SpaceWire冗余网络故障检测恢复技术实现

为提高SapceWire网络可靠性,基于SpaceWire-D提出了一种应用于SpaceWire冗余网络的故障检测恢复技术。网络节点通过比较主、备份端口收到的时间码来判断链路故障状态,在确认主链路发生故障后,节点自动启用备份端口工作。通过引入时间码抖动容限参数,提高了节点对故障判断的准确性,避免了故障误判。测试结果表明,即使故障链路未与节点直接连接,节点也能够在一个时间槽长度内检测到链路故障并自动切换至备份链路。此技术保证了网络故障情况下的数据正确传输,提高了SpaceWire网络的可靠性,是一种稳定可靠的故障检测恢复技术。     

一种优化链路状态预测的路由协议

针对无人机自组织网络中节点运动快速且拓扑变化频繁的特点,提出一种优化链路状态预测的路由协议——OLSFR。OLSFR通过对无人机节点运动链路状态进行预测,并定义计算MPR集合的约束性参数以达到路由选路优化和提高性能的目的。仿真实验证明,相比OLSR、DSDV等相关协议,OLSFR能有效改善无人机自组织网络的数据包传递成功率和端到端延时。     

基于链路状态认知的无线Mesh网路由协议

在分析无线Mesh网路由协议所面临挑战的基础上,结合无线Mesh网络的性能要求,以优化链路状态路由(OLSR)协议为原型,采用跨层设计理论,提出了一种基于链路状态良好程度的路由协议LR-OLSR。该协议引入了认知无线网络中的环境感知推理思想,通过对节点负载、链路投递率和链路可用性等信息进行感知,并以此为依据对链路质量进行推理,获得网络中源节点和目的节点对之间各路径状态良好程度的评价,将其作为路由选择的依据,实现对路由的优化选择,提高网络的吞吐量,达到负载均衡。通过与OLSR及其典型改进协议P-OLSR、SC-OLSR的对比仿真结果表明,LR-OLSR能够提高网络中分组的递交率,降低平均端到端时延,在一定程度上达到负载均衡。     

Segment Routing体系结构中的域内路由保护方案

学术界和工业界提出利用路由保护方案来提高域内路由协议应对故障的能力，从而加速网络故障恢复，降低由于网络故障引起的网络中断时间。目前互联网普遍采用的路由保护方案包括LFA和U-turn，由于它们的简单和高效，受到了互联网服务提供商的支持，但是这两种方案的单链路故障保护率较低。因此，段路由（Segment Routing，SR）被提出解决上述两种方案存在的问题，已有的针对SR的研究主要集中在其体系结构和应用场景。研究如何在SR中计算segments，将该问题表述为一个整数线性规划问题，提出一种两阶段的启发式算法（Two Phase Heuristic Algorithm，TPHA）求解该问题，将算法在不同网络拓扑中进行了模拟。模拟结果表明，TPHA的单链路故障保护率远远高于LFA和U-turn的单链路故障保护率。     

MANET 中基于链路稳定性路由的跨层传输控制协议

在MANET中,通信节点的移动会造成端到端通信路由的时常中断.传统TCP协议只有拥塞控制机制,对由于节点移动造成的数据包传输丢失和超时也作为拥塞处理,使得端到端传输性能低下.为解决这一问题,采用跨层设计思想,将传输控制与链路稳定性路由结合,提出了一种基于链路生存时间概率的传输控制协议(transmissioncontrol protocol based on probability of link residual lifetime,简称TCP-PLRT).该协议通过在路由稳定时跨层收集路由层链路生存时间概率信息来实现对端到端连接稳定性的认知,并针对路由不稳定、路由中断、路由恢复,分别制定了路由切换、数据存储转发、ACK再确认三大机制.这使得TCP-PLRT协议具有对由移动造成的路由中断进行提前预判和有效处理的能力.仿真结果表明,TCP-PLRT协议能够极大地减小由节点移动带来的端到端传输性能的下降,减少分组重传,提高端到端的吞吐量.     

