信息中心网络中的内置缓存技术研究

互联网的应用方式正从以面向主机的点对点通信为主转向以海量内容获取为主.为适应这一转变,研究界提出了多种以信息/内容为中心的新型网络架构.这类网络架构中最重要的特征之一是利用网络内置缓存提高接收者驱动的内容获取的传输效率和网络资源的利用率.与传统的Web缓存、CDN缓存等相比,ICN缓存系统呈现了缓存透明化、泛在化和细粒度化等新特征,对缓存系统的建模、行为理解和优化方法都提出了新的挑战.在介绍了ICN缓存系统的新特征及带来的挑战后,首先从多方面着重阐述和比较了缓存网络的优化方法,之后对缓存网络系统的理论模型研究现状加以阐述,然后分析了仍待解决的关键问题和未来的研究方向.     

信息中心网络发展研究综述

信息中心网络(Information-Centric Networking,ICN)已经成为下一代网络体系结构研究的新热点.从众多研究成果中及时地总结ICN的优势与不足是未来相关研究的重要基石.尽管现有ICN综述文献已经对其体系结构做出较为详细的总结,然而,它们并没有充分地讨论TCP/IP网络体系结构中存在的问题与发展ICN必要性之间的关系,而这影响到未来ICN的重点研究方向.文中首先论述了应用ICN体系结构解决当前网络体系结构中已有问题的必要性,将ICN的关键问题、结构构成、关键技术等进行了梳理,从现有ICN方案中整理出信息命名、路由技术、试验平台等关键技术.在这个基础上,文中进一步讨论分析了ICN与现有的协同缓存系统等技术之间的关联与差异.论文最后分析讨论了ICN的下一步发展方向以及有待研究的问题.     

一种基于马尔可夫模型的加速ICN路径收敛性的方法

在新型的内容中心网络(Information-Centric Networking, ICN)多宿主场景中,主机的标识和地址分离,允许数据包中携带多个地址。多目的地址的数据包在匹配路由表之后获得多个转发端口,在每跳具有路径选择的能力,可以根据网络的动态进行路径调整。然而,这种转发方法打破了根据路由表最短路径转发规则,数据包可能在网络中来回跳动而不能尽快收敛到目的地。本文提出一种基于马尔可夫模型的多地址裁剪方法,该模型能根据历史地址裁剪状态信息进行裁剪决策,从而提高路径的收敛性。实验结果表明该方法与基准方法相比,在保证传输速率几乎相同的同时,平均跳数减少约16%,在路径收敛性方面得到了改善。     

数据驱动的信息中心网络认知路由协议

随着网络技术的迅速发展和新型应用的不断涌现,网络中的数据急剧增长给基于TCP/IP的Internet带来严峻挑战.为了支持用户对海量数据的访问,信息中心网络(information-centric networking, ICN)成为未来互联网的研究热点之一.提出一种数据驱动的ICN认知路由协议.每个路由节点都被赋予感知、询问、学习、推理和反馈等认知行为;通过感知行为,节点获取本地拓扑、路由请求处理信息和流行内容等;通过询问行为,节点构建邻居缓存表等;通过学习行为,节点得到经验路径信息等;通过推理行为,分析节点间关系,构建朋友缓存表等;通过反馈行为,基于指引信息,作出路由决策等.仿真结果表明,提出的协议是可行和有效的,具有较好的性能.     

基于内容中心性的概率缓存内容放置方法

为减少信息中心网络的缓存冗余,改善缓存命中率和利用率,提出了一种基于内容中心性的概率缓存内容放置方法(content-centrality-based probabilistic caching content placement method, CCPCP).与传统网络中仅用来刻画网络拓扑结构的中心性指标不同,采用的内容中心性指标,不仅能刻画缓存节点的位置中心属性,而且能刻画信息内容本身属性.该方法中,沿途各缓存节点综合考虑内容中心性和内容获取时延自适应地计算各自缓存概率,即内容所在节点位置越居于中心,内容热度越高,内容获取时延节省越优的内容被缓存的概率就越高.仿真实验表明:与现有基于概率缓存内容放置方法相比较,CCPCP方法缓存内容副本数目较少,减少率可达到32%以上,CCPCP方法显著地减少了缓存冗余,降低了内容获取时延,提高了缓存命中率和缓存内容利用率.     

