云环境下启发式网络信息采集模型仿真

摘要

针对云环境所含数据信息过于繁杂的问题,为了滤除冗余信息,加强数据采集效率,提出云环境下启发式网络信息采集模型.首先通过分析云环境具备的多用户、高动态等优势与多攻击面、安全威胁等隐患,采用能够与之匹配的启发式算法创建模型,利用约束条件与采集周期得到节点的有效位置.然后根据可用信息传输时间与遍历访问求得节点的效用贡献,并通过WSN网络流的映射发现初始节点与目标节点的关系,从而设定该网络层的频率.将节点连接度与启发式算法结合,完成最大连接度路由的选取,利用其可行度来均衡能耗,最后在合理阈值内与服务水平协议需求的共同作用下,完成网络信息采集模型.仿真结果表明,上述模型能够满足不同的可靠性需求,且使网络功率能耗更加均衡,具备较高的采集精准性与冗余信息过滤的有效性.