Internet级联动力学分析与建模

不同于以往的介数模型,分析了Internet级联动力学特点,提出了节点拥塞函数,相当于给每个节点赋予一个动态权值,以表征该节点的拥塞程度.引入延迟时间的概念,在永久删除策略和不删除策略之间建立关联,以增强模型的灵活性.基于拥塞作用建立新的网络效率评估函数,并以此衡量级联故障的严重性.基于同质Statnet和异质Webgraph两种拓扑,研究不同的拓扑结构、规模、延迟时间、节点处理能力和包产生速率对拥塞传播的影响,揭示出级联故障传播分为3个阶段以及影响传播的部分主要因素.     

动态Internet拥塞控制算法

基于网络优化原理,建立了一个在网络的源节点和连接节点都是动态变化的Internet拥塞控制算法．通过讨论具有通信时延的动态Internet拥塞控制算法的频率曲线,得到’了时滞函数的许多频域特性;应用多变量频域控制理论,分析了时廷不同的动态Internet拥塞控制算法在平衡点的渐近稳定性．最后,通过仿真验证了结论的有效性．     

无线通信网络的建模及故障传播

针对级联故障在网络数学模型中展现的局限性,基于复杂网络和图论的基本原理,对无线通信网络进行建模,并对网络中的故障传播进行研究。根据复杂网络中的无标度模型,建立由网络节点和通信信道组成的线图模型。针对无线通信网络中的级联故障,分别从网络故障等级、节点容错能力大小、初始故障节点数目等方面研究故障在通信网络中的传播情况。仿真结果表明,线图模型能够更直观地体现网络特性,同时故障参数会影响级联故障在通信网络中的传播。     

带恢复策略的复杂网络级联失效机理及鲁棒性研究

为研究复杂网络在遭遇随机故障或蓄意攻击时的鲁棒性,考虑节点具有恢复和重复失效等特征,构建故障节点概率传播模式下的级联失效模型.构建节点故障概率随故障次数增加而逐渐降低的故障概率函数,设计概率恢复(R)和阶段恢复(T)两种故障节点恢复策略,并针对ER、WS、NC和BA四类网络研究其恢复鲁棒性.仿真实验考虑模型中相关参数变化,揭示其对复杂网络级联失效过程中的鲁棒性影响,综合分析边鲁棒性和节点鲁棒性的性能权衡.仿真结果表明,在概率恢复策略下,随着恢复率的增大,4类网络级联失效的规模均能够实现有效降低;而在阶段恢复策略下,随着参数T值增加到不同阈值,4类网络鲁棒性指标在级联失效过程中均能够呈现出突变现象.     

复杂软件的级联故障建模

软件复杂性的增加直接导致软件故障的复杂性增加.从系统科学的角度出发,采用复杂网络等方法和技术在整体上研究复杂软件的级联故障特性是研究软件质量的一个新视角.以函数为节点、以调用关系为边,提出了使用有向边和边权表述函数间的调用关系和紧密程度的拓扑模型.通过引入函数容错能力和软件故障强度建立复杂软件的级联故障模型,模拟软件运...     

无尺度网络下的僵尸网络传播模型研究

僵尸网络是一种从传统恶意代码进化而来的新型攻击方式,已成为Internet安全的一个重大威胁。建立僵尸网络的传播模型已成为研究僵尸程序传播特性最有效的一种方法。当前建立的僵尸网络传播模型均是基于随机网络理论的,而实际的Internet是一个具有无尺度特性的复杂网络,因此,这些主流传播模型并不能完全准确反映僵尸程序在Internet的传播特性。提出了一种基于无尺度网络结构的僵尸网络传播模型,根据Internet的实际情况,结合网络流量阻塞这一Internet中的常态现象,重点考虑了真实Internet中节点的增长性和择优连接性。仿真结果表明,该模型不仅符合真实Internet网络中僵尸程序的传播规律和感染特性,而且能够反映出网络中出现拥塞时僵尸程序的感染特性。     

基于节点和链路容量的无线传感器网络级联故障研究

无线传感器网络的级联故障模型主要侧重于节点容量对网络性能的研究,忽略了链路容量的影响,从而导致流量指标无法正确反映无线传感器网络的汇聚特征.鉴于此,本文建立了一种受节点容量和链路容量限制的无线传感器网络级联故障模型.首先,根据新的流量指标"方向介数"重新定义了网络负载;其次,通过构建网络级联抗毁性模型,使故障节点可在一定时间延迟后从故障状态恢复.最后,提出了一种路由恢复机制,可以有效改善网络级联故障的抗毁性,并进行了仿真对比测试.结果表明:本文提出的方法可以帮助故障网络在较短时间内得到恢复,使网络状态更加稳定.     

