SDN架构下的空间信息网络业务识别技术

针对传统的离线业务流量识别方法消耗时间长、实时性差的问题,通过对空间信息网络管控和网络资源的高效编排,提出一种基于软件定义网络(SDN)架构的空间信息网络业务识别技术。运用OpenFlow协议在线收集业务流量,提取流中前5个数据包作为一条子流,在SDN控制器上实现基于机器学习的在线业务分类,同时给出一种具有噪声过滤功能的协同训练算法Dif-TriTraining。实验结果表明,与传统的Tri-Training算法相比,该算法能够有效提升业务识别的准确率。     

面向SDN网络的QoS优化解决方案综述

SDN是一种蓬勃发展的新型网络体系结构,复杂的网络业务流量组成对多样QoS的需求给SDN网络路由造成了巨大挑战.为了解决SDN的QoS优化问题,学术界与工业界在SDN诞生之初进行了深入研究,提出了很多建设性的解决方案.通过深入调研,介绍SDN的基本架构,汇总并对比主流量的SDN控制器;分析SDN控制器中集成的QoS相关模块和参数;分析并归纳目前比较有影响且具有创新性的QoS优化方案;提出目前SDN网络QoS优化方案尚未解决的问题和在大规模数据中心网络、5 G移动网络等新型SDN网络场景中的发展趋势.     

基于SDN的网络传输QoS机制设计

随着工业控制、车载网络等实时业务流开始向以太网迁移,网络设备需要提供低时延低抖动的QoS保障机制.传统网络采用分布式控制,QoS保障机制的引入,会增加转发设备复杂度,同时也面临可扩展性问题.软件定义网络SDN通过将控制与转发分离,极大的增加了网络灵活性和可扩展性.本文基于SDN架构,通过在控制层将带宽资源量化为时隙,实...     

QoE驱动的SDN网络高可用传输框架

针对复杂环境下单路传输可用性低且路径切换代价高的问题,本文提出一种用于高可用性传输服务的QoE驱动和SDN辅助MPTCP路径切换方案（QoE-driven and SDN-assisted MPTCP Path switching Scheme,QESMPS）。首先根据SDN架构下数据平面节点的介数中心性构建具有路径不相交的路径规划模型。其次采用双阶段策略分别执行带宽补偿与路径切换,加快传输受阻路径上子流的转移,实现以较低的吞吐量完成路径切换。最后,将Levy飞行引入到AOA模型更新中,防止算法过早收敛,增强跳出局部最优的能力,从而保证算法在对子流路径权重进行优化时达到最优。实验结果表明,本文提出的方法在执行子流路径切换时具有吞吐量波动范围更小、延迟更低以及抖动更小的优势。此外,改进AOA算法在计算最优权值向量时可获得更高的收敛效率。     

基于SDN和虚拟拓扑的天基网络路由算法

针对天基网络的时变拓扑结构给网路管理和路由设计带来的难题,综合考虑GEO卫星和LEO卫星的优势,建立了一种基于软件定义网络(SDN)架构的天基网络模型,提出了一种基于虚拟拓扑的包含必经节点的天基网络路由算法(VTPN)。通过改进时间片划分策略,提高了计算效率,通过必经节点的设定,改善了链路拥塞问题。仿真结果表明:SDN架构下的VTPN算法与其他算法相比,网络链路利用率和负载均衡性能提高了约50%,丢包率降低了约20%。     

SDN中基于遗传机制的自适应路由算法研究

SDN以集中式的控制、可编程的接口等优点,极大地提高了网络的管控效率及操作的灵活性。但在SDN部署运行中,也暴露出传输时延大、丢包率高等缺点。针对这些问题,提出了一种基于遗传算法的自适应SDN路由算法,该算法利用遗传算法在SDN的全局网络视图中搜索优化路径。算法设计时,对交叉、变异操作进行条件约束,避免产生无效的路径,减小求解空间,降低控制器计算开销。同时能根据网络的动态变化,自适应地选择转发路径。通过Mininet仿真平台进行实验,与其他算法相比,该算法降低了网络的时延以及丢包率,提高了网络性能。     

