《异构网络环境中的MP2P若干关键技术研究》由会员分享，可在线阅读，更多相关《异构网络环境中的MP2P若干关键技术研究（118页珍藏版）》请在金锄头文库上搜索。
1、北京邮电大学博士论文摘要异构网络环境中的M P 2 P 若干关键技术研究摘要点对点P 2 P ( P e e r - t o P e e r ，P 2 P ) 做为一种分布式模型追求的是自治个体之间 通过直接交换来共享资源和服务，符合未来网络发展的要求。但是，随着无线接入技术的出现，以及移动终端功能的增强，大量的分布式应用出现在异构网络环境中。因此，异构网络环境中的M P 2 P ( M o b i l eP e e r - t o P e e r ，M P 2 P ) 关键技术研究具有较高的理论意义和实用价值。本文主要的创新点如下：提出了一种基于V L - C h o r d ( V e c
2、 t o rL o c a t i o nC h o r d ) 的M P 2 P 资源发现算法。 蜂窝分区和极坐标把整个网络划分为不同的区域，建立包含归属大区、距离和方向三维位置矢量信息的路由表。新的路由表体现了跨层优化，从而实现资源的快速发现；V L - C h o r d 算法可以双向查找，克服了常见的拓扑失配问题。D C M( D y n a m i cC e l l a rM a n a g e m e n t ) 机制实现了资源的动态分配，降低了移动性造成 的开销。基于O M N e T + + 的仿真表明：随着M P 2 P 网络规模的增大，V L C h o r d算法降低了路
3、由跳数和延迟，同时，增强了负载均衡能力。仿真数据和理论分析的值基本接近，进一步体现了算法的有效性和可信性。提出了一种基于环动态调整的M P 2 P 网络自组织资源发现算法R D A S ( R i n gD y a n m i cA d j u s t a b l eS e l f - o r g i n a z a t i o n ，R D A S ) 。整个M P 2 P 网络被划分为半径按 照指数增加的同心环，定义了节点的失效率。R D A S 算法以指数级别逼近目标，具有较高的路由效率，且不存在拓扑失配。R D A S 算法克服了移动性带来的影响，在部分网络连接失效时，可以根据节点移动
4、速度和环半径来动态调整失效率，体现了算法较好的灵活性和容错性。基于O M N e T + + 的仿真验证：R D A S 算法本身查找效率较高，失效率随着节点速度和半径参数动态变化；并可以通过动态调整两个参数，以达到节点失效率的动态平衡。提出了一种基于神经网络的M P 2 P 流量智能管理模型B P I M ( B PN e u r a lN e t w o r ka n dI n t e l l i g e n tM a n a g e m e n t ) 。对网络进行半分布式分域建模，B P 神经网络饵PN e u r a lN e t w o r k ，B P r 州3 对流量进行有效测
5、量，M P 2 P 流量优先级别表格动态调整流量的分配。B P I M 具有模型配置灵活，高效检测、易于扩展的特点，降低了模型复杂度。基于O M N e T + + 的仿真表明：相比传统的模型，B P I M 对级别较高的流量处理时延小，节约了带宽资源，避免了网络拥塞；流量处理时延随着流量优先级别的增加而减小，体现了B P I M 模型智能管理的理念。提出一种基于主从结构的M P 2 P 网络信任惩罚模型M S S P ( M a s t e r - S l a v e北京邮电大学博士论文摘要S t r u c t u r eP u b l i s h m e n t ，M S S P ) 。
6、分级管理把节点划分为信誉服务器节点和普通节点，并被赋予不同的数据结构；信誉服务器来负责信誉值加权更新，是一种混合式的信任模型。交易信誉综合考虑了域内信誉和推荐信誉，M S S P 更具有抗攻击能力。信誉折半惩罚机制有效降低了恶意节点的影响。基于O M N e T + + 的仿真验证：M S S P 信任模型在静态和动态网络环境中，均有较好的性能；尤其在动态环境中，M S S P 交易请求成功率相对于传统的模型提高了2 2 ；M S S P 交易成功率收敛速度快的特点也符合M P 2 P 信任模型构建要求。在以上研究的基础上，本文还对超级节点选取和网络Q o S 保障进行了研究，并提出了相关的算
7、法和模型。提出了一种基于P A H P 的M P 2 P 超级节点选取算法( P e r s o n a l i z e dA n a l y t i cH i e r a r c h yP r o c e s s ，P A H P ) 。选取存储能力、计算能力、节点的鲁棒性、节点的节能性和安全性能五个指标作为关键性能指标K P I ( K e yP e r f o r m a n c eI n d i c a t o r s ，K P I ) 。层次分析法A H P ( A n a l y t i cH i e r a r c h yP r o c e s s ，A H P ) 求出节点的综
8、合性能指标，实现了超级节点的选取。根据用户业务的需求来个性化( P e r s o n a l i z e d ) 调整 K P I 的权重，体系了P A H P 算法的灵活性。仿真实例验证了提出的有效性。提出了一种基于神经网络和目标驱动的M P 2 P 网络O o S 自适应保障模型N G D A ( N e u r a lG o a l d r i v e nA d a p t i v e ，N G D A ) 。网络服务被分为首选服务和备选 服务两类，神经网络实时的检测当前网络的服务Q o S ；当发现服务的Q o S 不满足用户的需求时，能够自适应地从备选服务中找到满足用户要求的替代服