动态自适应的Internet拥塞控制系统的PID调解器

Internet网络拥塞控制算法决定着网络的服务质量。把Internet通信系统看作具有通信时延的闭环反馈系统,建立了一个PID调解器控制Internet连接节点的拥塞率。采用特定相位裕量方法动态调整PID控制器的参数,使控制器能在线自适应网络系统中的变化。最后仿真验证了新的主动队列管理策略的有效性和鲁棒性。     

不同信息共享程度下交通拥塞控制研究

信息共享程度是影响交通通行效率的重要条件。分析了信息闭塞、局部信息共享和全局信息共享三种信息共享模式下的交通拥塞现象及其传播特征,并对网络节点行为进行动力学分析,采用概率母函数、分支过程和协调博弈的方法建立了交通拥塞传播模型,解析分析了交通拥塞传播的临界值,比较了不同信息共享模式下的交通拥塞控制策略。仿真实验表明,信息闭塞和局部信息共享下的拥塞控制在交通网络流量较小时更为有效,全局信息共享有利于抑制大规模的拥塞传播,但其可控难度较大。     

无线传感器网络中一种避免节点拥塞的算法

无线传感器网络节点拥塞导致节点丢弃大量的数据包,这不仅影响了网络服务质量, 还浪费了节点宝贵的能量,进而缩短了网络生命周期.提出了一种避免传感器网络节点拥塞的算法.该算法包含了基于发送窗口分配的拥塞避免和基于优先级的数据包调度策略.网络节点首先根据一定策略为上一跳节点分配发送窗口来预防本地发生拥塞,获得发送窗口的上一跳节点每次选择优先级最高的数据包发送以改善网络服务质量.模拟实验表明,提出的算法具有良好的能量有效性,有效地避免了由节点缓冲区溢出造成的网络丢包,同时改善了网络传输的公平性并降低了网络的平均延迟.     

Assessing the Impact of Cascading Failures on the Interdomain Routing System of the Internet

The Internet is a typical complex network, whose traffic load is controlled by the inter-domain routing system. Due to the co-location of data plane and control plane of Border Gateway Protocol, the survivability of inter-domain routing system is sensitive to severe congestion. Therefore, an initial outage may lead to a cascade of failures in the Internet. But the cascading failures on links are able to be automatically restored when the congestion is mitigated. In this paper, we propose a model - CAFEIN for characterizing this special process. Based on CAFEIN, we assess the difference of impact under intentional attacks and random breakdowns; identify the worst affected part of the Internet; and study the propagation of cascading failures. Through simulations, we find that the cascading failures bring a great deal of added burden to the routing system. However, the cascading effect is amplified globally when the relative capacity of links is very low. Moreover, the difference of impact between intentional attack and random breakdown is not as prominent as previous research due to the unique automatic-restoration process.     

基于节点蓄意攻击的因特网鲁棒性研究

现实网络遭受蓄意攻击的鲁棒性一直是网络科学研究中的重要问题。本文通过考虑实际的因特网,采用节点度的幂函数来定义节点的初始负载,构建局域负载重分配下的级联模型,比较2种不同攻击策略对网络鲁棒性的影响,并研究蓄意攻击条件下重要网络参数对网络鲁棒性的影响。通过数值仿真实验,得出以下结论：1)当初始负载参数大于某一个阈值时,攻击高负载节点的确比攻击低负载节点对网络的危害更大,但当初始负载参数小于该阈值时,攻击低负载节点反而能更有效地破坏网络;2)节点的初始负载参数越小,容量参数越大,网络的鲁棒性越强。本文研究结果可为因特网中级联故障的控制和防御提供参考。     

基于传播动力学的域间路由系统关键节点识别方法

域间路由系统是互联网的关键基础设施,对域间路由系统中的关键节点实施保护具有重要意义。针对现有关键节点识别方法识别出的关键节点不能反映节点在失效传播过程中起到关键作用的问题,提出了基于传播动力学的关键节点识别方法。该方法通过综合考虑节点失效后引发的负载重分配和UPDATE报文传播对周围节点和边产生的影响,提出了基于DDF-CFM模型的节点重要性评估模型。实验结果表明,该方法相比已有方法识别关键节点的准确程度至少提高7.3%。同时,在10 000个网络的规模下,仅5个关键节点失效就将导致大规模的域间路由系统级联失效。     

Adaptive Pinning Synchronization of Complex Networks with Negative Weights and Its Application in Traffic Road Network

International Journal of Control, Automation and Systems - As local traffic congestion and uncertainty factors existing on roads may lead to cascading failures or even large area traffic network...     

