基于离散马尔可夫链分析的网络关键设备识别与稳定性优化方法

《Scientific Reports》：Network impact assessment and stability enhancement through Markov chain analysis and load balancing

　　

摘要

本研究提出了一种利用离散马尔可夫链分析和提高网络稳定性的方法。通过将网络日志中的设备状态转换建模为马尔可夫链，我们开发了两个模型：网络影响评估模型和网络稳定性优化模型。网络影响评估模型通过三个指标来量化设备的影响：自身影响、入侵影响和传出影响。Chapman–Kolmogorov一致性检验表明，一阶转移矩阵能够为合成数据和真实世界数据集中的所有日子提供一个有用的整体结构近似（平均绝对误差 \(33.6\%\)；在真实世界数据上为\(31.2\%\)；预算中性的比较进一步证实了这一优势与复制预算的差异无关。为了提高网络稳定性，我们实现了网络稳定性优化模型，该模型通过模拟退火算法独立优化三个目标函数，策略性地复制高影响设备。将该模型应用于真实世界数据集后，设备稳定性提高了\(4.7\%\)，负载均衡能力提高了\(7.6\%\)，峰值负载减少了\(56.6\%\)（相对于优化前的基线）。所提出的方法有效识别了关键网络设备，并通过策略性设备复制提供了实用的负载平衡方案。我们的发现有助于开发更稳健的网络架构，并为管理复杂系统的网络管理员提供了宝贵的 insights。