基于地址解析的网络节点数据防攻击协议仿真

网络节点受到攻击产生数据泄漏,需要进行防攻击协议设计,提出一种基于地址解析的网络节点数据防攻击协议。设计网络节点分布模型及信道解析模型,采用网络节点链路均衡配置方法设计数据转发控制协议,分布网络节点并部署最优节点。进行节点输出信道的波特间隔均衡控制,构建网络链路转发的信道调制模型,实现地址解析优化下的攻击特征提取,根据地址解析结果,实现对动态无线传感网络的攻击节点的快速定位和攻击检测。仿真结果表明,采用该方法进行网络节点数据防攻击协议设计,提高了节点的数据包转发能力和吞吐量,网络节点数据安全传输性能较好,抗攻击能力较强,提高了网络的安全性。     

基于无线自组织网络的TCP Freeze-Probing改进协议

传统的TCP协议在有线网络中能够良好地工作,但用于无线自组织网络时则性能有所下降.其原因在于,传统的TCP协议无法分辨网络丢包原因,如网络拥塞、链路断开、信道错误或者链路改变.为了提高TCP协议在无线自组织网络中的性能,提出了一种TCP协议的改进方案TCP Freeze-Probing.该方案是一种端到端方法,不需要网络中间节点的反馈合作同时,提出了一种基于TCP Freeze-Probing的吞吐量模型并利用仿真对模型进行了验证.分析和仿真结果表明,该方案能够有效地改进TCP在无线自组织网络的性能.     

基于链路状态感知的无线Mesh网优化路由协议

在分析无线Mesh网路由协议所面临的挑战的基础上,结合无线Mesh网络的性能要求,以OLSR协议为原 型,采用跨层设计理论,提出了一种基于链路状态良好程度的路由协议工R-)工SR。该协议引入了认知无线网络中的 环境感知推理思想,通过对节点负载、链路投递率和链路可用性等信息进行感知,并以此为依据对链路质量进行推理, 将其作为路由选择的依据,实现对路由的优化选择,提高网络的吞吐量,达到负载均衡。仿真结果表明,工R-OI_SR能 够在很大程度上提高网络中分组的递交率,降低平均端到端时延,在一定程度上达到负载均衡。     

基于拥塞及内存感知的SD-WAN故障恢复

在软件定义广域网(SD-WAN)中, 链路故障会导致大量丢包, 严重时会引起部分网络瘫痪. 现有的流量工程方法通过在数据平面提前安装备份路径能够加快故障恢复过程, 但在资源受限的情况下难以适应各种网络故障情况, 从而使恢复后的网络性能下降. 为了保证网络在故障恢复之后的性能并减少备份资源的消耗, 本文提出一种基于拥塞及内存感知的主动式故障恢复方案(CAMA), 不仅能够将受影响数据流进行快速重定向, 还能实现负载均衡避免恢复后潜在的链路拥塞. 实验结果表明, 与已有方案相比, CAMA能有效利用备份资源, 在负载均衡上有较好的性能, 且仅需少量备份规则即可覆盖所有单链路故障情况.     

三维水声传感器网络中多径容错路由协议研究

针对三维水声传感器网络中因节点或链路故障导致的路由性能低下问题,提出一种多径容错路由协议。该协议通过为每个节点设计一种称为后备箱的数据结构,并利用节点的路由表和后备箱构造主后备链路和辅后备链路,以便在节点或链路发生故障的情况下修复路由路径,确保数据的正常传输。仿真结果表明,多径容错路由协议可以减小节点或链路故障对数据传输率和网络吞吐量的影响。     

车载CAN网络中直接NM逻辑环的实现

为实时监控车载网络中的节点,在使用控制器区域网络(CAN)总线的车载网络中,设计并实现一种基于OSEK/VDX规范直接网络管理(NM)的车载NM系统。由车载网关通过CAN总线收集各网络节点的故障信息,通过IPv6无线网络上传至远程故障诊断服务器,并将得到的故障处理信息下发至有关节点,实现车载CAN网络与远程故障诊断服务器的信息交互。测试结果表明,各网络节点上线后能快速建立稳定的逻辑环通信,并为远程故障诊断提供操作平台。     

Gaussian mixture embedding of multiple node roles in networks

World Wide Web - Network embedding is a classical topic in network analysis. Current network embedding methods mostly focus on deterministic embedding, which maps each node as a low-dimensional...     

Impacts of sensor node distributions on coverage in sensor networks

Network coverage is an important Quality of Service (QoS) measurement for many sensor network applications. Many existing studies on network coverage are based on the knowledge of sensor node distributions in sensing fields, which are often represented by given probability distributions. In this paper, we study the impacts of sensor node distributions on network coverage. We first show the impacts on network coverage by adopting different sensor node distributions through both analytical and simulation studies. We observe that assumed different sensor location distributions may lead to significant differences in coverage estimation. Then, we adopt a distribution-free approach to study network coverage, in which no assumption of probability distribution of sensor node locations are needed. The proposed approach has yielded good estimations of network coverage. Though only network coverage is studied in this paper, we believe that this methodology can be generalized and extended to estimation of other sensor network performance metrics.     

