一种基于社会行为的非结构化P2P搜索算法

针对非结构化对等网络(P2P)中信息资源搜索效率低的问题,给出一种基于社会行为的单跳算法。为网络中每个节点引入朋友列表和查询记录列表,记录过去的搜索经验,用于同伴选择和路线查询,之后排列节点价值,更新列表。利用基于推荐节点搜索、基于有用的朋友节点搜索和基于邻居节点搜索3种机制,搜索所需资源。仿真结果表明,所给算法可减少搜索跳数,提高搜索成功率,减少冗余消息,节省内存空间。     

P2P网络中一种层次资源搜索模型

针对传统P2P网络带宽利用率低的特点，基于Gnutella模型，采用分层机制和索引目录表技术，提出了一种层次资源搜索模型，并进行了性能分析．与Gnutella模型相比，层次资源搜索模型具有良好的性能。     

一种改进的非结构化P2P网络洪泛搜索机制

非结构化P2P网络使用基于洪泛的查询算法来进行资源搜索。然而,这种搜索机制随着网络节点的增多,网络规模的增大,将产生大量的冗余查询消息,会导致网络流量急剧增加,引起网络拥塞。提出了一种基于转发区间的洪泛搜索机制FIFSM(forwarding interval based flooding search mechanism),通过为消息分配不相交的转发区间,使其沿着一棵生成树的结构传播,消除了消息环路,从而避免冗余消息的产生。FIFSM机制采用高效的网络维护策略,能够在动态环境下以较低的开销保证网络的稳定性。实验结果表明,FIFSM机制能够降低洪泛开销,保证资源搜索的高成功率和低延迟,是一种有效的非结构化P2P网络资源搜索机制。     

基于JXTA的层次性P2P搜索引擎框架的研究与设计

提出了一种用层次性P2P搜索体系来解决集中式搜索中的中心节点瓶颈问题,以及纯粹P2P搜索中的查询消息风暴和网络扩展性问题,并在P2P应用开发平台JXTA上开发了层次性P2P搜索系统原型,在小规模网络上进行了测试.测试结果验证了所提出的层次性P2P搜索体系结构及相应查询路由机制是可行的.     

基于JXTA的层次性P2P搜索引擎框架的研究与设计

提出了一种用层次性P2P搜索体系来解决集中式搜索中的中心节点瓶颈问题，以及纯粹P2P搜索中的查询消息风暴和网络扩展性问题，并在P2P应用开发平台JXTA上开发了层次性P2P搜索系统原型，在小规模网络上进行了测试．测试结果验证了所提出的层次性P2P搜索体系结构及相应查询路由机制是可行的．     

改进的非结构化对等网络动态搜索算法

非结构化对等网络中的资源搜索效率通常由搜索失败率和平均跳数来衡量.目前绝大多数搜索算法都难以保证查找的成功率.本文研究了 3 种Gnutella 网络中使用的资源搜索算法,包括Flood,Random Walk和Random Walk with Neighbors Table.在此基础上,提出一种改进的动态搜索方法(IDS).通过在动态搜索算法(DS)中增加Neighbors Table 索引机制,能够增强搜索性能.实验证明本方法在查询失败率基本不变的情况下,具有减少搜索平均跳数的效果.     

一种改进的分布式搜索引擎模型

为了解决传统分布式搜索引擎存在的搜索性能问题,从索引结构、查询算法方面改进了传统模型．提出了一种非集中的高并行化搜索模型,该模型按照文档主题对索引分类,对较长的倒排记录表采用位图结构,利用多线程技术对索引节点实现并行搜索算法(multi max score heap,MMSH)．实验结果表明:改进模型中的索引分类方法与倒排表结构的位图策略,能够增强Merge层查询的针对性,降低Merge层节点的CPU和内存开销;在倒排表不能完全存入内存情况下,MMSH算法能够实现高度并行化查询,其查询效率高于经典的term-at-a-time算法,缩短了平均查找时间,提高了系统吞吐量．索引分类、位图结构以及并行查询算法能够避免查询的盲目性,改善了分布式搜索引擎的性能．     