9、务。个性化服务定制体现了N G D A 动态灵活的特性，整个模型运营在异构环境中。 基于O M N e T + + 的仿真证明，N G D A 模型可以在一定程度上提高M P 2 P 网络中服务的请求成功率，克服了M P 2 P 网络固有缺陷对网络服务Q o S 的影响。本文对异构网络环境中M P 2 P 的超级节点选取、资源发现、流量管理、信任模型、Q o S 保障等关键技术进行深入的研究，提出了新的算法、模型和管理机制。数学建模、理论推导和O M N e T + + 仿真验证了提出算法和模型的有效性，并对下一步的研究方向做了预测。关键字：M P 2 P ，超级节点选取，资源发现，流量管理，
10、信任模型，服务Q o S一+；，崎北京邮电大学博士论文A B S T R A C TR E S E A R C HO NS E V E R A LK E YT E C H N O L O G l E S O F M P 2 PI NH E T E R O G E N E O U SN E T W O R K E N V I R O N M E N TA sad i s t r i b u t e dc o m p u t i n gm o d e l ，P 2 P ( P e e r - t o P e e 0i ss e l f - s e e k i n gi n d i v i d u
11、a l so ri n s t i t u t i o n ss h a r en e t w o r kr e s o u r c e sa n ds e r v i c e sb yd i r e c te x c h a n g e ，w h i c hm e e t st h ef u t u r en e t w o r kd e v e l o p m e n t H o w e v e r , w i t ht h ew i r e l e s sa c c e s st e c h n o l o g i e se m e r g e n c ea n dt h ee n h
12、a n c e m e n to ft h em o b i l et e r m i n a lf u n c t i o n ，al a r g en u m b e ro fd i s t r i b u t e da p p l i c a t i o n sa p p e a ri nh e t e r o g e n e o u sn e t w o r ke n v i r o n m e n t s T h e r e f o r e ，t h er e s e a r c ho nk e yt e c h n o l o g i e so fM P 2 P ( M o b i
13、 l eP e e r - t o - P e e r ) h a sh i g ht h e o r e t i c a la n dp r a c t i c a lv a l u ei nt h eh e t e r o g e n e o u sn e t w o r ke n v i r o n m e n t T h em a i ni n n o v a t i o no ft h i sp a p e ri sa sf o l l o w s ：。k AM P 2 Pr e s o u r c ed i s c o v e r ya l g o r i t h mb a s e
14、 do nV L C h o r d ( V e c t o rL o c a t i o nC h o r d )i sp r e s e n t e d T h ew h o l en e t w o r ki sd i v i d e di n t od i 虢r e n tr e g i o n sb yt h ec e l l u l a rt h e o r ya n dp o l a rc o o r d i n a t e s ，a n dt h en e wr o u t i n gt a b l ei se s t a b l i s h e dw h i c hi n c
15、 l u d e st h r e e d i m e n s i o n a ll o c a t i o nv e c t o ri n f o r m a t i o n ：l a r g eo w n e r s h i pa r e a d i s t a n c ea n dd i r e c t i o n 1 1 l en e wr o u t i n gt a b l er e f l e c t st h ec r o s s - l a y e ro p t i m i z a t i o n ，t h e nt h er a p i dr e s o u r c e s
16、d i s c o v e r yi sr e a l i z e d ：V L - C h o r dh a sb i d i r e c t i o n a ls e a r c h i n gf u n c t i o n s ，a n do v e r c o m e st h ec o m m o nt o p o l o g ym i s m a t c hp r o b l e m D C M ( D y n a m i cC e l l a rM a n a g e m e n 0m e c h a n i s mr e a l i z e st h ed y n a m i ca l l o c a t i o no fr e s o u r c e s ，r e d u c e st h ee x p e n s e so ft h en o d e s m o b i l i t y S i m u l a t i o n sb a s e do nO M N e T + + s h o wt h a tV L
