面向未来网络的语义感知命名数据高效存取基础理论研究

This proposal focuses on addressing the problem of accessing dynamic and distributed data in the future Internet with low access efficiency, high resource consumption and weak perception ability. It carries out efficient and semantic-aware access of large-scale named data based on ontology technology and identity routing. First, in view of the contradiction between the users' fuzzy semantic query and the scalable routing, an access framework with hierarchical and explicit naming of the data is built, and then a complex semantic request description, routing and processing mechanism is proposed by exploiting the correlation features between the named data; Second, considering the fact that the efficiency of query routing depends on the distribution structure of the named data, an adaptive storage scheme for named data is presented according to the storage parameters. Furthermore, a cognitive routing protocol that satisfies the minimum cost of storage multicast is designed by combing the strategy of semantic notification with content caching; Finally, a technique for merging the query routing and storage routing and its optimization method is developed to balance the routing efficiency of semantic query and adaptive storage as well as to simplify the complexity of routing factors. Through the research, this project will achieve self-organized semantic access mechanism and its implementation algorithm for large-scale named data, establish the basic theory of complex data network and data access application, break through the key technologies, and make contributions to the development of the new generation Internet in china.

本课题围绕未来互联网动态分布数据存取效率较低、资源开销较高、感知能力较弱难题，结合本体技术和标识路由，开展大规模命名数据的高效语义感知存取研究。首先，针对用户模糊语义查询与路由追求高效可扩展之间的矛盾，建立层次化显式命名的数据存取框架，挖掘命名数据的语义关联特征，提出一种复杂语义请求的描述、路由及处理机制；其次，针对查询路由的效率依赖于命名数据分布结构的事实，提出一种基于参数驱动的命名数据自适应存储方案，利用数据源语义通告和路由节点缓存策略，设计最小费用存储组播的认知路由协议；最后，为兼顾语义查询路由与适配存储路由的效率，并简化路由因子的复杂度，提出一种查询路由与存储路由融合技术及其优化方法。通过课题研究，完成大规模命名数据自组织语义存取机制和实现算法，建立复杂数据网络及其数据存取应用的基础理论，突破关键技术，为我国新一代互联网发展作出贡献。

项目围绕未来互联网大规模数据所具有的动态性、分散性、语义关联性以及碎片化等所面临的重大挑战，研究存储组织与查询获取基础理论，发展多源时空数据语义存取机制，解决用户分散性要求与内容分散性结构之间的自组织语义导向索引难题，实现网络数据高效、智能存取。. (1) 数据命名与查询请求描述方法研究。首先，提出一种基于命名数据的时延和能量有效的数据收集方法，基本具备数据存取功能，但还不支持模糊查询。接着，研究命名空间的特征选择、关联规则以及匹配方法，提出一种基于语义通告和机会缓存策略的可扩展路由协议，实现请求汇聚、内容缓存、多路径动态选择多重功能。然后，考虑网络数据交换和敏感信息保护需求，提出一种内容级语义感知的数据通信方法。这些研究内容及其实现算法，为网络提供自组织、安全、高效的数据访问控制和精细化查询方法。. (2) 网络融合测量与目标感知研究。首先，根据网络拓扑结构、数据分布要求和系统性能指标，建立多目标约束的最优层次拓扑模型，提出一种网络节点剩余能量发布和收集的机制，通过侦听和评估中继节点的剩余能量，确保数据路由过程中选择最优的转发节点。在此基础上，提出一种分布式地理位置感知的动态编址方法，以便快速部署网络中提供目标识别和路由决策依据。然后，研究LoRa的物理层特性，试验了4种基于LoRa的组网拓扑，并分析了它们的特点和应用场景。最后，提出一种基于机器学习的移动基站数据连通恢复策略，确保最大化数据聚合率的同时降低额外成本。. (3) 网络资源优化与分布式控制技术研究。在语义网络构建中，对转发速率、负载均衡和网络流量控制等分布式控制技术进行研究，提出了一种面向云平台的自组织资源分配方法、一种异构网络资源管理方法、一种面向边缘网络的多核系统块并行乔里斯基分解算法、一种从文本语料库中提取极性转换模式的方法、一种基于解调的双排布局求解算法、一种基于神经网络的短期交通流预测算法。