基于ICN的未来媒体网络缓存放置策略

随着媒体用户规模的增大和数字媒体内容指数式的增长,现有的互联网、广播网和电信网已无法同时满足如此庞大数据量的高效传输和用户随时随地低成本消费的需求,这严重影响了网络性能和服务质量,并在一定程度上推动了对以信息中心网络(ICN)为代表的未来网络体系架构的研究。在信息中心网络中,缓存放置策略的优劣在一定程度上决定了网络性能的优劣。文章结合奇异值分解算法(SVD)提出基于ICN的未来媒体网络缓存放置策略,通过分析不同网络中请求内容的相似性决定每个网络的缓存内容;一方面,利用ICN数据与位置分离的思想,降低链路负载,另一方面,通过SVD算法提高ICN中的数据响应速率和网络缓存命中率,减小了网络传输开销和数据的传输时延,对于提升媒体网络性能和用户体验具有重要意义。     

信息中心网络中授权视频访问控制

信息中心网络(ICN)能够极大地提高视频内容的传输效率,然而ICN中内网缓存机制也给授权视频的访问控制带来了严峻的挑战。授权视频访问控制的目的是保证只有已授权用户才能观看授权视频,防止授权视频被非法观看和使用。在ICN中,当授权视频被缓存在路由器上后,便不受视频发布者的控制,任何人都能够从路由器上获取授权视频。目前存在的方案不能很好地解决这个问题,提出了一种基于分割和数字水印的访问控制方案,将授权视频分割成PCB(public content block,公开内容块)和CKB(content key block,内容密钥块)两部分,其中PCB一般比较大,对所有用户都是相同的,而CKB一般比较小,并且采用数字水印技术实现不同的用户对应不同的CKB,用户必须收到PCB和CKB之后才能观看视频。通过分析,提出的授权视频访问控制方案在安全性和网络资源优化两个方面具有很好的性能。     

面向ICN的非合作博弈优化缓存策略

针对信息中心网络（Information-Centric Network,ICN）的缓存分布问题,提出了一种基于非合作博弈算法(Non-cooperative Game)的优化缓存策略。算法将ICN网络建模成复杂网络,采用非合作博弈框架,兼顾用户服务质量（Quality of Service,QoS）的情况下,综合缓存节点距离、能效和流行度对网络中每个节点构建相应的效用函数,采用分布式迭代算法解出非合作博弈的纳什均衡解,得到全局最优的效用函数值,获取最佳的缓存分配结果。仿真结果表明,在用户请求次数和请求内容流行度不断增加的情况下,使用非合作博弈算法可以减少网络整体能耗,提高平均缓存命中率,减少平均响应跳数。     

面向ICN的动态自适应流媒体算法

信息中心网络(information-centric networking,ICN)与传统IP网络的重要区别在于,前者的路由器节点具备缓存能力,能将热门内容推送到更靠近客户的网络边缘,从而降低客户获取内容的时延。然而ICN中的节点缓存特性会导致传统的自适应流媒体协议出现视频抖动甚至播放中断,降低客户的观看体验。提出了ICN中的动态自适应流媒体算法,在保证客户端播放流畅的同时,尽可能地提升视频片段的码率,提升客户的观看体验。通过在现有的ICN平台中进行仿真实验,证明了该自适应算法在性能上优于传统的算法。     

移动对等网络数据检索新方法研究

移动对等网络中的信息共享和数据检索是一个具有挑战性的问题。文章基于一种新的缓存策略．提出了一种移动对等环境下的数据检索的新方法，称为移动对等网络的区域缓存机制，并给出了算法实现。该策略可以有效的支持大规模移动对等网络的数据检索。     

基于节点社团重要度的ICN缓存策略

全网内置缓存是ICN(信息中心网络)架构中最重要的特性之一。为使被缓存的内容对象在空间和时间上分布更合理,提出了一种基于节点社团重要度的缓存策略（CSNIC）。该策略以社团为单位,不仅把内容缓存到社团内用户容易获取的节点处,而且使不同流行度的内容对象在各社团内节点处的时间分布上更合理。在多种实验条件下对CSNIC策略进行了仿真验证,结果表明该策略与CEE-LRU、Betw-LFU、Opportunistic相比,能更好地提升包括缓存命中率、跳数减少率、内容差异性及替换数量等在内的网络缓存性能指标,而且,CSNIC策略的额外开销较小。     

基于内容分块流行度分级的信息中心网络缓存策略

信息中心网络(ICN:Information-Centric Networking)域内缓存机制的研究大多假定单个内容的流行度相同,而忽视了同一内容的不同分块具有不同流行度的特性.本文提出了一种基于内容分块流行度以及缓存节点位置的分级缓存策略,通过兴趣包和数据包携带标签的方式实现隐式缓存协作.仿真实验证明相比于其他方案,该方案可以充分利用细粒度的内容分块流行度这一特性,提高缓存路由器缓存命中率,减小用户请求内容时延以及网络流量,进而提升用户对实时业务的服务体验.     

