多径路由环境下的网络拓扑层析成像技术研究

Obtaining the knowledge of network topology is a fundamental work of cyber space management. With end-to-end measurements, network topology tomography is capable to avoid the disadvantages of conventional approaches which usually rely on the cooperation from network interior nodes in order to infer the network topology, and now has become one of the most frontier problem concerned by academia and industry all around the world. In terms of that existing methods of network topology tomography cannot be applied to the newly emerging scenario of multipath routing，this study conducts intensive researches on network topology tomography under the new scenario of multipath routing through solving four main problems that are multipath routing sensing，correlation measurements between paths under multipath routing，inference of sub-topologies between paths under multipath routing, and theories & methods of network topology under multipath routing, and attempts to promote the scalability of network topology tomography to the scenario of multipath routing by solving the corresponding theoretical & practical issues. The main innovations include the followings: propose methods to detect multipath routing and identify multiple active routing paths; propose correlation measurement schemes as well as inference approaches of sub-topologies for paths under multipath routing; propose theories for network topology identifiability under multipath routing; propose methods for network sub-topology fusion and network topology inference under multipath routing.

获取网络拓扑信息是网络空间管理的基础工作。基于网络端到端测量的网络层析成像技术，可以避免传统方法在网络拓扑推断过程中依赖网络中间节点提供测量协作的缺陷，成为了目前国内外学术界和工业界共同关注的前沿科学问题。本项研究针对已有网络拓扑层析成像方法难以在当前新出现的多径路由环境中应用的问题，围绕多径路由感知、多径路由下路径相关测量、多径路由下路径子拓扑推断、以及多径路由下网络拓扑恢复理论与方法四个方面，深入展开多径路由这种新网络环境下的网络拓扑层析成像技术研究，力求通过解决相应的理论与实践问题，提高网络拓扑层析成像方法推断多径路由下网络拓扑的能力。主要创新包括：提出多径路由检测和可达路由路径识别方法；提出多径路由下端到端路径相关测量和路径子拓扑推断方法；提出多径路由下网络拓扑可辨识性理论；提出多径路径下网络子拓扑融合方法和网络拓扑恢复算法。

端到端原则是当今互联网的基本设计准则。准确地获取中间通信网络的性能 (如延迟、丢失、以及拥塞状况)，对于当前诸如网络缓存、边缘计算等网络服务操作而言非常重要。在项目执行期间，项目组致力于提高基于边缘的网络性能监控和资源优化方法的智能性和实用性，并在以下两大主要研究方向上取得了研究进展：(a)对于中间网络的性能监测——1)利用单路径路由和多路径路由之间端到端被动时延观测值的固有统计分布规律差异，并提出了基于假设检验的方法，实现准确判断这两种不同的路由类型。2)从理论上论证网络布尔断层扫描的必要条件，提出搜索准最大熵测量覆盖率的启发式方案。3)因多路径路由的复杂网络拓扑能通过多个单源树拓扑进行重建，我们针对单源树型拓扑提出了基于三路径子拓扑的拓扑探测和恢复方案。证明了在时变背景流量下存在测量误差情形时准确识别网络拓扑的条件，设计了能够有效应对动态背景流的拓扑探测和恢复方案。4)为削弱链路独立性和链路拥塞先验概率假设的必要性，将路径端到端拥塞观测的拥塞链路识别问题建模为一个最大后验估计问题，并基于长短时记忆循环神经网络提出网络拥塞链路这段的有监督学习方案。此外，还进一步将拥塞链路诊断过程构建为 一个马尔科夫决策流程，通过采用强化学习技术来高效实现基于数据驱动的网络拥塞链路智能诊断方案; (b)对于边缘网络各部分的资源管理——1)基于网络层析成像流量性能监控框架，依据费希尔信息矩阵来帮助确定交通监控视频的最佳配额方案，并采用“集中学习、分布式执行”强化学习方案来协调调度利用这些边缘设备的计算能力。（2）充分考虑边缘计算策略网络故障导致的边缘计算服务中断风险，采用条件风险值来有效衡量链路故障对于调度方案失效的风险，将其加入优化目标中以获得具有风险感知能力的网络计算卸载决策方案。..项目组当前的研究工作进展体现出了基于边缘的网络性能监控和资源管理的联合优化潜力，为开发具有风险感知能力的边缘网络优化技术提供了有益的探索借鉴。