ICN中改进的拥塞控制和请求转发策略研究

针对信息中心网络(ICN)中终端用户体验不佳,网络资源利用率低等不足,对ICN中联合多径拥塞控制和请求转发问题展开研究。将该问题看成是以用户吞吐量最大化和总体网络成本最小化为目标的全局优化问题。通过分解策略解决这一全局优化问题,为接收机确定一组最优拥塞控制策略,为网络节点确定一组分布式动态请求转发算法。为了评估本文设计的性能,使用CCNx部署本文协议,并设置测试床用于大规模实验仿真。不同网络场景下的实验评估证明了本文方案的效率和全局公平性,达到最优方案的预期效果,即使面对路径内缓存和网络拥塞导致的延时不确定性也具有稳定的性能。     

ICN中的一种协作缓存机制

为了克服现有 Internet 架构存在的众所周知的缺点,未来网络的研究成为热点.ICN(information-centric networking)在众多新架构中正逐渐被公认为最有前途的方案.它把传输的内容缓存到沿途的节点.高效的缓存机制是它的一个重要研究方面.为此,提出了一种在分布式缓存机制中嵌入中心式缓存决策的机制(content-aware placement,discovery and replacement,简称APDR),它把内容的放置、发现、替换统一起来考虑,实现内容的有序缓存,提高网络的性能.APDR的主要思想是：Interest报文除了携带对内容的请求以外,还收集沿途各节点对该内容的潜在需求、空闲缓存等信息,使得Interest的汇聚点和目的地节点可以据此计算出一个缓存方案,并把该方案附加在Data报文上,通知返程途中的某些节点缓存该内容并设置指定的缓存时间.在多种实验条件下对APDR进行了仿真验证,结果表明,APDR 可以改善网络性能,包括缓存命中率、接入代价、替换数量、转发效率以及缓存鲁棒性等;而且APDR的额外开销也不大.     

一种自适应的ICN移动性机制

信息中心网络（information-centric networking,ICN）内在地支持兴趣请求者移动而不支持内容提供者移动,然而在实际的场景中往往发生的是内容提供者移动。当前的移动性解决方案存在一些缺憾,如没有真正地考虑移动设备的加入/离开、机制过于单一不能应对各种移动场景、网络切换时延过长等。为解决上述问题,面向区域划分设计一种自适应的移动性机制,包括基于汇聚点的域内移动解决方案、基于兴趣转发的域间移动解决方案和基于回溯的基站间移动解决方案。仿真在GTS网络拓扑上进行,实验结果表明所提的移动性机制较基准机制有高的分发率、低的切换时延和少的路由跳数,说明所提的移动性机制具有广泛的应用价值,为推动诸如5G应用的全面落地具有现实的意义。     

基于节点和信息特征的社会网络信息传播模型

随着在线社会网络的快速发展,越来越多的人开始利用微博或Twitter来传播信息或分享观点.研究社会网络中的信息传播规律对于意见领袖挖掘、舆情监控、品牌营销等有着重要意义.虽然有关社会网络中的信息传播模型已经得到广泛研究,但是影响网络中节点之间信息传播的因素有哪些,以及如何刻画信息传播过程,仍然是一个有待深入研究的重要内容.传统的传播模型及其扩展模型更多地从网络结构出发研究信息传播,很大程度上忽视了节点属性和信息内容的影响.从多个维度提取信息传播的特征,包括节点属性特征和信息内容特征,对节点间传播概率和传播延迟进行建模,提出一个细粒度的在线社会网络信息传播模型.利用随机梯度下降算法学习模型中的各个特征的权重.另外,针对模型的传播预测功能,在新浪微博真实数据集上进行了实验,结果表明,在预测准确率方面,所提出的模型要优于其他同类模型,如异步独立级联模型、NetRate模型.     