基于资源规模的P2P网络搜索机制的研究

针对目前非结构化对等网络搜索算法查询到的资源量少、查询效率不高而且系统开销巨大的缺陷,提出了基于资源规模的搜索机制.将分散在各个节点上的资源索引信息向局部区域内资源规模较大的节点进行聚集,按照索引规模描述参数的扩散方向建立起冗余的资源索引系统.执行搜索动作时,查询命令沿着资源规模最大的一条路径向前传递,并采用回溯和重新选择邻居节点的方法处理失败的查询命令,在有限的搜索生命期内尽量地向前投递查询请求.对比试验证明:该算法能够在较少的步骤内覆盖对等网络的大部分资源信息,同时系统的开销较低.算法具有较高的查询效率,有效地提高了系统的性能.     

移动P2P网络中基于超级节点信息熵的资源发现算法

移动P2P网络节点的移动性特征使得网络搜索性能的变化大,也造成了资源搜索的成功率低下和系统不稳定性增加.通过选择信誉高、动态弱的节点作为超级节点,再选择一个与超级节点相对信息熵最小的节点作为此超级节点的候选超级节点的基于超级节点信息熵的选择算法.理论分析和仿真结果表明,该算法使得系统稳定性增加,可有效地提高系统的资源搜索的成功率.     

基于查询内容Bloom Filter 的P2 P 网络路由机制

为减少洪泛路由的盲目性,提出并验证了一种根据查询请求内容的不同来选择不同节点,进行查询转发的路由改进机制。节点保存描述已知节点资源的Bloom filter,按查询内容的匹配程度选择转发查询的邻居节点。实验表明,该机制可以减少消息冗余,提高路由效率,提高P2P系统的可扩展性。     

混合对等网络中基于激励的可靠搜索算法

针对对等网络中因搭便车节点的消极行为所造成的搜索不可靠问题,提出了基于信度模型的可靠搜索算法(CMRRW)。应用信度模型来评价节点的服务能力和稳定性。提出查询可靠率的概念,用来反映经由该节点的历史查询成功率及其周边环境路由效率。在节点选择邻居进行消息转发时,优先选择信度高且历史命中率高的邻居节点。实验结果表明,CMRRW算法能显著提高搜索效率,提高搜索的可靠性。     

RPDDP:一种能源有效的无线传感器网络路由协议

描述了不同的查询机制；分析了分布式数据处理算法及其能耗特性；提出了一种能源有效的路由协议RPDDP并给出了RPDDP的协议描述。RPDDP采用双向查询机制以节省路径建立过程的能源消耗；通过提供分布式网络数据处理有效地减少了通信开销；并且为用户提供能源节约和可靠性之间的折中机制。仿真实验结果表明与已有的传统查询机制相比，RPDDP的查询成功概率较高，平均每个分组的通信开销较低；当sink同时发送2个查询包时，网络性能最优。     

多值预测位置隐私保护机制

针对当前位置隐私保护方案中存在的安全和效率问题,基于马尔可夫链技术提出一种多值预测查询的位置隐私保护方案. 首先,根据状态转移矩阵对输入的多个查询值进行计算,并生成下一时刻的预测位置和查询内容;然后,基于布隆过滤器原理,建立兴趣点缓存机制. 安全分析结果表明,所提方案满足匿名性、不可伪造性和抵抗查询服务追踪等安全特性;仿真结果表明,所提方案与现有方案相比具有较高的执行效率和较低的通信开销,且有较高的缓存命中率,能有效减少与基于位置服务器间的交互次数.     