基于负荷-容量模型的网络相继故障研究

网络相继故障是网络脆弱性研究中的热点问题.采用负荷-容量模型对复杂网络的相继故障进行建模分析.首先分析了网络流量负荷的突发模式对相继故障的影响.实证研究发现,网络实体间的通信活跃性具有自组织临界性.在网络安全地应急响应时,应该更关注那些原本不活跃的结点间流量的变化;其次,引入成本因子对经济、技术条件制约下的网络资源受限生成过程及网络容量-负荷关系建模,以揭示网络结点的容量-负荷之间存在着怎样的制约关系;最后提出了一种基于容量相互补偿的搜索式分配算法,以获得有限资源下最优的网络鲁棒性容量分配策略.实验证明,算法能够找到比线性分配或偏好负荷的偏好依附分配策略更好的结果.     

The cascading neural network: building the Internet of Smart Things

Most of the research on deep neural networks so far has been focused on obtaining higher accuracy levels by building increasingly large and deep architectures. Training and evaluating these models is only feasible when large amounts of resources such as processing power and memory are available. Typical applications that could benefit from these models are, however, executed on resource-constrained devices. Mobile devices such as smartphones already use deep learning techniques, but they often have to perform all processing on a remote cloud. We propose a new architecture called a cascading network that is capable of distributing a deep neural network between a local device and the cloud while keeping the required communication network traffic to a minimum. The network begins processing on the constrained device, and only relies on the remote part when the local part does not provide an accurate enough result. The cascading network allows for an early-stopping mechanism during the recall phase of the network. We evaluated our approach in an Internet of Things context where a deep neural network adds intelligence to a large amount of heterogeneous connected devices. This technique enables a whole variety of autonomous systems where sensors, actuators and computing nodes can work together. We show that the cascading architecture allows for a substantial improvement in evaluation speed on constrained devices while the loss in accuracy is kept to a minimum.     

基于社团理论的复杂网络级联故障模型

针对目前级联故障研究局限于单个节点或节点的简单邻居关系的问题,充分考虑网络的中观局域特征--社团结构,提出一种考虑社团理论的级联故障模型。依据节点的社团属性,赋予节点动态初始负荷,并采用不同的攻击策略对美国西部电力网络、美国航空网络、IEEE118标准电网和无标度网络(SFN)等不同网络模拟故障过程。经仿真发现,社团因素对节点的初始负荷贡献越大,社团内失效节点引发的故障规模越小,而连接多个社团的特殊"枢纽"节点的失效则会引发严重的级联故障。进一步计算不同属性的Pearson相关系数,表明节点的社团外邻居节点数属性较其他属性与故障规模更相关。     

考虑相继故障的物流耦合网络节点重要度评估*

物流网络是由任务网络和交通网络构成的耦合网络,为有效识别和保护关键节点,避免耦合网络相继故障引发的大规模系统崩溃,提出了考虑耦合网络相继故障的节点重要度评估方法。基于物流任务的效率要求设计了物流任务和交通双层均衡规划模型并将移除节点造成的效率损失和拥堵程度分别作为衡量节点重要度的主要和辅助标准。通过仿真试验验证了该方法的可行性与准确性。与其他方法相比,该方法能有效识别失效后引发关联网络大规模相继故障的节点,从而为关键基础设施的保护提供依据。     

车联网中基于多参数决策的中继选择方案

5G时代,车联网是最具发展潜力的应用,也是未来智能交通管理系统的重要组成部分。但是,车联网本身也存在局限性。车联网中的车辆节点移动迅速,网络拓扑变化快,道路环境复杂,这些问题都将导致通信链路不稳定,甚至产生中断。因此,选择可靠、高效的中继节点来保障车联网的有效通信连接极为重要。提出基于多参数决策的中继选择方案,综合考虑候选中继节点的带宽、时延、节点切换预测值以及用户节点的相应需求,利用简单的线性加权函数评估候选中继的性能,最终得到最优中继。仿真结果表明,该方案在系统吞吐量和中继切换次数方面比传统方案更具优越性。     

级联过程中基于动态信息的负载重分配策略

基于网络级联失效研究,考察相依异构网络ER-BA级联失效动态过程,提出基于节点实时处理能力的负载重分配策略。仿真测试显示,相依异构网络整体鲁棒性受异质化程度较高的网络影响,发生级联失效时应降低网络间的连接强度;以介数为基础的负载重分配策略易引发中心节点失效而降低网络整体鲁棒性,基于实时处理能力的负载重分配策略能有效提高相依网络的整体鲁棒性。