基于信息中心5G车联网中社会感知的流媒体缓存与转发策略

5G 通信技术的到来为车载自组网（VANET）提供高质量的视频流服务奠定了基础。然而,现有的VANET 仍然采用以主机通信而非内容分发的 IP 网络来分发视频数据,造成了网络功能与设计目标之间的不匹配,为提供高质量的视频服务带来了巨大挑战。基于上述问题,提出了一种以信息为中心的社会感知流媒体缓存和转发策略（SACF）,其时间复杂度为O(m²)。首先,通过分析用户节点的行为构建社会感知的虚拟社区;然后,提出了一种视频快速转发机制来支持用户就近获取视频内容;最后,提出了一种基于社区的缓存策略来优化视频的缓存分布。仿真实验结果表明,与最新的解决方案相比,该算法的缓存命中率提高了18%,查找时延降低了33%,平均网络开销减少了14.6%。     

信息中心网络中网络缓存的角色探索

作为信息中心网络(information-centric networking,ICN)的特色之一,网络缓存在彰显ICN的优势方面扮演着重要的角色,但当前对网络缓存所扮演的具体角色没有一致的看法。指出网络缓存应具有三级缓存,解释这三级网络缓存可以在错误恢复、突发访问缓解、DDoS攻击防治、热点内容缓存及托管服务方面起一定的作用,并说明了实现这些角色需要解决的问题。     

CCN网络中一种基于代理主动缓存的用户移动性支持方案

该文提出以内容为中心的网络(CCN)中一种基于代理的主动缓存方案。通过代理服务器主动请求与缓存移动切换过程中用户未能获取的内容,解决CCN网络中用户移动性支持问题。与现有CCN网络用户移动性支持方案相比,该文提出的基于代理的主动缓存方案,用户获取内容的时间成本与代理服务器获取内容的时间成本较低,用户的移动切换时延与内容获取的平均时间较短。该方案可有效利用CCN网络共享的内容资源,减缓用户移动对实时业务的不良影响。     

移动边缘计算中基于联邦学习的视频请求预测和协作缓存策略

随着互联网社交平台的崛起和移动智能终端设备的普及,自媒体短视频、直播等视频业务蓬勃发展,人们对高质量视频服务的需求也急剧上升。与此同时,连接到核心网络的大量智能设备增加了回程链路的负载,传统的云计算难以满足用户对视频服务的低延迟要求。移动边缘计算(MEC)通过在网络边缘部署具有计算和存储能力的边缘节点,通过在更靠近用户的边缘侧提高计算和存储服务,降低了数据传输时延进而缓解了网络阻塞。因此,基于MEC架构,该文充分利用网络边缘资源,提出了基于联邦学习的视频请求预测和视频协作缓存策略。通过利用多个边缘节点对提出的深度请求预测模型(DRPN)视频请求预测模型进行联邦训练,预测视频未来的请求情况,然后量化缓存内容所带来的时延收益并协作地以最大化该时延收益为目的进行缓存决策。该文分析了真实数据集MovieLens,模拟了视频请求缓存场景并进行实验。仿真结果表明,相比于其他策略,所提策略不仅能有效降低用户等待时延,在有限的缓存空间中提高内容多样性,从而提高缓存命中率,降低缓存成本,还能降低整个系统的通信成本。     

基于内容流行度差异性的CDN-P2P融合分发网络缓存替换机制研究

现有的CDN-P2P缓存替换机制没有关注内容文件中各片段的个体流行度差异性,而无法提高预缓存内容片段的访问命中率。鉴于此,提出了基于流行度差异性的缓存替换机制Diff-Attribute。同时考虑了内容文件的整体流行度和文件中各个片段的个体流行度。此外,基于分布熵,定义了一种内容流行度均衡性度量方法：若流行度均衡,就提前缓存各文件的前缀片段;否则提前缓存热门文件或其中最热门的内容片段。仿真结果表明：在缓存命中率和字节命中率方面,Diff-Attribute机制分别高出LFU、LRU等传统机制约6%和8%;在访问延迟启动率和传输成本消耗率方面,Diff-Attribute机制则降低了约13%和7%。     

雾网络中基于统计分布的内容缓存与交付方案

作为5G中的一种重要模型，雾无线接入网络(Fog Radio Access Network, F-RAN)通过设备到设备通信和无线中继等技术获得了显著的性能增益，而边缘设备中合适的缓存则可以让内容缓存用户(Caching Users, CUs)向内容请求用户(Requesting Users, RUs)直接发送缓存内容，有效减小前传链路的负担和下载延迟。考虑一个F-RAN模型下用户发出请求并获得交付的场景，将每个CU的内容请求队列建模为独立的M/D/1模型，分析导出CUs缓存命中率和平均下载延迟关于内容缓存与交付方案的表达式，证明CUs缓存命中率与内容统计分布之间的联系有助于实现前者的近似最优解。针对在一段时间内的期望视角下建立的优化问题，提出了基于统计分布的算法并注意了执行时的交付控制。仿真结果表明，相较于现有缓存策略，优化内容整体统计分布的方案能够最大化CUs缓存命中率，同时减小平均下载延迟。     

