一种基于有限内容备份的网络内容重构优选方法与流程

本发明涉及网络安全领域，特别涉及一种基于有限内容备份的网络内容重构优选方法。

背景技术：

随着以互联网为代表的网络信息技术的高速发展，人们的日常生活越来越多地依赖于各种网络系统安全可靠的运行，这些网络内容服务在运行过程中经常会受到自然灾害(例如火灾、地震、海啸等)和人为事件(例如恐怖袭击、黑客攻击、恶意代码等)的干扰或破坏，造成网络服务的可用性和生存性出现问题。

互联网的初期设计是由端系统负责网络的功能，连接端节点的网络只负责简单的传送功能，在网络故障情况下其目标是保证网络连通性(networkconnectivity)，即关注网络中任意节点到网络中其它节点的可达性。随着通信环境的巨大变化，网络已成为包括信息采集、传输、存储与处理于一体的信息服务基础设施平台，而不仅仅是数据传输的通道。互联网应用方式正在从以面向主机的端到端(end-to-end)的通信方式为主转向以获取内容的端到内容(end-to-content)的通信方式为主。

在端到端的网络通信中，源节点和目的节点是明确的，目的节点是固定的，如果源节点和目的节点被分割在两个不连通的子图中，那么被分割的节点是不可达的。网络遭遇故障或攻击相当于从网络中移除节点或边，会影响网络传输和网络中节点间的连接程度，进而导致网络不连通。而在端到内容的网络中，提供内容服务的一方可以是不固定的，在不连通的子图中若能获取所需访问内容的备份，就认为请求内容服务的节点获得了内容服务。在端到内容的网络中，相比于网络连通性(networkconnectivity)，我们更关注网络的内容连通性(contentconnectivity)。然而，现实世界中从头开发设计具有高鲁棒性和高效内容获取网络的成本非常高，效果也不一定理想。因此，如何充分利用现有网络资源，对网络内容资源重新进行配置，提升现有网络内容服务的可生存性成为我们研究的方向。

技术实现要素：

本发明的目的是提供一种基于有限内容备份的网络内容重构优选方法，能应对网络故障或攻击保证满足一定的内容覆盖率，能有效改善兼顾网络内容连通性和内容有效性的网络可生存性。

本发明的技术方案是：

一种基于有限内容备份的网络内容重构优选方法，包含以下步骤：

步骤1：将基于有限内容备份的网络内容重构优化问题建模为整数线性规划的问题模型；

步骤2：量化面向内容的评估指标；

步骤3：模拟网络遭遇故障或攻击，寻找最坏情境下移除k条边的集合

步骤3.1：统计网络图g中所有的边介数中心性指标；

步骤3.2：移除边介数中心性指标最大的那条边，并把该边并到最坏情境下移除边集合中；

步骤3.3：移除一条边之后，重新计算此时网络中其它所有剩余边的边介数中心性指标；

步骤3.4：重复步骤3.2和3.3，直到找到移除k条边最坏情景下移除边集合即：满足

步骤4：寻找最小内容资源配置节点集合；

步骤4.1：通过广度优先搜索bfs算法在移除k条边最坏情境下的网络图中寻找所有的不连通子图；

步骤4.2：统计每一个不连通子图的规模(即统计连通子图中所有连通的节点的数目)，按照不连通子图规模的大小顺序进行排序。

步骤4.3：在保证满足给定网络内容覆盖率的基础上，按照不连通子图规模的大小顺序统计确定最小配置节点集合；

步骤5：寻找最小最优内容资源配置节点集合；

步骤5.1：根据不连通子图规模的大小排序，统计规模最大的不连通子图中效率指标最大的配置节点；

步骤5.2：重复执行步骤5.1，统计其它不连通子图中配置节点效率指标最大的候选配置节点；

步骤5.3：生成最小最优配置节点集合，配置内容备份资源到最优配置节点集合中的节点上；

所述步骤2中的评估指标包括内容连通性和内容有效性；

所述步骤4中的最小内容资源配置节点应尽可能分布在不连通子图规模大的割块中；

所述按照不连通子图规模的大小顺序进行排序为降序排序；

所述步骤5.1中节点效率指标最大的配置节点为子图的配置节点。

附图说明

图1是本发明实施例中一种基于有限内容备份的网络内容重构优选方法的算法流程图；

图2(a)-图2(b)是本发明实施例中在移除两条边的最坏情境下，通过优化配置一个内容备份资源来求解网络内容重构优化(ncro)问题的示意图；

其中，图2(a)初始网络图；图2(b)移除两条边的最坏情境下的网络图；

图3(a)-图3(c)是本发明实施例中基于usa网络的仿真结果，包括在移除边的最坏情景下原图与重构图的cc指标比较、在移除边的最坏情景下原图与重构图的ce指标比较示意图；

