非结构化P2P网络的一种改进搜索算法

分析非结构化P2 P网络中利用原始的洪泛法进行资源搜索时产生冗余查询包的原因,提出整改的措施和优化的机制,在此基础上给出改进的搜索策略,同时设计出一种更好的分段搜索算法,并对其进行实验仿真,通过和洪泛法的模拟分析比较,表明改进后算法的高效性和可行性。     

非结构化P2P网络的增量式查询

基于非结构化P2P网络的应用日益广泛,参与共享资源的节点越来越多,且呈海量增长趋势.如何在海量节点、海量资源的情况下,对同一查询语义进行增量式查询,是一个重要而颇具挑战性的问题.提出了一个通用的近似依相关性大小的非结构化P2P网络增量式查询算法模型,该算法模型使得针对同一查询语义的增量式查询尽力优先访问与语义最为相关的节点,从而在完全分布式的P2P网络中获得类似Google[1]的依据资源相关性排序显示及其"下一页"的功能.     

结构化纯分布式P2P网络复杂搜索算法研究

随着P2P技术的快速发展,结构化P2P网络的复杂搜索问题已是制约结构化P2P网络技术得到成功应用的最重要因素之一。为此,本文首先分析了结构化P2P网络的复杂搜索问题的产生原因和背景,对当前主要的基于结构化P2P网络的复杂搜索算法进行了较为全面的分析和评价。     

基于兴趣域的非结构化P2P模型

泛洪式路由（Flooding）是在非结构化对等网络中进行有效资源查找的主要方式,但其路由过程将产生大量冗余消息,因而严重制约了其可扩展性。随节点数增多,泛洪式路由的网络带宽消耗也变得异常严重。针对非结构化P2P网络拓扑的特点,结合对已有的非结构化P2P搜索算法的研究,文章提出了一种基于兴趣域的非结构化P2P搜索算法,使得节点能在短时间内查找到有效的资源,减少了查询信息量,缩短了路由路径,提高了搜索效率。     

一种基于非结构化对等网络的改进搜索算法

目前非结构化的P2P网络系统中,一般以广播方式作为其搜索的基本策略,引发较大的网络流量。因此,提出改进的搜索策略,根据历史查询记录,为每个节点建立朋友节点,同时又在搜索过程中把节点划分为超级节点和普通节点。实验表明改进算法提高了搜索效率,同时减少了网络信息流量。     

基于节点兴趣的非结构化P2P网络拓扑结构研究

针对非结构化P2P网络中资源搜索算法搜索效率低、冗余消息量过多等问题,结合非结构化P2P网络拓扑结构特点,提出一种基于节点兴趣的完全二叉树（CBT-BI）非结构化P2P覆盖网络拓扑结构。在兴趣相似度高的节点之间建立逻辑连接,根据兴趣相似度值在完全二叉树中按序排列;在资源搜索过程中,使用基于洪泛算法的双向资源搜索方法。仿真结果表明,该拓扑结构使得节点能在短时间内查找到有效的资源,减少查询消息量,缩短了平均路由路径,提高了资源搜索效率。     

基于结构化P2P网络的计算力资源整合方法的研究与实现

结构化P2P网络因其查找效率高、资源消耗少的特点受到了越来越多的关注,但由于缺少易于开发和应用的平台,结构化PZP网络上的应用还没有广泛出现,这限制了结构化P2P网络的普及.本文研究了结构化P2P网络在计算力资源整合应用上的优势,提出了一种基于结构化P2P网络的计算力资源整合方法,面向系统性能、可靠性、缩放性进行了优化,设计并开发了相应的原型系统.对该方法进行了理论分析和实验验证.结果表明,这一方法有效地整合了网络中节点的计算力,并对网络动态变化和负载均衡有较强的适应能力.     

基于拥塞控制的非结构化P2P网络的路由负载均衡策略

非结构化P2P(unstructured peer-to-peer network)对等网络中的节点资源定位的路由查询是对等网络研究中的一个主要难题,特别是当网络中客户端节点由于其频繁加入、离开导致网络结构动态变化所带来的资源查询难题.提出了一种新的基于拥塞控制的路由查询方法来实现动态网络下的资源查询.该方法分两部分实现:首先是网络资源的分组与节点重连策略.该策略使得具有同等资源的节点相互连接,并周期性地调整节点上的节点连接数量以减少同组资源节点上的负载.通过以上策略,使得网络的拓扑结构自动地从随机网络结构进化到以资源组为单位的聚类网络,从而使得网络中形成网络资源组间的查询负载均衡.另一方面,组内的节点之间的路由负载均衡是通过节点间协同学习实现的.采用协同Q-学习方法,所研究的方法不仅从节点上学习其处理能力、连接数和资源的个数等参数,还将节点的拥塞状态作为协同Q-学习的重要参数,并建立模型.通过这种技术,同一组节点上的资源查询被有目的地引导,以避开那些组内拥塞的节点,从而最终实现资源组内节点之间的查询均衡.仿真实验结果表明,相比常用的random walk资源查找方法,该研究所实现的资源定位方法能够更迅速地实现网络的资源查询.仿真结果还表明,相比random walk方法,所提出的方法在网络高强度查询和网络节点动态加入和退出的情况下进行查询具有更高的鲁棒性和适应性.     