社会网络中基于核函数的信息传播模型

摘 要: 传统的社会网络信息传播模型假设整个网络结构是已知的,并在已知的网络上分析信息的动态传播,然而实际的社会网络往往是不完全的。为了研究信息在不完全社会网络上的信息传播,本文提出了一种基于核函数的信息传播模型。首先,根据信息传播在社会网络中的级联关系将网络中的节点映射为到连续的特征空间,并通过节点间的距离反应节点的传播顺序。其次,将信息在网络中的传播描述为特征空间中的能量扩散过程,并采用随机梯度下降法进行优化求解。最后,将信息的内容加入到目标特征空间中,并给出了相应的核函数。实验表明,本文提出的信息传播模型与相关的模型相比较不仅可以弥补社会网络的不完全性,还具有更高的预测性能。     

基于朋友圈和节点感知的内容中心MSN路由机制

为了解决移动社交网络(MSN)中由于网络拓扑的时变性以及节点资源的受限性导致路由时延长、投递率低等诸多难题,利用信息中心网络(ICN)内容和位置分离的特点更好地支持终端移动性和网内缓存,设计了一种基于朋友圈和节点感知的内容中心MSN路由机制(FACMR)。首先,明确了节点模型的功能表,使节点具有感知能力。然后,基于节点关系强度和其缓存内容相似性构造朋友圈,快速高效地指导路由。其次,利用缓存特征和置换策略进行朋友圈的维护。最后,利用网络模拟器(NS3)对FACMR进行仿真。仿真结果表明,FACMR与现有的典型算法相比,缓存置换率减少了6.35%,误包数减少了22.9%,平均路由时延降低了43.5%,是一种可行且高效的MSN路由机制。     

内容中心网络数据污染的快速检测机制

内容中心网络通过路由器缓存内容来提高网络的整体性能.为防止被污染的数据在网络中扩散,路由器需要对进入网络的内容进行验证.原始的验证机制需要对内容的数字签名进行非对称密钥解密操作,导致内容验证速度不能满足高速路由器的需求.提出了基于着色的快速内容验证机制,以减少内容验证的计算复杂度,加快内容的检测速度.该机制通过对第1次进入网络的正确内容进行着色操作以保证其正确性.被着色的内容再次进入网络时,路由器可以通过着色信息来快速验证内容的正确性,从而提高路由器的检测速度.     

一种在线社会网络的信息扩散预测模型*

论文针对在线社会网络中的信息扩散问题,提出了一个信息扩散的预测模型。首先给出了以好友关系作为用户距离度量的方法;然后将信息扩散看作是“社会扩散”和“内部扩散”两种方式同时作用的结果,并分别将Fick扩散理论和Logistic增长模型用于描述这两个过程,设计了Fick‐Logistic扩散预测模型。最后,用该模型对Digg数据集中最具代表性的新闻实例进行预测。较高的预测准确率表明,论文提出的Fick‐Logistic扩散预测模型能较好描述Digg在线社会网络中的信息扩散过程,具有较好的预测性能。     

移动网络中的视频中心网络技术

在过去的十几年中,移动视频网络飞速发展,逐渐成为人们生活中所不可或缺的一部分.随着用户需求的不断变化,移动视频网络也在不断发展与革新.本文以移动视频网络架构的演变为标准,将其演进过程分为服务器/客户端架构、覆盖网架构、面向内容网络架构三个阶段,并详细阐述了每个阶段移动视频网络发展的驱动力和它的关键技术.最后,本文对三个阶段的移动视频网络做了全面的对比分析,并且展望了移动视频网络未来的发展趋势.     

How Does Sentiment Content of Product Reviews Make Diffusion Different?