其中，图3(a)包含26个节点的usa网络图，图3(b)在移除边的最坏情景下原图与重构图的cc指标比较示意图，图3(c)在移除边的最坏情景下原图与重构图的ce指标比较示意图；

图4(a)-图4(c)是本发明实施例中基于nfsnet网络的仿真结果，包括在移除边的最坏情景下原图与重构图的cc指标比较、在移除边的最坏情景下原图与重构图的ce指标比较示意图；

其中，图4(a)包含79个节点的nfsnet网络图，图4(b)在移除边的最坏情景下原图与重构图的cc指标比较示意图，图4(c)在移除边的最坏情景下原图与重构图的ce指标比较示意图。

具体实施方式

下面结合附图对本发明具体实施方式进行详细说明。

如图1所示，一种基于有限内容备份的网络内容重构优选方法，包括如下步骤：

步骤1：将基于有限内容备份的网络内容重构优化(networkcontentreconfigurationoptimization，简称ncro)问题建模为整数线性规划(integerlinearprogramming，ilp)的问题模型。建立整数线性规划目标函数如式(1)所示：

其中，xj是一个0-1变量，xj＝1表示节点j被选择放置内容资源，否则为0；sk表示移除k条边的最坏情境；是一个0-1变量，反映了在移除k条边最坏情境下，节点i是否能被所需的内容资源覆盖；表示在移除k条边最坏情境下节点j的效率指标。参数用来控制覆盖分布在不连通子图中尽可能多的需访问内容资源的节点，以保证网络的内容覆盖率；参数用来调节函数取值的范围。

建立整数线性规划目标函数的约束条件如式(2)-(7)所示：

xj∈{0，1}(6)

其中，表示在移除k条边最坏情境下节点j的效率指标；表示移除k条边最坏情境下节点i与节点j之间的效率表示移除k条边最坏情境下节点-内容连通矩阵(ncc)中的矩阵元素，表示节点i能访问(获取)到节点j上的内容备份资源cy，否则，表示在移除k条边最坏情境下节点i的内容覆盖性，即节点i能访问到放置所需内容资源的配置节点的数目。如果否则反映了在移除k条边最坏情境下，节点i是否能被所需的内容资源覆盖；cpr表示给定的网络内容覆盖率。

式(2)给出了节点的效率指标。在移除k条边最坏情境下，候选的配置节点中应优先考虑节点效率指标高的节点，这样的配置节点意味着更少的内容传递时间和花费，更有利于网络中内容信息的传播。

式(3)中指出在移除k条边最坏情境下，节点i是否能访问到所需内容资源以及访问到所需内容资源的数目；

式(4)中指出网络中任意节点的内容覆盖性应该是一个正数或者零，正数表示节点能访问所需的内容资源，零表示节点不能访问到所需的内容资源，也就是该节点没有被所需访问的内容资源覆盖。

式(5)指出在移除k条边最坏情境下的网络内容覆盖率，应大于给定的网络内容覆盖率。

式(6)和(7)表明变量xj和都是0-1变量。

步骤2：量化评估指标。

本发明实施例选取网络内容连通性和内容有效性作为本发明网络内容重构优选方法的评估指标，下面对这两个指标分别进行量化描述：

(1)内容连通性

①节点-内容连通矩阵(node-contentconnectivitymatrix，简称ncc)：节点-内容连通矩阵是一个n×n方阵，矩阵中的元素定义为nccij-cy＝aij·xj，其中，aij表示节点i与节点j之间是否有路径可达，xj是一个(0-1)变量，表示节点j是否有被选择配置内容备份资源cy。矩阵元素nccij-cy表示节点i是否能访问(获取)到节点j上的内容资源，nccij-cy＝1表示可以访问到内容资源cy，否则nccij-cy＝0；

