融合协同优化的信息中心网络智慧拥塞控制机制研究

A cache forwarding model is adopted to replace the traditional route forwarding one in TCP/IP for Information-centric Networks (ICN), which transforms the routers into potential information providers, making the congestion control more dynamic and complicated. The proposed project is going to investigate smart congestion control mechanism for the ICN by integrating virtual mapping, colony cooperation, social networks, collaborative optimization and autonomic computing, potentially from three aspects of congestion control, i.e., model, strategy, and optimization. Firstly, we shall propose an information cooperative caching organization and three-party-cooperation congestion control model based on social networks. The congestion control pattern is established. These can be the base model of congestion control for ICN. Secondly, we shall present a virtual organization model of network flow distribution and a hierarchical performance-based congestion control method. Then, the corresponding network congestion control strategies are designed to improve the transmission efficiency. Thirdly, we shall put forward a double-feedback local optimization strategy and a smart cooperative global optimization strategy, so that a three-level congestion optimization mechanism, i.e. “local-global-evolving” optimization, can be constructed. The results of our research will endow the autonomic and intelligent features for ICN congestion control while supporting the information-centric communication pattern, which are of wide application prospect and great scientific significance.

信息中心网络（ICN）采用缓存转发模式替代TCP/IP网络的路由转发模式，使得路由节点变成潜在的信息提供者，导致拥塞控制成为一个动态、复杂的全局性难题。本项目拟融合虚拟映射、群体协作、社交网络、协同优化与自律计算思想，从拥塞控制的模式、策略及优化三个方面，开展ICN网络智慧拥塞控制机制研究。①提出基于社交网络的信息协作缓存组织结构、三元协作的拥塞控制模型，构建ICN网络拥塞控制模式，建立拥塞控制的基础模型；②提出网络流量分布信息的虚拟组织结构与分级绩效的拥塞控制方法，设计ICN网络拥塞控制策略，提高其信息传输效率；③提出双重反馈的局部拥塞优化与智慧协同的全局拥塞优化策略，构建“局部-全局-进化”的三级拥塞优化机制，持续提升ICN网络拥塞控制体系的智慧。研究成果赋予ICN网络拥塞控制自主、智慧特性，并支持以信息为中心的通信模式，具有广泛的应用前景和重大的科学意义。

本项目围绕ICN网络拥塞控制问题，将融合群体协作、协同优化及自律计算思想融入拥塞控制模式、拥塞控制策略和拥塞控制优化三个方面，从三元协作的ICN网络拥塞控制模式、基于三元协作模型的网络拥塞控制策略、“局部-全局-进化”的三级拥塞优化机制等三个方面研究了ICN网络智慧拥塞控制机制，为ICN网络领域相关研究提供了基础理论和关键技术支撑。(1)采用启发式协作和虚拟映射方法，研究了ICN网络拥塞控制模式，两层启发式协作缓存方法、基于请求内容关联性的ICN网络预缓存方法、考虑能量消耗的资源部署方法、实时随机资源调度框架R-SRSF，为提升ICN网络信息索取效率和降低拥塞发生概率奠定了基础。(2)基于深度学习方法，研究了ICN网络拥塞控制策略，提出了基于学习型布隆过滤器的高效查找方法、基于深度布隆过滤器的三级名字查找方法、基于名字拆分的高效查找方法、基于Q-学习的自适应兴趣包转发策略、基于深度学习的自适应拥塞控制方法、加权吞吐量最大化算法、基于在线学习的防前缀劫持攻击路由选择策略、满足完全适应安全的离线证据加密方案、基于全同态加密的云环境数据完整性验证方法、基于相遇感知和分簇的信息中心车载网路由算法ECRA，缓解了已经或即将发生的网络拥塞。(3)引入智慧协同优化理论和网络环境学习方法，研究了ICN网络拥塞控制优化机制，基于随机块坐标的分布式在线无投影算法、分散式随机块坐标Frank-Wolfe算法、基于马尔可夫采样的自适应TD(λ)算法ADTD(λ)、基于动量的分布式强化学习策略梯度DPGM 算法、基于条件梯度的加速分布式在线学习算法、差分隐私随机坐标块自适应梯度DP-RBAdaBound算法，持续提升网络拥塞优化的效率。