基于信息传播节点集的CTDN节点分类算法

针对连续时间动态网络的节点分类问题,根据实际网络信息传播特点定义信息传播节点集,改进网络表示学习的节点序列采样策略,并设计基于信息传播节点集的连续时间动态网络节点分类算法,通过网络表示学习方法生成的节点低维向量以及OpenNE框架内的LogicRegression分类器,获得连续时间动态网络的节点分类结果。实验结果表明,与CTDNE和STWalk算法相比,该算法在实验条件相同的情况下,网络表示学习结果的二维可视化效果更优且最终的网络节点分类精度更高。     

Text-enhanced network representation learning

Network representation learning called NRL for short aims at embedding various networks into lowdimensional continuous distributed vector spaces. Most existing representation learning methods focus on learning representations purely based on the network topology, i.e., the linkage relationships between network nodes, but the nodes in lots of networks may contain rich text features, which are beneficial to network analysis tasks, such as node classification, link prediction and so on. In this paper, we propose a novel network representation learning model, which is named as Text-Enhanced Network Representation Learning called TENR for short, by introducing text features of the nodes to learn more discriminative network representations, which come from joint learning of both the network topology and text features, and include common influencing factors of both parties. In the experiments, we evaluate our proposed method and other baseline methods on the task of node classification. The experimental results demonstrate that our method outperforms other baseline methods on three real-world datasets.     

主动网络授权和认证研究

主动网络是一种新型网络,它提供了基于数据包的可定制的服务。由于服务器节点需要执行非常复杂的操作,因而其安全性备受关注。文章讨论了主动网络节点的授权和认证,以及实现中必须解决的技术问题。基于已有的主动网络框架ANTS,笔者提出了更加安全的体系结构Ex-ANTS及相应的实现方案。     

无线传感器网络随机调度算法研究

无线传感器网络(WSN)具有节点能量有限、节点冗余度高等特点,这使得轮换成为解决网络覆盖问题的基本工作机制之一。基于轮换工作机制对随机调度模型下的网络特性进行了研究,分析了网络中有效节点总数与轮换周期数的关系,并提出了根据网络中有效节点总数来动态调节节点工作概率的算法。该算法能很好地解决网络因有效节点数目减少、工作概率固定所造成的网络运行后期网络性能无法满足网络需求的问题,保证每轮中的网络性能基本一致。仿真实验证明了所提算法的有效性及分析的正确性。     

基于社会认证的网络身份模型

网络实名制的提出,是为了解决网络匿名性所带来的问题,却又面临实名信息泄露的诟病。造成信息泄露的根源在于实名认证依赖于实名信息。基于社会认证的网络身份模型,依赖社会关系进行身份认证,其利用OSN节点的社会关系构建网络身份,在发挥网络监管作用的同时,避免实名信息的泄漏。模型首先在OSN中依据一定策略选择根节点;然后,采用担保方式进行社会认证;最后,在不依赖实名信息的基础上,构建节点的唯一网络身份SANI。SNAI身份含节点的社会认证信息,具有身份认证和行为溯源的功能。     

WSN中入侵节点检测的节点测距方法

提出基于节点测距的无线传感器网络（WSN）入侵节点检测算法,用于检测无线传感器网络中是否存在外来的伪造节点。该算法运用节点自身的各种传感器进行节点间测距,通过综合分析测距结果保证该算法能成功检测到网络中存在的伪造节点,检测中不需要网络同步时钟和节点位置信息。该算法可适用于不同规模、不同应用的无线传感器网络。通过理论分析和仿真实验验证了该算法在无线传感器网络节点攻击检测中的有效性和可行性。     

融合节点描述属性信息的网络表示学习算法

为融合节点描述信息提升网络表示学习质量，针对社会网络中节点描述属性信息存在的语义信息分散和不完备性问题，提出一种融合节点描述属性的网络表示（NPA-NRL）学习算法。首先，对属性信息进行独热编码，并引入随机扰动的数据集增强策略解决属性信息不完备问题；然后，将属性编码和结构编码拼接作为深度神经网络输入，实现两方面信息的相互补充制约；最后，设计了基于网络同质性的属性相似性度量函数和基于SkipGram模型的结构相似性度量函数，通过联合训练实现融合语义信息挖掘。在GPLUS、OKLAHOMA和UNC三个真实网络数据集上的实验结果表明，和经典的DeepWalk、TADW（Text-Associated DeepWalk）、UPP-SNE（User Profile Preserving Social Network Embedding）和SNE（Social Network Embedding）算法相比，NPA-NRL算法的链路预测AUC（Area Under Curve of ROC）值平均提升2.75%，节点分类F1值平均提升7.10%。