ABSTRACT

The current study is focusing on diffusion and adoption of new digital artifacts. The goal is to explore the social role of user-generated content (UGC) during the diffusion process of digital products in the context of online social networks. Data collection is conducted on 154 new digital products during a two-year timeframe. Results of the study provide a deeper insight into the influence of sentiment content on new product diffusion and how such a web system (i.e., online social networks) can help to enable a process of value co-creation. The overall finding shows that sentiment content has a positive, but dynamic relationship with diffusion of digital products.

The study sheds light on the crowding power and the long-tail effect in online social networks. Findings also offer valuable implications for organizations to set up their strategic vision in terms of information dissemination, digital marketing, and customer relationship management.     

异构边缘网络中内容扩散策略及优化

通过内容扩散系统在边缘网络中部署热门内容的副本可以有效缓解骨干网络的负载压力。因为网络边缘设备的能力和其所属用户的兴趣可能存在差异,内容扩散策略需要充分考虑边缘网络的异构性。本文首先提出一种分层的边缘网络拓扑和去中心化的内容扩散策略实现热门内容副本的扩散。基于设备的能力、负载和兴趣特征,本文进一步优化内容扩散策略,包括：基于兴趣的扩散目标调整策略、启发式的缓存节点选择策略、覆盖率感知的传输内容选择和传输负载感知的接收节点选择策略。实验结果表明优化后的扩散策略在边缘网络中拥有更稳定的高服务成功率,提高了约25.5%的本地获取服务的概率,减少了约7.6%的完成扩散所需时间。     

LDFS:NDN路由器的缓存扩充新方法

现有路由器因其存储容量无法满足命名数据网络(named data networking,NDN)对缓存容量的需求,导致了NDN部署困难。提出了一种软件扩展路由器缓存容量的方法——LDFS(lightweight distributed file system)。LDFS的主要思想是将边缘网络的终端用户和存储服务器作为存储节点,虚拟缓存服务器统一管理存储节点并向客户端提供缓存服务,客户端以库函数的形式向上层应用提供接口。LDFS的主要特点是轻量级客户端和多种存储资源提供存储服务。最后通过实验对系统的性能进行了测量,并验证了轻量级客户端设计的优势。     

P-M模型扩散函数的改进

P-M模型是图像平滑中经典的模型,其特点是既能消除孤立噪声点,又能有效保持图像边缘。P-M模型中的扩散函数,其作用是控制平滑力度。本文在研究P-M模型基础上构造了一个新的扩散函数,采用新扩散函数的P-M模型对图像进行平滑,其结果与经典的P-M模型相比,在峰值信噪比相当的情况下,迭代次数大大减少,运行速度得到很大提高。     

树形网络中的一种有效视频内容分发算法

随着互联网中视频内容比重的迅速增加,视频业务随之也在不断的增加,这些视频业务将占据大量的互联网带宽.如何节约带宽和提高视频服务质量已成为互联网研究中的重要研究课题,而提高视频业务服务质量的两个主要途径是增加网络带宽和增加网络中缓存视频服务器的容量.为了使得视频服务商对增加带宽和增加缓存容量的投入最小化,就要决定网络视频内容在网络服务器中如何放置和分发.在本文中,首先我们基于内容放置和内容传输代价对树形网络中的视频内容放置问题进行数学建模,其次我们根据该数学模型提出一种有效的动态规划算法.该算法不仅可以有效解决了我们提出模型中的整数规划问题,而且其时间复杂度为O(NP).     

Modeling Content for Semantic-Level Querying of Multimedia

Many semantic content-based models have been developed for modeling video and audio in order to enable information retrieval based on semantic content. The level of querying of the media depends upon the semantic aspects modeled. This paper proposes a semantic content-based model for semantic-level querying that makes full use of the explicit media structure, objects, spatial relationships between objects, events and actions involving objects, temporal relationships between events and actions, and integration between syntactic and semantic information.