網(wǎng)絡空間嵌入模型與應用研究.pdf

1、時延敏感型應用在當今互聯(lián)網(wǎng)應用中占據(jù)重要地位。準確獲取網(wǎng)絡節(jié)點間的傳輸時延，是此類應用性能優(yōu)化與提升的關鍵問題。作為一種兼具高可擴展性、高精度和低測量負載的時延估計方法，網(wǎng)絡空間嵌入模型已在對等網(wǎng)絡、內(nèi)容分發(fā)網(wǎng)絡和云計算等諸多時延敏感應用中得到廣泛部署，因此其理論基礎與優(yōu)化算法具備十分重要的研究意義和應用價值。
　　低計算代價下時延估計精度的確保是網(wǎng)絡空間嵌入模型的基本問題，也是本文研究工作的中心。在對模型進行準確分類的基礎上，針

2、對影響模型性能的互聯(lián)網(wǎng)時延特征不均勻性問題，分布式模型的安全性問題，點積模型計算代價與泛化能力問題以及網(wǎng)絡抖動問題進行了深入分析，提出了一系列能夠提升模型時延估計精度的優(yōu)化算法。本文的主要研究工作與創(chuàng)新性體現(xiàn)在以下四個方面：
　　一、針對互聯(lián)網(wǎng)自治域路由策略造成的時延特征不均勻性問題的改進方案。首先針對均勻空間內(nèi)誤差極小化擬合問題,將損失函數(shù)優(yōu)化問題歸結為一類非線性方程組的迭代求解，基于方程組的矛盾性提出了迭代因子的自適應估計問題

3、，并通過對單位化誤差的周期性測量實現(xiàn)了迭代因子的慢啟動控制；而后針對嵌入空間內(nèi)節(jié)點聚簇特征表達問題，根據(jù)節(jié)點在均勻空間內(nèi)嵌入的聚簇特征，實現(xiàn)了零知識前提下面向聚簇性增強的優(yōu)化算法 drwMDS。仿真實驗證明，相對于基準算法，本文提出的時延特征不均勻性表達與增強算法能夠有效提升時延估計精度，且能與廣泛部署的基準算法保持接口兼容，有利于協(xié)議的平滑演進；
　　二、提出了一種支持入侵容忍的分布式網(wǎng)絡空間嵌入模型。在承認惡意攻擊不可避免和不

4、可完全檢出的前提下，保證在系統(tǒng)容忍限度內(nèi)提供一定質(zhì)量的服務能力。以節(jié)點的信譽值代替彈簧模型中的未經(jīng)校驗的本地誤差作為權值向量，利用正常節(jié)點的信譽與數(shù)量優(yōu)勢對沖惡意節(jié)點帶來的負面影響，實現(xiàn)了對異常數(shù)據(jù)較強的容忍能力。該方案既可作為假陰性誤報的修復手段部署于入侵檢測或信任模型等信息清洗策略的后端，也可作為一種強化魯棒性的模型構建算法單獨實施。
　　三、提出了一種分布式時延矩陣重建的加速算法。通過對分布式環(huán)境下一類基于(次)梯度下降的時

5、延矩陣重建算法的分析，將其轉化為可輪轉方向求解的耦合凸優(yōu)化問題，進而提出了一種搜索上界倍增的自適應分布式矩陣重建算法ADMC，利用時延序列的歷史信息計算梯度下降步長的搜索上界，顯著降低了梯度下降步長的搜索代價。算法同時給出了優(yōu)化問題凸性保持的一個充分條件，有利于選取恰當?shù)膿p失函數(shù)，提升泛化能力。
　　四、提出了針對網(wǎng)絡抖動問題的改進方案。將網(wǎng)絡抖動問題分為網(wǎng)絡層抖動和應用層抖動兩個層面：針對網(wǎng)絡層抖動造成的時延噪聲問題，分析了噪聲

6、對一類非梯度下降嵌入算法涉及的不適定與病態(tài)問題反演求解的強烈影響，并在引入正則化項改善系數(shù)矩陣譜特征的同時，通過對時延序列的中值-卡爾曼濾波實現(xiàn)對時延噪聲污染的抑制；針對應用層抖動造成的拓撲突變，提出了一種兩段式節(jié)點加入導引算法，定義節(jié)點導引步和誤差修正步，通過新節(jié)點坐標的延遲發(fā)布實現(xiàn)突變抑制。在導引步節(jié)點保持坐標廣播靜默直至生成節(jié)點坐標的較優(yōu)初值；在修正步執(zhí)行經(jīng)典嵌入算法，修正自身坐標并廣播更新。仿真實驗顯示，本文算法能夠有效緩解網(wǎng)絡