基于SDN的胖树数据中心网络多路径路由算法

现有的多数路由算法未综合考虑链路实时传输状态和流量特征。为此,基于软件定义网络集中控制和全网管控的思想,提出一种基于链路实时状态和流量特征的多路径路由算法。该算法将数据流分为大流和小流,大流吞吐量要求较高,根据路径权重值进行路由,而小流数较多,处理复杂性要求较低,选择可用剩余带宽最大的路径作为其路由路径。仿真实验结果表明,与等价多路径算法和软件定义混合路由机制相比,该算法能够提高胖树数据中心网络的平均链路利用率和网络吞吐量。     

一种基于路径跟踪反馈的SDN网络可信传输方案

针对软件定义网络(SDN)中的转发设备存在不可避免的漏洞和后门、缺乏主动监测或被动检查网络行为的机制等问题,提出一种基于路径跟踪反馈的SDN网络可信传输方案,设计基于跟踪反馈的传输路径可信验证机制,依据反馈信息分析节点的可信性,以此评估路径的可信度;同时,提出一种基于路径跟踪反馈的不相交多路径可信路由算法DMTRA-PTF,能够通过路径跟踪反馈和可信评估引导新的路径及时规避恶意交换机节点,构造不相交多路径路由方案以增强SDN网络传输服务的可信性。对比实验结果表明,路径跟踪反馈机制能够以较小的性能代价准确识别恶意交换机,提出的可信路由算法能够以此为后续路由动态规划不相交多条可信路径,有效提升网络整体的可信性。     

适合异构通信网络的信息传输服务

提出一个在应用层解决应急指挥系统中异构通信网络互联问题的传输服务模型,给出模型的主要传输服务功能,对通信节点标识、转发表生成与维护以及扩充性等关键技术进行探讨。该模型结合异构通信网络的特点及发展趋势,将IP网络作为系统通信的主要方式,将其他通信方式作为实现特定通信能力的辅助手段。应用结果证明,该模型可以提升应急指挥能力,减小异构网络互通的复杂性。     

应急通信异构网络信息传输信道即时选择方法

如果无法确定路由节点在信道中的部署特性,将会导致信道吞吐量低、阻塞率高、信道利用率差的问题,为此提出应急通信异构网络信息传输信道即时选择方法.采集异构网络中的相关信息,利用异构网络信息采集模型分析异构网络中的路由节点部署特点,基于Q-learning理论获取信息传输信道的迭代规则,并以此为基础构建一个有限的马尔可夫决策过程,结合路由节点部署特点的分析结果划分信息传输信道中的动作空间、状态空间以及回报函数状态的转移函数,运用Boltz-mann 规则完成应急通信异构网络信息传输信道的即时选择.仿真结果表明,利用上述方法对信息传输信道进行即时选择时,信道的吞吐量高、信道阻塞率低、信道利用率好.     

异质网络传输控制技术研究

分析了无线链路的特点及其对TCP性能的影响,讨论和评价了现存的各种异质网络数据传输控制机制,最后指出该领域的研究动向及进一步的工作。     

非对称异构信息网络的模糊推荐算法

传统的协同过滤推荐算法存在普遍的数据稀疏性问题;应用于推荐算法领域的异构信息网络模型对对象的相似关系认定通常是对称的,这种对称关系的认定在实际问题的处理中存在局限性。为解决上述问题,提出一种非对称异构信息网络的模糊推荐算法。该算法利用模糊集理论在处理用户喜好程度方面的优势,从模糊的信息种获取用户的准确偏好,根据异构信息网络中元路径的丰富语义信息,获取不同角度的用户关联,在相似度计算中引入对象关系的非对称系数,对不同特征元路径的计算结果进行加权,以此提高用户之间相似关系的准确度,通过矩阵分解的方法实现评分预测。实验结果表明,该算法有效解决了数据稀疏性问题,提升了推荐精度。     

基于生成对抗模型的异质信息网络语义表征方法研究

近些年,网络表示学习问题吸引了大量研究者的关注,而异构信息网络由于其丰富的结构语义信息及其广阔的应用领域,更是成为了网络表示学习领域的重中之重。目前面向异构信息网络的表示学习模型主要可以分为基于生成式模型的表示学习方法和基于判别式模型的表示学习方法,但是很少有工作同时结合两种模型进行表示学习的优化。该文提出了结合生成式模型和判别式模型的异构信息网络表示学习模型HINGAN,主要是将对抗生成思想融入异构信息网络表示学习过程中,达到优化网络表示结果的目的。该模型首先在元路径的引导下构建带权信息网络图,然后在带权图上计算更新构造的生成器和判别器参数,通过生成对抗的博弈思想来获取最大收益。在AMiner和DBLP两个真实学术图谱数据集上的实验结果表明,HINGAN在多标签分类、链路预测以及可视化方面都能比现在主流的网络表示方法取得更优的效果,并且HINGAN可以应用于大规模的异构网络数据的表示和计算。除此之外,该文还总结了已有研究成果并对未来研究可能面临的挑战进行了展望。     