改进的非结构化P2P网络搜索算法

如何高效地搜索资源是P2P网络中最为关键的问题.非结构化的对等网络,一般以广播方式作为其搜索的基本策略,引发较大的网络流量.针对以上问题,提出了一种利用节点积累的经验指导节点传播查询的路由搜索算法.在该算法中,通过记录节点关注的主题、主题的信息量大小和满足主题的目标节点,并建立对应关系表.当节点收到查询后,就利用该表来指导节点选择查询,以便更快地找到查询结果.仿真结果表明,该算法有效地减少了查询带来的网络流量,提高了查找的成功率.     

基于蚁群算法的非结构化P2P网络资源搜索策略

针对非结构化P2P网络资源搜索算法中冗余消息数过多、搜索效率低等问题,提出一种基于蚁群算法的非结构化P2P网络资源搜索策略,该策略利用蚂蚁信息素的正反馈原理,同时综合考虑邻居节点度和邻居-邻居节点信息,选择下一条邻居节点路径转发查询消息,有效地指导资源搜索路径的生成。实验结果表明,该算法在一定程度上减少了大量的冗余查询消息,提高了资源搜索的成功率,是一种有效的非结构化P2P网络资源搜索策略。     

基于网络覆盖的P2P稀有资源搜索策略

针对无结构P2P网络中稀有资源搜索成功率低、搜索代价高的问题,提出2种基于网络覆盖的稀有资源搜索策略：RSR和FRSR RSR在随机漫步的基础上通过考虑邻居节点的热度改进请求转发方式,FRSR通过结合洪泛搜索改进随机漫步转发策略。实验结果表明,RSR搜索稀有资源的时间比普通随机漫步减少了22．9％,平均搜索成功率提高了26．2％,通信开销降低了22．8％,FRSR比随机转发方式减少了15．4％的搜索时间,提高了14．2％的搜索成功率。     

一种P2P资源搜索的改进方法

如何高效地搜索资源是P2P网络中最为关键的问题.非结构化的对等网络,一般以广播方式作为其搜索的基本策略,引发较大的网络流量.针时以上问题,提出了一种在节点建立跳转路由表的方法进行搜索的算法.在该算法中,将每个转发消息的节点都看成是一个路由,将网络中某些特定性质的节点作为特征点,把网络中的特征点信息作为默认值,保存在节点的路由表的默认值项中,并根据网络具有动态变化的特性,采用了动态路由主动发现网络中的变化,并把系统中发生的变化进行更新,存储到路由表中,为进行动态路由提供信息.仿真结果表明,该算法有效地减少了查询带来的网络流量,提高了查找的成功率.     

一种支持MMOG的对等网络模型

使用P2P支持MMOG的主要难点在于“邻点发现”和“带宽消耗”.本文提出了一种支持MMOG的对等网络模型,它通过引入Delaunay三角网解决P2P游戏中的＂邻点发现问题＂,利用兴趣管理和应用层多播降低网络带宽消耗.     

一种基于离散马尔科夫模型的神经网络可靠性设计方法

本文给出了一和循环前馈神经网络来表示具有ｎ个状态的离莠马尔科夫模型,及其二次能量函数,并根据梯度下降规则,给出了相应的权值修改规则。利用该神经网络方法可以有效地对容错硬件进行可靠性设计。     

基于DHT的层次式P2P资源定位模型

P2P系统的一个核心问题是如何高效定位所需资源。该文提出了一种基于DHT(distributedhashtable)的层次式资源定位模型,将层次式引入结构化P2P系统。模型将节点组织成一个多层网络,每层可以包含多个DHT子网。该模型有助于解决P2P网络的可扩展性和可管理性问题。模拟测试表明,模型在路径长度和访问延迟方面的性能优于原DHT。     

一种新型对等网信任模型研究

对等网提供了一种开放的、自由进行文件交换的环境，但随着网络的飞速发展，恶意文件泛滥，使得系统的稳定性和可用性受到了威胁。信任机制的建立将有助于解决这些问题。论文提出了一种基于证据理论的信任模型，来解决信任的传递与合成的不确定性问题。模型简单易行，而又有理论基础，能较好地满足文件共享网络中的信任需求。     

一种新型对等网信任模型研究

对等网提供了一种开放的、自由进行文件交换的环境,但随着网络的飞速发展,恶意文件泛滥,使得系统的稳定性和可用性受到了威胁。信任机制的建立将有助于解决这些问题。论文提出了一种基于证据理论的信任模型,来解决信任的传递与合成的不确定性问题。模型简单易行,而又有理论基础,能较好地满足文件共享网络中的信任需求。     

非结构化对等网络Gnutella搜索机制的改进

本文介绍了非结构化对等网络Gnutella搜索机制的工作原理,分析其带来的可扩展性问题,提出一种动态拓扑调整的改进策略。仿真实验表明,该策略能够有效降低网络资源的消耗,优化节点间的负载均衡,进而提高网络的可扩展性和资源搜索效率。     

马尔可夫链在离散事件系统中的应用

离散事件系统是以事件驱动和状态不连续为特征的。因此,本文提出利用马尔可夫链来分析离散事件系统状态间的转移概率及稳态概率分布。     

基于时变加权马尔科夫链的网络异常检测模型

随着互联网技术的迅猛发展,网络入侵事件日益频发,入侵检测对于保障网络安全具有重要意义。针对网络入侵检测的迫切需求,提出一种基于时变加权马尔科夫链的网络异常检测模型,使用组合状态转移概率矩阵来描述状态转移。利用DARPA 2000数据集在NT系统上重放时产生的事件log作为实验数据以验证该模型的效果,并与普通时变加权马尔科夫链模型进行比较,仿真实验结果表明该模型能够对网络进行实时入侵检测,具有较高的准确性和较强的鲁棒性,并且能够有效降低误测率和漏测率。