②节点-内容连通矩阵是一个(0，1)矩阵，对于矩阵元素nccij-cy，其第一维下标i(i∈v)表示网络图中任意节点，第二维下标j-cy表示是否被选择放置内容备份资源cy的节点j。ncc矩阵中的元素nccij-cy量化了网络中节点i是否能访问到节点j上的内容资源cy；

③配置节点的内容连通性(contentconnectivityofconfigurationnode，简称ccc)：配置节点j的内容连通性定义为：

其中，cccj指标统计了网络中所有能访问节点j上内容资源cy的节点数目；

④节点的内容覆盖性(contentcoverageofnode，记为y)：节点i的内容覆盖性定义为：

yi表示节点i是否能访问到所需内容资源以及能访问到所需内容资源的数目，即表示了节点i能访问到放置所需内容资源的配置节点的数目；

本发明中，我们仅关注节点是否能被所需的内容覆盖，即节点是否能访问到放置所需内容资源的配置节点，所以定义一个(0-1)变量yi表示节点i是否能被所需的内容资源覆盖。根据节点的内容覆盖性定义可知，如果yi＞0，则yi＝1，否则yi＝0；

⑤内容连通性(contentconnectivity，简称cc)：网络g的内容连通性定义为：

cc(g)表示在网络中能访问到所需网络内容资源的所有节点的数目；

(2)内容有效性

①节点-内容效率矩阵(node-contentefficiencymatrix，简称nce)：节点-内容效率矩阵是一个n×n方阵，矩阵中的元素定义为nceij-cy＝eij·xj，其中，eij＝1/dij表示节点i与j之间的效率，xj表示节点j是否被选择配置内容资源cy。矩阵元素nceij-cy刻画了节点i访问(获取)节点j上的内容资源cy的效率。

②配置节点的内容有效性(contentefficiencyofconfigurationnode，简称cec)：配置节点j的内容有效性定义为：

其中，cecj指标统计了网络中所有节点到内容资源配置节点j的效率之和。

③节点的内容有效性(contentefficiencyofnode，简称ce)：节点i的内容有效性定义为：

cei＝max{nceij-cy|j∈[1，n]}(12)

该定义体现了网络中内容访问的就近原则，即当网络中节点i的内容覆盖性大于零时，即yi＞0，节点i会选择访问(获取)效率值最大的配置节点上的内容资源。

④内容有效性(contentefficiency，简称ce)：网络g的内容连通性定义为：

ce(g)表示网络中所有节点访问(获取)内容资源的难易程度，网络有效性越大，表明网络中内容资源获取越容易，网络内容传输效率越高。

⑤内容覆盖率(contentcoverageprobability，cpr)：网络内容覆盖率定义为：

cpr表示网络中能访问到所需内容资源的节点数目占网络中所有节点总数的百分比。

⑥移除k条边的最坏情境(worst-caseklinksremoved)：用表示最坏情境下移除k条边的集合，其中，中的每一条移除边，都是按照网络图中边介数中心性指标的降序排列顺序逐个移除得到的。

步骤3：寻找最坏情境下移除k条边的集合

步骤3.1：统计网络图g中所有的边介数中心性指标。

本实施例中，网络图g＝(v，l)，v表示节点(node)集合，l表示边(link/edge)集合，n＝/v|表示节点数目，m＝/l/表示边数目，在本文中描述的网络图g是无向无权网络。边介数中心性定义为：