基于SDN的数据中心网络流概率路径选择方法

为提高数据中心网络(DCN)的链路带宽利用率和吞吐量,提出一种基于软件定义网络(SDN)的流概率路径选择方法。在最短路径选择方法的基础上,利用SDN控制器对网络流进行分类处理,同时计算每条数据流在调度过程中的带宽占用情况以减少数据链路碎片化,并优化DCN数据流量调度,从而实现网络负载均衡。实验结果表明,该方法能降低网络传输时延,提高链路利用率及负载均衡度。     

基于迁移学习的卷积神经网络通道剪枝

卷积神经网络在计算机视觉等多个领域应用广泛,然而其模型参数量众多、计算开销庞大,导致许多边缘设备无法满足其存储与计算资源要求。针对其边缘部署困难,提出使用迁移学习策略改进基于BN层缩放因子通道剪枝方法的稀疏化过程。本文对比不同层级迁移方案对稀疏化效果与通道剪枝选取容限的影响;并基于网络结构搜索观点设计实验,探究其精度保持极限与迭代结构的收敛性。实验结果表明,对比原模型,采用迁移学习的通道剪枝算法,在精度损失不超过0.10的前提下,参数量减少89.1%,模型存储大小压缩89.3%;对比原剪枝方法,将剪枝阈值从0.85提升到0.97,进一步减少参数42.6%。实验证明,引入迁移策略更易实现充分的稀疏化,提高通道剪枝阈值选取容限,实现更高压缩率;并在迭代剪枝的网络结构搜索过程中,提供更高效的搜索起点,利于快速迭代趋近至搜索空间的一个网络结构局部最优解。     

基于异构信息网络的推荐系统

随着互联网、计算机等技术的深入发展,互联网为用户带来了各类网络服务用于增进用户交流。其中,问答社区为用户提供了提问和回答的交流平台,其目的是通过互联网实现用户间的知识经验分享和信息传播。但仍存在一些问题限制问答社区的发展,例如随着用户数量的不断增长,大量问题得不到及时回答且提问者对已有问题的回答并不满意。因此,对于问答社区来说,如何从大量的用户中找到专家用户是非常重要的。针对以上问题,本文提出一种基于异构信息网络的推荐方法,首先对问答社区中的问题属性和用户属性建立异构信息网络,利用元路径来捕捉异构信息网络中丰富的语义信息,然后使用基于元路径的相似度计算方法分别计算问题与用户的相似度矩阵,采用3种方式将得到的相似度矩阵与问题-用户评分矩阵相融合,然后使用矩阵分解获得问题和用户的潜在特征,最后使用因子分解机进行训练和推荐。在海川化工问答数据集上将本文提出的方法同多种先进的推荐算法进行对比,并利用评价指标对模型进行评估。实验结果表明,本文提出的算法在相关评估指标方面相较于之前的算法具有一定优势。     

浅析校园网异构信息系统集成

随着我们的生活各种网络资源海量涌现,在网上人们可以找到大部分自己需要的信息和资源。互联网以其开发性促进了很多相关技术的发展,各种技术之间的标准似乎并不一致,这就导致不同标准之间的通信沟通问题。     

基于异质信息网络的推荐模型

为了解决推荐系统的冷启动和稀疏性问题, 本文提出了一种基于异质信息网络的推荐模型. 传统的推荐方法无法在知识图谱表示学习中融入隐含的路径信息, 这样使得知识推荐系统性能较为一般. 本文提出的模型在异质信息网络中设置元路径, 通过图神经网络融入到知识图谱表示学习中. 再利用注意力网络连接推荐任务和知识图谱表示任务, 其可以学习两个任务之中潜在的特征, 并且能够增强推荐系统中被推荐项和知识图谱中实体的相互作用. 最后在推荐任务中进行用户点击率预测. 模型在公开数据集Book-Crossing和通过DBLP数据集构建的图谱上进行了实验. 最后结果表明, 模型在AUC, 召回率和F1值3个指标上均比其他算法有更好的表现.