[发明专利]一种基于学习布隆过滤器的ICN网络信息名字查找方法

说明书

本发明涉及一种基于学习布隆过滤器的ICN网络信息名字查找方法，其查找结构由学习模型和备份布隆过滤器构成，两部分共同组成学习布隆过滤器结构来进行信息名字的查找，首先使用学习模型对信息名字进行查找，但是在提高查找精度的同时会产生一定数量的假阴性，为了将假阴性率降为0，再通过使用备份布隆过滤器来进行进一步的查找。借由上述技术方案，本发明利用了机器学习，将递归神经网络(RNN)与标准布隆过滤器相结合，在每个节点处，利用学习布隆过滤器实现信息名字的快速查找，提高信息名字检索的准确率并降低内存占用量。

技术领域

本发明属于信息中心网络(Information-Centric Networking,ICN网络)技术领域，特别涉及一种基于学习布隆过滤器的ICN网络信息名字查找方法。

背景技术

用户需求决定了网络信息模型。互联网用户的需求从主机之间的通信演进为主机到网络的信息重复访问。用户关注是信息本身而不是信息的存储位置。而基于TCP/IP的现有互联网体系结构无法解决当前互联网面临的可扩展性、动态性和安全可控性等根本性问题。因此为了解决上述问题，并且摆脱传统体系结构对信息的束缚，使信息成为体系结构的设计中心，ICN(information-centric networking，信息中心网络)被提出。

ICN取代了传统的以地址为中心的网络通信模型，采用了以信息为中心的网络通信模型，它的通信模式由主机到网络的“拉”式信息访问取代传统主机到主机的“推”式信息访问，安全机制建立在信息上而不是主机上，转发机制由缓存转发路由取代传统存储转发路由，从而使信息能够高效传输。

ICN摒弃了传统的以IP为细腰的协议栈结构，采用以信息名字作为核心的协议栈结构。它采用信息名字作为网络传输的标识，IP地址不被考虑或者只是作为一种底层的本地化传输标识。这样对用户而言，没有必要去关注网络拓扑，只要按照需求向网络发出数据请求就可以获得到所请求的信息。在路由过程中，不需要路由到原始数据获取数据源，路径内的缓存信息可以作为信息源直接回应数据，提高了信息的传输效率。

在ICN中，要想实现对信息的路由，准确的查找到信息尤其重要。ICN网络中信息名字不像IP网络中的IP地址，它具有多样性，不定长性等特点并且信息名字的数量巨大。因此，如何从海量的信息名字中准确的找到所需的信息名字是ICN网络研究的一项关键技术。信息名字的快速准确查找影响了路由的传输效率，同样影响了用户获取信息的效率，在当前网络环境中，用户对信息的需求量激增，面对海量的信息，对信息名字查找的效率要求更高。

发明内容

为了解决ICN网络中信息名字查找方法假阳性率高、内存占用量大的问题，本发明提出一种基于学习布隆过滤器的信息名字查找方法，其利用机器学习，将递归神经网络(RNN)与标准布隆过滤器相结合，在每个节点处，利用学习布隆过滤器实现信息名字的快速查找，提高信息名字检索的准确率并降低内存占用量。

本发明的目的及解决其技术问题是采用以下技术方案来实现。依据本发明提出的一种基于学习布隆过滤器的ICN网络信息名字查找方法，包括以下步骤：

步骤1：路由结点收到兴趣包后，首先在CS中查找兴趣包所需的内容，如果存在，则销毁兴趣包并生成一个数据包沿兴趣包的反向返回给请求节点；

步骤2：如果CS中不存在所请求的内容，则在PIT中进行查找，如果存在，说明该路由节点已经转发过相同的内容请求，则销毁该兴趣包，并将接收到兴趣包的接口记录在PIT相应行后边；

步骤3：如果PIT中不存在，则在FIB中查找，如果存在，则将兴趣包按照FIB的接口转发，并将信息记录在PIT中；如果FIB中不存在，则说明本路由节点不知道该兴趣包的路由，销毁该兴趣包；

在PIT、FIB和CS中通过查找结构去查找信息名字，其中查找结构由学习模型和备份布隆过滤器组成，

所述学习模型用于预测信息名字是否在学习模型中，其预测过程如下：