网络多层语义深度挖掘及流媒体缓存策略研究

对网络音视频数据进行多层次语义的深度挖掘,统计分析用户行为,建立一个流行度预测模型,在此基础上提出智能化的代理缓存替换策略.初步模拟实验表明该策略能提高缓存字节命中率,减短客户端的请求延迟时间.     

雾无线接入网中基于Q-learning的协作式内容缓存策略

为了提高雾无线接入网（Fog-Radio Access Networks,F-RAN）的边缘缓存效率,提出一种基于用户偏好预测和内容流行度预测的协作式内容缓存策略。首先,利用主题模型中隐含狄利克雷分布（Latent Dirichlet Allocation,LDA）模型动态的预测用户偏好;其次,利用网络中不同设备之间的拓扑关系和已预测的用户偏好以在线的方式预测内容流行度的变化,然后再结合基站之间的相关度,以减少缓存内容文件的重复率;最后,以最大化缓存命中率为目标,利用强化学习中的Q-learning算法获得了最优的内容缓存策略。仿真结果表明,与其他内容缓存策略相比,该内容缓存策略能有效的提高缓存命中率。      

Priority-based content processing with Q-routing in information-centric networking (ICN)

With exponential increase in the number of users and available data, service providers are facing hard times to satisfy and improve end user experience. Researchers have come up with the idea of exploiting increasing number of routers in a network, and it leads to the development of information-centric networking (ICN). Efficient usage of the in-network caches and content forwarding methodology are the key issues in an ICN architecture. ICN reduces average hop count and correspondingly average content download delay because the intra-domain routers in ICN have storage capacity and they can act as temporary content provider. In this paper, we address the content management issue in a cache with finite storage capability and propose an efficient content management policy that changes a router to a self-sustained cache. We propose a novel methodology to process content packets in the buffer of a cache and correspondingly reduce the propagation delay through a cache. We simulate our proposed algorithm over real-life network environment and evaluate the performance of different user experience metrics, e.g. average latency, throughput, goodput, and link load. Simulation results suggest that our proposed model outperforms the existing state-of-the-art on-path caching strategies.     

Caching strategy based on node’s importance to community in information-centric networks

In-network caching is one of the most important features of ICN (information-centric networks).A caching strategy based on node’s importance to community was proposed to make content objects cached more reasonable in temporal and spatial distribution.Within each community,the strategy not only caches content objects in those nodes where users are easy to access the content,but also makes different popularity of content objects more reasonable in temporal distribution.The CSNIC strategy was implemented under a variety of experimental conditions,and compare it with the previous strategies CEE-LRU,Betw-LFU and Opportunistic.The simulation results show that the strategy can yield a significant performance improvement,such as,cache hit ratio,hop reduction ratio,content diversity ratio and number of replacement.Furthermore,the additional overhead of CSNIC is small.     

基于内容预期价值的内容中心网络缓存替换策略

缓存替换技术是内容中心网络的研究内容之一。相对于海量的内容数据,缓存空间总是有限的,良好的缓存替换策略可以提高缓存收益。考虑到内容在将来被请求的概率越大,预期访问时间距离当前时刻越近,其留存价值就越大,提出了一种基于内容预期价值的替换策略。该方案通过考虑内容流行度和预期访问时间到当前时刻的时间距离,构建内容预期价值函数,并据此将价值最小的内容替换出去。仿真实验证明,该策略相对于传统的缓存替换策略,可以有效提高缓存命中率、降低请求跳数,提高网络性能。     

基于内容流行度和节点中心度匹配的信息中心网络缓存策略

在信息中心网络(Information-Centric Network, ICN)中,利用网络内置缓存提高内容获取及传输效率是该网络构架最重要的特性。然而,网络内置的缓存存在应对大量的需要转发的内容时能力相对弱小,对内容放置缺乏均衡分布的问题。该文提出基于内容流行度和节点中心度匹配的缓存策略(Popularity and Centrality Based Caching Scheme, PCBCS),通过对经过的内容进行选择性缓存来提高内容分发沿路节点的缓存空间使用效率,减少缓存冗余。仿真结果表明,该文提出的算法和全局沿路缓存决策方案,LCD(Leave Copy Down)以及参数为0.7及0.3的Prob(copy with Probability)相比较,在服务器命中率上平均减少30%,在命中缓存内容所需的跳数上平均减少20%,最重要的是,和全局沿路缓存决策方案相比总体缓存替换数量平均减少了40%。