[发明专利]用于预测网络节点的状态改变的系统和方法

说明书

在一个方面中，提供了一种由网络节点执行的用于预测网络中的节点(例如，雾节点)的状态改变的概率的方法。网络节点基于节点的属性来确定权重的集合。网络节点使用与节点相关的一个或多个属性值的集合以及所确定的权重的集合来估计节点的状态改变的概率，其中确定权重的集合包括使与节点关联的评估值最大化。

技术领域

公开了与预测网络中的网络节点(诸如例如雾节点)的状态改变相关的实施例。

背景技术

最近，已存在用于支持工业和商业应用两者的物联网(IoT)装置的快速扩张。云计算是IoT框架中的重要范例。为了实现涉及IoT装置的新种类的应用和服务，研究者已引入了将云计算扩展到网络的边缘的雾计算。

雾计算将通过减少时延、增加吞吐量、整合资源、节省能量以及增强安全性和隐私来使若干相关域(包括移动/可穿戴计算、物联网(IoT)以及大数据分析)受益。在大数据分析中，在网络的边缘生成巨量数据。雾计算支持边缘分析，其能够减少大数据分析的延迟并降低数据传输和存储的成本。在IoT应用中，带有内置智能模块的具有到一个或多个传感器的连接的特定装置可充当雾节点。雾节点也可以是具有独特感测和致动能力的不同传感器的集合。雾节点可以包括内置数据库和分析模块，其促进雾节点的激活和决策制定。此类雾节点可以位于诸如山脉或海洋之中的远程位置。在此类远程位置中，尽管气候变化，雾节点必须靠它自己的电池电力维持并且维护功能性。因此，需要在连续的基础上监测雾节点以预料并为及时的状态改变做准备。例如，在由于内部问题或由于外部问题(例如，气候条件)雾节点突然进入不活动状态的情况下，有可能丢失雾节点的特定位置和其它重要的相关细节，这可能在整个网络中造成严重问题。

发明内容

一般地，雾节点连接到云以建立雾联网(fog networking)。因此，雾节点周期性地向云传送信息(例如，以及时的方式传递细节)，因此雾节点的突然故障可能导致至关重要的数据的丢失。在这方面，存在实时监测雾节点以预料并理解雾节点的动态状态改变的需要。

附加地，越来越多的对业务的处理和决策制定正发生在网络的边缘处(即，在雾节点中)。相应地，存在连续地考虑雾节点的状态并使雾节点对于所有业务相关的事务保持完整的需要。例如，如果雾节点的状态改变成不活动模式，则业务可能需要停顿一段时间，并且在雾节点改变回到活动模式之后恢复。因此，在最近的技术转变当中，理解雾节点的关键状态改变的原因并预测其行为是要解决的重要问题。

雾节点的另一令人感兴趣的特性是，不仅地理分布的雾节点能够推断它自己的位置，而且雾节点还能够跟踪终端用户装置以支持移动性。这对于基于位置的服务和应用可能具有显著意义。因此，以连续方式跟踪雾节点(包括其位置)被认为是令人感兴趣的问题。目前，雾节点可在某些时间周期与另一雾节点或云通信。时间周期的长度可以取决于正由雾节点传送的数据和/或雾节点的重要性而变化。简而言之，上面清楚地指示了雾节点当前状态的连续观测和雾计算的重要性。因此，雾网络中雾节点的任何非预期的状态改变可能在特定位置中引起问题。

在雾联网中，每个节点(例如，每个雾节点)应该能够作为用于附近节点的路由器而起作用，并且能够维护功能性以便理解移动性并检测该节点和附近节点的状态的突然改变。公开的实施例中的一些实施例解决如何处置雾网络中雾节点中的突然改变。当前存在有若干提出的数据挖掘技术用于预测最可能流失(churn)的潜在客户，即预测永久状态改变。此类数据挖掘技术包括聚类、关联、规则归纳、遗传算法、决策树和神经网络。应用此类数据挖掘技术来预测雾网络中的雾节点的状态改变可能是有问题的。例如，雾网络的固有特性，诸如：a)低时延和位置感知；b)广泛的地理分布；c)移动性；d)紧密接近的的非常大量的节点；e)无线接入的主要角色；f)流传输(streaming)和实时应用的强存在；以及g)异构性将使使用上面提到的数据挖掘技术来找到网络中的雾节点的状态改变的挑战复杂化。因此，一般的流失和状态改变预测算法将无法找到已经从网络中丢失或已经突然变得不活动的雾节点，或者预测哪些雾节点在下一周期(例如，时间或季节)期间可能不活动。