面向舆情采集的分布式缓存系统设计

为了提高舆情采集系统的性能,通过分析舆情采集系统的需求与架构,针对系统存在的性能瓶颈,提出了相应的优化方案,设计并实现了分布式缓存系统,即在现有分布式搜索引擎基础上,在总查询处理服务器与各集群子查询处理服务器之间增设一台缓存服务器。实验表明,在采用该分布式缓存系统后,舆情采集系统的处理能力得到了一定程度的增强。     

基于平均场博弈的超密集网络边缘缓存和删除分配研究

超密集网络设备数目庞大导致缓存分配算法复杂度极高,频繁地缓存和删除同样的内容导致的系统不稳定,为此,提出了基于平均场博弈（MFG）的分布式缓存分配算法和基于李雅普诺夫漂移加惩罚（DPP）方法的分布式删除分配算法.MFG方法使缓存分配算法的复杂度与基站数目无关.DPP方法将具有时间相关性的删除分配问题解耦成为每个时刻的问题,并求解得到了兼顾系统稳定性和网络开销优化的删除分配策略.仿真结果表明,MFG方法能够使网络最优控制策略快速收敛,并且在超密集场景下得到明显低于基本缓存分配方法的网络开销;李雅普诺夫DPP方法能够实现兼顾网络开销优化的网络缓存和删除稳定性.     

基于SVG的图形查询研究

讨论的查询对象是基于SVG的图形,查询方式分为快速查询和特征查询两种类型,其中特征查询包括文本、名称、类型和自定义等4种方式,并实现对查询到的对象进行图形本身的查找和变换等操作.随着SVG在Web中的广泛应用,基于SVG实现图形查询技术,将给网络图形搜索引擎带来革命性的变化.     

一种基于奖励机制的智能元搜索引擎

针对元搜索引擎中返回大量重复冗余信息导致结果显示代理负担加大、系统查准率降低的缺陷,结合Agent技术建立基于多Agent的元搜索引擎系统模型,从成员Agent的爬行能力值、检索文档与查询主题的相关度和查询响应时间三个方面综合衡量成员搜索引擎对于查询的重要度,并按降序排序,优先选择重要度最佳的若干成员搜索引擎进行智能调度和智能结果合成。实验结果表明,与传统元搜索引擎相比,这种基于奖励机制的智能元搜索引擎提高了检索效率和查询性能。     

Gnutella对等网中抵御DDoS攻击的评估算法

为了有效降低恶意节点利用泛洪查找机制对网络造成的破坏,提高对等网抵御DDoS攻击的自适应力,提出了基于马尔科夫的评估(ME)算法。运用可信和信誉机制对节点的历史行为进行评估,确保节点所获取的信息来源节点的可信;通过节点邻居信息的交互将恶意节点尽早识别、隔离,并将恶意消息的传播控制在局部范围,增强抵御DDoS攻击的效能。仿真实验结果表明,该算法能有效地隔离恶意节点,阻止恶意消息的传输,增强Gnutella对等网对基于泛洪DDoS攻击的容忍度。     

基于相关性概率的信息中心网络协作缓存策略

信息中心网络(ICN)的节点缓存功能有助于海量内容的高效分发,缓解链路拥塞并减少流量冗余. 传统的缓存策略不利于提高全网缓存的内容多样性和缓存节点的平均命中率,现有研究能在一定程度上解决这些问题,实现了公平的内容流复用,但没有充分考虑节点之间的协作,导致节点缓存的利用率不均. 为了解决上述问题,从当前节点缓存状态对其他节点的影响入手,提出一种基于相关性概率的ICN协作缓存策略,根据路径及相邻节点信息做出本节点的缓存判断,从而有效控制缓存冗余. 仿真结果表明,该方法可以减轻服务器负载,丰富全网内容多样性,有利于提高交错复杂网络节点的命中率和利用率,减少请求跳数.     

HDNBS： An approach for search in decentralized and unstructured P2P

Decentralized and unstructured peer-to-peer applications such as Gnutella are attractive because they require no centralized directories and no precise control over network topology or data placement. Search algorithm is the major component of the distributed system and its efficiency also does influence the systems performance. However the flooding-based query algorithm used in Gnutella produces huge traffic and does not scale well. Gnutella-like P2P topology has power-law characteristic, so a search algorithm was proposed based on high degree nodes of power-law network, High Degree Nodes-Based Search (HDNBS). Extensive simulation results show that this algorithm performs on power-law networks very well, achieves almost 100% success rates, produces O(logN) messages per query and can locate target file within O(logN) hops.