无线网络的排序算法

① 无线路由器中 WEP wpa wpa2 这三种加密方式有什么区别

区别：

1、加密技术

WEP：RC4的RSA数据加密技术

WPA：RC4的RSA数据加密技术

WPA2：AES加密算法

2、安全性

WEP：使用一个静态的密钥来加密所有的通信，那么如果网管人员想更新密钥，就得亲自访问每台主机

WPA：与之前WEP的静态密钥不同，WPA需要不断的转换密钥。WPA采用有效的密钥分发机制

WPA2：实现了802.11i的强制性元素，特别是Michael算法被公认彻底安全的CCMP(计数器模式密码块链消息完整码协议)讯息认证码所取代

(1)无线网络的排序算法扩展阅读

无线网络中已存在好几种加密技术，由于安全性能的不同，无线设备的不同技术支持，支持的加密技术也不同， 一般常见的有：WEP、WPA/WPA2、WPA-PSK/WPA2-PSK

在802.11i颁布之后，Wi-Fi联盟推出了WPA2，它支持AES(高级加密算法)，因此它需要新的硬件支持，它使用CCMP(计数器模式密码块链消息完整码协议)。

在WPA/WPA2中，PTK的生成依赖PMK，而PMK获的有两种方式，一个是PSK的形式就是预共享密钥，在这种方式中PMK=PSK，而另一种方式中，需要认证服务器和站点进行协商来产生PMK。

② 哪个软件破无线网络最好

通常破解wifi是利用已共享的密码来实现的，如果他人已共享了某一热点的wifi密码，则用户可以通常该密码实现共享上网。但是也有一些比较高明的方法，但技术高不常用，费时费力不讨好，那么就利用一些常用的WiFi软件去实现破解WiFi。
1、WiFi万能钥匙
利用wifi万能钥匙，可实现附近热点的查找，并能自动分析出周围可破解的wifi热点。附近所有的热点wifi都会通过以形象的地图标记的形式进行展示，非常方便利用自己寻找到距离自己最近、信号最强的wifi热点。

同时该软件还提供了“信号检测”功能，能够自动帮助用户寻找最佳可破解的wifi热点，由于采用信号自动检测技术，使得信号强、可破解的热点成为用户的首先目标。
Wifi万能钥匙的另一大特色之处在于“创建虚拟wifi热点”功能。利用“手机变热点”功能，可实现快速创建虚拟热点并进行管理功用，十分方便大家的使用。
该软件的获取方法：只需要在网络中搜索“wifi万能钥匙”即可获取下载地址。
2、WiFi伴侣
利用wifi伴侣，可借助远程服务器强大的wifi热点共享信息存储功能实现更强密码的破解和共享功能，使用wifi伴侣时，需要打开“数据”开关，以使从远程服务器获取有关热点wifi的共享密码信息。

