为提高命名数据网络(Name Data Networking,NDN)路由过程中内容名字查找的效率,该文提出一种基于深度布隆过滤器的3级名字查找方法。该方法使用长短记忆神经网络(Long Short Term Memory,LSTM)与标准布隆过滤器相结合的方法优化名字查...
详细信息
为提高命名数据网络(Name Data Networking,NDN)路由过程中内容名字查找的效率,该文提出一种基于深度布隆过滤器的3级名字查找方法。该方法使用长短记忆神经网络(Long Short Term Memory,LSTM)与标准布隆过滤器相结合的方法优化名字查找过程;采用3级结构优化内容名字在内容存储器(Content Store,CS)、待定请求表(Pending Interest Table,PIT)中的精确查找过程,提高查找精度并降低内存消耗。从理论上分析了3级名字查找方法的假阳性率,并通过实验验证了该方法能够有效节省内存、降低查找过程的假阳性。
软件定义网络(Software Defined Network,SDN)及可编程协议无关报文处理(Programming Protocol-Independent Packet Processors,P4)协议的提出促进了P4交换机的发展与创新,研究学者相继提出了基于硬件平台的P4交换机、基于X86架构软件...
详细信息
软件定义网络(Software Defined Network,SDN)及可编程协议无关报文处理(Programming Protocol-Independent Packet Processors,P4)协议的提出促进了P4交换机的发展与创新,研究学者相继提出了基于硬件平台的P4交换机、基于X86架构软件平台的P4交换机等方案。但这些P4交换机存在着一定的缺点或不足,基于硬件平台的P4交换机缺乏可移植性,而基于X86架构软件平台的P4交换机转发速度较慢。因此,对P4交换机的优化及加速成为了当前P4交换机的一个重要研究课题。本文提出了BMv2(Behavioral Model Version 2)双层架构加速优化方案,使用数据平面加速开发套件(Data Plane Development Kit,DPDK)实现高速数据报文收发,架构下层为DPDK层,实现可移植功能,架构上层为CORE层,实现通用及高级定义功能。实验结果表明,在三种测试场景下,改进的P4交换机端到端时延性能提升了3倍,64Bytes至512Bytes长度的数据报文转发性能都达到了1000Mbps,吞吐量大大提升。
传统IP组播在安全方面存在身份认证、消息加密困难的问题,SDN(software defined networking,软件定义网络)的出现使得这些安全问题有了新的解决思路。在深入分析现有SDN组播安全研究进展的基础上,提出了一种基于SDN的安全组播机制,该机...
详细信息
传统IP组播在安全方面存在身份认证、消息加密困难的问题,SDN(software defined networking,软件定义网络)的出现使得这些安全问题有了新的解决思路。在深入分析现有SDN组播安全研究进展的基础上,提出了一种基于SDN的安全组播机制,该机制通过SDN控制器进行组播安全方案的部署,主要包括组播源和组播接收者的身份认证,以及组播会话密钥管理两方面内容。设计了一种可以结合身份认证和组播加入退出的报文,实现了基于数字证书的身份认证方式,以及组播会话密钥的生成、分配和更新功能,弥补了现有方案在组播源认证和SDN加密组播方面的缺失。仿真结果表明,该机制能够通过发放数字证书实现组播源和接收者的身份认证,拒绝非法组播接收者进入组播组,并实现了加密的SDN组播通信,提高了组播的安全性。性能测试结果表明,该机制的部署在显著提升了组播安全的基础上未对性能造成较大影响。
在基于位置的社交网络中,兴趣点实时推荐数据和用户签到数据存在高稀疏性问题。提出一种基于时间效应的混合推荐模型。通过用户潜在兴趣点数据模型计算用户时间行为影响分数和地理位置影响分数,并用线性统一模型进行处理,选取Top S 个...
详细信息
在基于位置的社交网络中,兴趣点实时推荐数据和用户签到数据存在高稀疏性问题。提出一种基于时间效应的混合推荐模型。通过用户潜在兴趣点数据模型计算用户时间行为影响分数和地理位置影响分数,并用线性统一模型进行处理,选取Top S 个兴趣点作为用户的潜在兴趣点。将用户的潜在签到记录引入基于时间效应的矩阵分解模型中,考虑时间差异性和连续性对推荐结果的影响,在此基础上进行优化求解,提出推荐策略。实验结果表明,与LRT模型、UTE+SE模型相比,该模型的推荐效果较好,其准确率和召回率最高可达0.103 4和0.111 8。
针对基于位置的社交网络(Location-Based Social Network, LBSN)中用户签到数据的高稀疏性问题及用户隐私问题,提出了一种混合推荐模型(SoGeoCat).首先,通过用户潜在兴趣点数据模型,学习用户的潜在兴趣点;其次,将用户的潜在兴趣点纳入...
详细信息
针对基于位置的社交网络(Location-Based Social Network, LBSN)中用户签到数据的高稀疏性问题及用户隐私问题,提出了一种混合推荐模型(SoGeoCat).首先,通过用户潜在兴趣点数据模型,学习用户的潜在兴趣点;其次,将用户的潜在兴趣点纳入融合类别信息的矩阵分解模型中并优化;最后,根据用户特征矩阵、兴趣点特征矩阵,提出推荐策略.基于Foursquare真实数据集,实验结果表明:(1)相比于其他几个推荐模型,该算法将用户的潜在兴趣点填充至用户-兴趣点矩阵中,可以有效地缓解数据稀疏性的影响;(2)该算法可保护用户家庭信息;(3)在推荐模型中纳入类别信息的影响能提高推荐效果.
暂无评论