市建设中“非传统安全危机”识别与应
对[J ]
.
中国行政管理，2018,12(10) :127-133.
[5] 冯文果.无线网络通信信息传输隐私保护仿真[J ].
计算机仿
真，2018,35(2) :127-130.
[6] 刘淇，陈恩红，朱天宇，等.面向在线智慧学习的教育数据挖掘
技术研究[J ]
.
模式识别与人工智能，2018,175(1) :83 -96.
[7]
阮有兵，徐海黎，万旭，等.基于人脸识别的智慧小区门禁系统 [J ].
电视技术，2019,43(1) :95 -98,125.[8] 散晓燕.基于智慧教学的高职院校网络学习空间设计与实践
[J ].
中国职业技术教育，2018,654(2) :67 -71.
[9]
罗桑扎西，甄峰.基于手机数据的城市公共空间活力评价方法
研究—以南京市公园为例[J ]
.
地理研究，2019,38(7):
1594-1608.
[作者简介]
王巍巍（丨叩-)，女
（汉族），
吉林松原人，硕士，工
程师，从事计算机软硬件应用研究。
王爱莲（1967 -)，女（朝鲜族），吉林长春人，硕士，
副教授，从事计算机基础和数据库技术教学多年。
宋韧
（1980-)，女（汉族），吉林伊通人，硕士，工
程师，从事计算机网络应用研究。
(上接第140页1
或文本含义的力度将信息由上而下确定出边缘模糊特征，通过某种映射关系按特征进行归类。随着各行各业更加垂直细分的应用出现，“大杂烩”式的信息分类也会逐渐被淘汰，只有进行掠夺式的信息变现，才能在下一个转型中放手一搏。因此，只有进一步提髙信息分类效率、提髙信息分类的准确程度，才能在信息庞杂中取得一定成绩。
参考文献：
[1] 许志强，张婷.数字式多媒体场景图像准确分类方法仿真[J ].
计算机仿真，2019,36(7): 385 - 388.[2]
顾苏杭，王士同.基于数据点本身及其位置关系辅助信息挖掘
的分类方法[J ].模式识别与人工智能，20丨8,31(3):197 -207.
[3]
钟饮，王灿，钟珞.一种图像场景的独立子空间IS A 分类方法
[J ]_小型微型计算机系统，2018,39(7) :205 - 210.
[4]
祝志川，周兰兰，张国超.基于信息增益比修正G 1的系统协调
发展测度模型及实证[J ].统计与决策，2019,35( 13):24 -28.
[5]
陈焕龙，刘华坪，李林熹.一个基于高阶导数的三维叶片成型
系统开发[J ].工程热物理学报，2018,39(2) :55 -61.
[6]
李钢，李海芳，尚方信，等.基于梯度信息的自适应邻域噪声图
像分割模型[J ].计算机工程，2018,44(5) :227 - 233,239.
[7] 游明琳，姚斌，王迎全.像素矩阵法获取整体式立铣刀容屑槽
端截形的研究[J ].西安交通大学学报，2019,53(12):38 -45.
[8] 周锋，林楠，陈小平.基于六维线性插值的六自由度机械臂逆
运动学方程求解方法[J ]•计算机应用，2018,38(2):563 -567.
[9] 何玉辉，徐彦斌，唐进元，等.磨削弧区高阶函数热源分布模型
研究[J ].机械工程学报，2019,55(7) :199-206.
[10]
赵得成，许志沛，唐林，等.基于神经网络的三节伸缩臂参数
灵敏度分析[J ].现代制造工程，2018,456(9) :55 -60.
[11]
杨天棋，黄双喜.改进卷积神经网络在分类与推荐中的实例
应用[J ].计算机应用研究，2018,35(4) :974-977.
[12]
杨惠雯，方俊永，赵冬.基于改进分离阈值法的农作物遥感精
细分类特征选择[J ].应用科学学报，2019,37(1) :55 -67.
[作者简介]
薛峰（1974-)，男（汉族），江苏南通人，硕士，讲
师，研究方向：艺术设计。
廖小兵（1卯1 -)，男（汉族），上海人，硕士，工程
师，研究方向：数字媒体、多媒体展陈、动作捕捉、虚 拟现实。
159
—
发布评论