基于SDN的信息中心网流量优化的关键技术研究

In this research, the traffic optimization in ICN is realized by reconstructing caching mechanisms，reconstructing network topology, their merging and information routing based on the design concept of software defined network (SDN), sensing network state and resource and complex network theory. The research contents are as follows: (1) The selection mechanism of the cache location and the cache replacement policy based on the node importance degree in network community are studied, and the selection mechanism of the cache object based on the time – space distribution of information popularity and the cache commitment are studied; (2)According to the traffic distribution characteristics in ICN, from the perspective of improving the complex network structure characteristics, a topology reconstruction strategy is proposed to improve the efficiency of ICN traffic transmission; (3) The merging mechanism of cache reconstrucion and topology reconstrucion is researched, and the information distribution mode of cache - bandwidth is construced. (4)The adaptive routing mechanism that can sense the network resources is researched based on the merging mechanism of cache reconstrucion and topology reconstrucion. The research achievements will provide theory and methods for designing traffic control strategies in ICN.

ICN (信息中心网络)将会解决当前网络在安全、移动和可扩展等方面存在的根本性问题，成为未来网络研究中的热点。而当前缓存机制仍存在“无序缓存”、网络拓扑与流量分布不匹配及路由自适应较弱等问题，严重影响ICN网络流量行为。为此，本项目基于软件定义网络理念，在感知网络状态和网络资源的基础上，利用复杂网络理论指导缓存重构、网络拓扑重构和信息路由，以实现ICN流量优化。内容包括：(1)基于节点对网络社团的重要度，研究缓存位置选择和缓存替换，并根据信息流行度的时空演变规律研究缓存对象的选择；(2)根据ICN流量分布特征和复杂网络结构特性，研究提高ICN流量传输效率的网络拓扑重构；(3)通过缓存重构与网络拓扑重构的融合，研究缓存-带宽一体优化配置的新型信息分发模式；(4)在缓存与网络拓扑融合机制的基础上，研究能感知网络资源分布的自适应路由机制。本项目研究成果将为ICN流量优化控制提供理论依据和方法。

ICN (信息中心网络)将会解决当前网络在安全、移动和可扩展等方面存在的根本性问题，.成为未来网络研究中的热点。而当前缓存机制仍存在“无序缓存”、网络拓扑与流量分布不匹配及路由自适应较弱等问题，严重影响ICN网络流量行为。本项目引入软件定义网络（SDN）架构，将在感知网络状态和网络资源的基础上，应用复杂网络理论和人工智能的算法，优化ICN的缓存、网络拓扑重构和信息路由机制。形成主要成果包括：（1）结合网络内容流行度、ICN流量的特征、网络拓扑结构和网络内容的编码等方面，实现网络的缓存重构，提升缓存效率，研究成果发表在中科院二区等期刊上，授权发明专利2件，其成果已应用于5G的网关缓存；（2）从ICN流量特征出发，以流量与拓扑结构匹配为目标，应用深度学习和强化学习，以减少延时为目标，构建逻辑拓扑，实现ICN流量优化，研究成果发表在中科院二区等期刊上，其中包括ESI高被引论文1篇，授权发明专利1件；（3）网络流量的分析。应用协议逆向工程，实现对网络流量的分析，不仅优化网络流量，同时提升网络的安全性，相关成果发表在SCI收录等期刊上，授权发明专利2件；（4）ICN智能路由的研究。应用深度学习和强化学习方法，从网络拓扑的结构和网络流量的匹配上优化ICN的路由机制，相关成果发表在中科院三区等期刊上，授权发明专利2件。本项目研究成果将为ICN流量优化控制提供理论依据和方法，同时，为5G核心网络的流量优化提供了方法和思路，与中兴通讯股份有限公司合作，获得广东科技厅应用型科技研发及重大科技成果转化专项资金(批准号：2017B010125003)，“基于SDN的5G分组业务核心网关键技术研发与产业化”项目的支持，将为项目成果进一步应用提供了机会。