[发明专利]基于OBDD的SDN双端可靠性评估方法及系统

说明书

本发明公开了一种基于OBDD的SDN双端可靠性评估方法及系统，利用SDN集中控制且易于编程的特性建立了SDN双端可靠性评估模型，并通过设计网络模型中的拓扑管理模块和路径计算模块得到满足带宽和时延约束要求的双端最小路径集合，以最小路集‑广度优先搜索算法确定BDD的变量排序，在OBDD构建模块中利用香农公式构建对应的OBDD，最后，通过可靠性评估模块自底向上递归计算网络可靠度，完成SDN双端可靠性评估。本发明方法联合带约束的邻接终点矩阵算法、最小路集‑广度优先搜索算法、有序二元决策图OBDD等方法，对SDN下的连通可靠性进行评估，具有良好的可扩展性。

技术领域

本发明属于网络可靠性评估领域，特别是基于二元有序决策图OBDD的SDN双端可靠性评估方法。

背景技术

网络可靠性评估作为网络安全评估领域内评估网络可靠性的有效方法，在各种网络系统中都得到了广泛应用。可靠性是指元件、产品、系统在一定时间内、一定条件下无故障地完成特定任务的有效性和可能性。网络可靠度，即概率度量值，是用概率来度量网络连通能力的一种网络可靠性参数。

目前关于网络可靠度计算的方法可以分为两类：精确算法和近似算法。精确算法主要有以下五种：状态枚举法、容斥原理法、不交积和法、因子分解法和状态空间分解法。状态枚举法将所有符合网络传输条件的网络状态枚举出来计算网络可靠度。容斥原理法将网络可靠度表示为所有最小路集的并，然后采用容斥原理去掉相容事件中相交的部分再计算剩余部分的网络可靠度。不交积和法将网络可靠度表示为所有最小路集的并，然后将这个并化为彼此不相交项的和再计算网络可靠度。因子分解法通过将网络分解为子网络，并将得到的子网络进行递归地分解直至不能分解为止，通过不断迭代得到网络可靠度。状态空间分解法将网络状态空间分解为三种状态的集合，并通过不断分解不确定状态集合将网络状态空间分解至两个状态集合，此时所有可接受状态集合的概率之和为整个网络的可靠度。然而，由于网络可靠度计算是一个NP难问题，因此精确算法多用于求解小型网络或者一些具有特殊拓扑结构的网络的可靠度，对于中型或者大型网络常采用近似算法来求取网络可靠度。近似算法求解网络可靠度是一种以牺牲可靠度精度从而降低计算难度的方法。常见的有上下界法、蒙特卡罗法、图变换法、蚁群算法、遗传算法、神经网络算法等。

随着网络规模的逐渐扩大，利用最小路集或者最小割集计算网络可靠性时，计算过程会变得十分复杂，导致算法的效率急剧下降。这促使了新方法二元决策图的出现。二元决策图(Binary Decision Diagrams，BDD)被认为是最先进的高效存储大型布尔术语的数据结构。BDD是一个有向无环图，它由一个根节点、若干个中间节点和两个终端节点组成。如果不同的布尔变量以相同的顺序出现在从根节点开始的所有路径上，则称这种BDD为有序二元决策图(Ordering Binary Decision Diagrams，OBDD)。就计算而言，OBDD方法的一个很大的优点是分析处理的计算需求与OBDD的图形大小成线型比例。基于OBDD的方法减少了计算量，缩短了计算时间，是一种准确、高效的计算方法。

然而，基于OBDD的可靠性算法的复杂度计算高度依赖于所要计算的OBDD图形的大小。同时，OBDD的大小是由所选择的变量排序决定的。现有的寻找最佳变量排序的方法可以分为两类：静态技术和动态技术。在静态技术中，所提出的大部分方法都是在实际构造网络OBDD之前找到变量的最优顺序，通过分析所得到的布尔函数相关的不同信息，决定变量的顺序，然后进行OBDD的构造。在动态技术中，提出的方法主要是通过调整OBDD已有的变量顺序来减少OBDD大小的。其中，筛选算法是最成功的技术之一。它通过局部搜索，不断交换相邻变量的位置，迭代地找到所有变量的最佳位置。近年来，许多现代智能算法不断地被引入OBDD的最小化算法中。比如，模拟退火算法、遗传算法等。基于遗传算法的方法已经产生了较好的结果。