该软件的最大特色之处在于破解力度大、效果比较明显。能够破解大部分wifi热点密码。只需要选择要连接的wifi热点，即可实现wifi热点的破解操作。

③ 异构网络的网络选择算法的研究

异构网络中无线资源管理的一个重要研究方向就是网络选择算法，网络选择算法的研究很广泛，这里给出了几个典型的无线网络选择算法的类别。 预切换可以有效的减少不必要的切换，并为是否需要执行切换做好准备。通常情况下可以通过当前接收信号强度来预测将来接收信号强度的变化趋势，来判断是否需要执行切换。
文献 中利用多项式回归算法对接收信号的强度进行预测，这种方法的计算复杂度较大。文献 中，利用模糊神经网络来对接收信号强度进行预测，模糊神经网络的算法最大的问题，收敛较慢，而且计算的复杂度高。文献 中，利用的是最小二乘算法（LMS）来预测接收的信号强度，通过迭代的方法，能够达到快收敛，得到较好的预测。还有在文献 中，直接采用接收信号强度的斜率来预测接收信号强度，用来估计终端在该网络中的生存时间，但是这种方法太简单，精度不是很高。 在垂直切换的过程中，对于相同的切换场景，通常会出现现在的已出现过的切换条件，对于其垂直切换的结果，可以应用到当前条件下，这样可以有效避免的重新执行切换决策所带来的时延。
文献[33]中，提出利用用户连接信息（User Connection Profile，UCP）数据库用来存储以前的网络选择事件。在终端需要执行垂直切换时，首先检查数据库中是否存在相同的网络选择记录，如果存在可以直接接入最合适的网络。在文献[34]中，提出了将切换到该网络的持续服务时间和距离该网络的最后一次阻塞时间间隔作为历史信息记录下来，根据这些信息，选择是否有必要进行切换。 由于用户对网络参数的判断往往是模糊的，而不是确切的概念，所以通常采用模糊逻辑对参数进行定量分析，将其应用到网络选择中显得更加合理。模糊系统组成通常有3个部分组成，分别是模糊化、模糊推理和去模糊化。对于去模糊化的方法通常采用中心平均去模糊化，最后得到网络性能的评价值，根据模糊系统所输出的结果，选择最适合的网络。
通常情况下，模糊逻辑与神经网络是相互结合起来应用的，通过模糊逻辑系统的推理规则，对神经网络进行训练，得到训练好的神经网络。在垂直切换的判决的时候，利用训练好的神经网络，输入相应网络的属性参数，选择最适合的网络接入。
基于模糊逻辑和神经网络的策略，可以对多种因素(尤其动态因素)进行动态地控制，并做出自适应的决策，可以有效提高网络选择的合理性，但该策略最大的缺点是，算法的实现较为复杂，在电池容量和处理能力均受限的移动设备上是不合适的。 在异构网络选择中，博弈论是一个重要的研究方向。在博弈论的模型中，博弈中的参与者在追求自身利益最大化的同时，保证自身付出的代价尽量小。参与者的这两种策略可以通过效用函数和代价函数来衡量。因此通过最大化效用函数和最小化代价函数，来追求利益的最大化。
文献[36]中提出一种基于博弈论的定价策略和网络选择方案，该方案中服务提供商（Service Providers，SPs）为了提高自己的利润需要面临竞争，它是通过用户间的合作或者非合作博弈来获得，在实际的异构网络场景下，用户和服务提供商SPs之间可以利用博弈模型来表示。Dusit Niyato在文献[37]中，通过竞价机制来进行异构网络资源的管理，这里将业务分成两种类型，一种是基本业务，另一种类似高质量业务，基本业务的价格是固定的，而高质量业务的价格是动态变化的，它是随着服务提供商的竞争和合作而变化的。因此这里从合作博弈和非合作博弈两方面来讨论定价机制。Dusit Niyato在文献[38]中基于进化博弈理论，来解决在带宽受限情况下，用户如何在重叠区域进行网络选择。 网络选择的目标通常是通过合理分配无线资源来最大化系统的吞吐量，或者最小化接入阻塞概率等，这样就会涉及网络优化问题。
网络选择算法往往是一种多目标决策，用户希望得到好的服务质量、价格便宜的网络、低的电池功率消耗等。对于多目标决策算法，通常是不可能使得每个目标同时达到最优，通常的有三种做法：其一，把一些目标函数转化为限制条件，从而减少目标函数数目；其二，将不同的目标函数规范化后，将规范化后的目标函数相加，得到一个目标函数，这样就可以利用最优化的方法，得到最优问题的解；其三，将两者结合起来使用。例如文献[39]中，采用的是让系统的带宽受限，最大化网络内的所有用户的手机使用时间，即将部分目标函数转化为限制条件。文献[40]中，采用的是让用户的使用的费用受限，最大化用户的利益和最小化用户的代价，这里采用的是上面介绍的第三种方法。 基于策略的网络选择指的是按照预先规定好的策略进行相应的网络操作。在网络选择中，通常需要考虑网络负荷、终端的移动性和业务特性等因素。如对于车载用户通常选择覆盖范围大的无线网络，如WCDMA、WiMAX等；对于实时性要求不高的业务，并且非车载用户通常选择WLAN接入。这些均是通过策略来进行网络选择。
文献[41, 42]提出了基于业务类型的网络选择算法，根据用户的业务类型为用户选择合适的网络。文献[35]提出基于负载均衡的网络选择算法，用户选择接入或切换到最小负载因子的网络。[43]提出了一种考虑用户移动性和业务类型的网络选择算法。 多属性判决策略（Multiple Attribute Decision Making，MADM）是目前垂直切换方面研究最多的领域。多属性判决策略主要分为基于代价函数的方法和其他方法。
基于代价函数的方法
代价函数一般有两种构造形式，一种是多属性参数值的线性组合，如（2.1）式所示；另一种是多属性参数值的权重指数乘积或者是属性参数值的对数线性组合，如（2.2）式所示。
（2.1）
（2.2）
其中代表规范化的第个网络的第个属性值，代表第个属性的权值。对于属性的规范化，首先对属性进行分类，分为效益型、成本型等，然后根据不同的类型的，对参数进行归一化，采用最多的是线性规范化、极差规范化和向量变换法。关于权值的确定可以分为简单赋权法(Simple Additive Weighting，SAW)、层次分析法（Analytic Hierarchy Process，AHP）、熵权法、基于方差和均值赋权法。
(1) SAW：用户根据自己的偏好，确定每个属性的重要性，通常给出每个参数取值的具体参数值。
(2) AHP：首先分析评价系统中各要素之间关系，建立递阶层次结构；其次对同一层次的各要素之间的重要性进行两两比较，构造判断矩阵；接着由每层判断矩阵计算相对权重；最后计算系统总目标的合成总权重。
(3) 熵权法：通过求解候选网络中的同一属性的熵值，熵值的大小表明网络同一属性的参数值的差异，差别越大，说明该属性对决策影响越大，相应权值的取值就越大。
(4) 基于方差和均值赋权法：通过求解候选网络中同一属性参数的均值和方差，结合这两个参数确定该属性的重要性程度值，然后再对其进行归一化，得到每个属性的参数值。
其他方法
(1) 基于方差和均值赋权法：通过求解候选网络中同一属性参数的均值和方差，结合这两个参数确定该属性的重要性程度值，然后再对其进行归一化，得到每个属性的参数值。
(2) 逼近理想解排序法（TOPSIS）:首先对参数进行归一化，从网络的每组属性参数值里选择最好的参数组成最优的一组属性参数，同样也可以得到最差的一组属性参数。将每个网络与这两组参数比较，距离最优参数组越近，并且与最差组越远，该网络为最合适的网络。
(3) 灰度关联分析法（GRA）：首先对参数进行归一化，再利用GRA方法，求得每个网络的每个属性的关联系数，然后求出每个网络总的关联系数。根据每个网络总的关联系数，选择最适合的网络。
(4) 消去和选择转换法（ELECTRE）：首先对参数进行归一化，构造加权的规范化矩阵，确定属性一致集和不一致集。然后计算一致指数矩阵和劣势矩阵，最后得到一致指数矩阵和不一致指数矩阵。根据这两个矩阵，确定网络的优劣关系，选择最适合的网络。
VIKOR：首先对参数进行归一化，首先确定最优和最差属性参数组，然后计算得到每个网络属性的加权和属性中最大的参数值，然后利用极差规范化对网络的加权和以及最大属性值进行归一化，最后利用归一化的参数进行加权求和，依据这个值，选择最合适的网络。