其中，σst表示从结点s、t之间的最短路径的数目，σst(l)表示结点s、t通过边l的最短路径中数量。

步骤3.2：移除边介数中心性指标最大的那条边，并把该边并到最坏情境下移除边集合中。

步骤3.3：移除一条边之后，重新计算此时网络中其它所有剩余边的边介数中心性指标。

步骤3.4：重复步骤3.2和3.3，直到找到移除k条边最坏情景下移除边集合即：满足

步骤4：寻找最小配置节点集合。

本实施例中，为满足移除k条边最坏情境下的网络内容覆盖率需求，配置节点应尽可能分布在不连通子图规模大的割块中，以保证覆盖尽可能多的内容访问节点。

步骤4.1：通过广度优先搜索bfs算法在移除k条边最坏情境下的网络图中寻找所有的不连通子图。

bfs算法是一种基于队列数据结构的搜索方式，具体算法过程如下：

步骤4.2：统计每一个不连通子图的规模(即统计连通子图中所有连通的节点的数目)，按照不连通子图规模的大小顺序进行排序。

本实施例中，对不连通子图规模的大小排序方式为降序排序。

步骤4.3：在保证满足给定网络内容覆盖率的基础上，按照不连通子图规模的大小顺序统计确定最小配置节点集合。

步骤5：寻找最优配置节点集合。

步骤5.1：根据不连通子图规模的大小排序，统计规模最大的不连通子图中效率指标最大的配置节点。

本实施例中，候选配置节点中效率指标最大的节点将被选为该子图的配置节点。若配置节点效率最大的候选配置节点不唯一，可随机选择其中一个节点作为该子图的配置节点。根据候选配置节点的效率指标量化表示可知，两节点之间的效率eij可基于高效的最短路径算法进行统计，可利用的最短路径算法的时间复杂度为o(n²·logn)。

步骤5.2：重复执行步骤5.1，统计其它不连通子图中配置节点效率指标最大的候选配置节点。

步骤5.3：生成最小最优配置节点集合，配置内容备份资源到最优配置节点集合中的节点上。

本实施例中，在一个具有n个节点m条边的网络图中，设生成的最小最优配置节点集合为v^c，节点变量为xj，当xj被选中放置内容资源时，xj＝1；没有选中放置内容资源时，xj＝0。

本发明实施例首先选择一个简单示例来描述网络内容重构优化(ncro)问题。如图2(a)-图2(b)所示，给定的原网络图是包含8个节点9条边的简单图，其中节点集合v＝{1，2，3，4，5，6，7，8}，边集合l＝{(1，2)，(2，3)，(3，4)，(4，5)，(5，6)，(6，7)，(7，8)，(1，8)，(4，8)}，实心显示的节点4的节点效率最高，加粗边(1，8)和(3，4)的边介数中心性指标最大。如图2(b)所示，资源的配置节点是节点4，在移除两条边的最坏情境下，即图2(a)被分割成两部分，节点4，5，6，7，8能访问到连通子图中节点4上放置的内容，但是，另一个连通子图上的节点1，2，3都不能访问到节点4上的内容资源。图2(a)-图2(b)展示了仅通过配置一个内容备份资源在节点2上，就可以使得在移除两条边的最坏情境下，网络内容覆盖率达到100％，同时兼顾改善了网络内容连通性和内容有效性。

为验证本发明所述网络内容重构优选方法的有效性，本发明实施例选择了usa和nfsnet两个实际的网络图进行最坏情景下移除边的网络内容重构优化仿真实验，具体如图3(a)-图3(c)、图4(a)-图4(c)所示。

如图3(a)所示，usa网络图中，节点数为26，边数为41，假设在节点效率最高的节点6上放置了所需访问的内容资源，正常网络环境下，网络中的所有节点都能高效地访问到节点6上的内容资源。但我们关注在网络遭受故障或攻击的情况下，基于有限网络内容备份资源的优化配置能否有效地改善网络的内容连通性和内容有效性。因此，基于边介数中心指标降序排列，在移除8条边(即)的最坏情景下，假设给定的内容覆盖率为85％。在移除8条边的最坏情景下，为保证满足内容覆盖率，得到的最优内容配置节点集合v^c＝{17，1}。

如图3(b)所示，比较了在移除边的最坏情景下原图与重构图的内容连通性指标cc，具体分析如下：相比较于原图中cc指标随着最坏情景下移除边数目增加而显著降低，基于本发明的重构图(即基于ncro_ha算法的重构图)能有效地改善网络的内容连通性，cc指标随着最坏情景下移除边数目增加而下降缓慢。特别是在原图中，最坏情景下移除4条边就会使得cc指标发生变化，而在本发明的重构图中推迟到最坏情景下移除9条边的情况下，通过优化配置了2个内容备份资源就明显的改善网络的内容连通性。

如图3(c)所示，比较了在移除边的最坏情景下原图与重构图的内容有效性指标ce，具体分析如下：ce指标随着最坏情景下移除边数目的增加而下降的趋势，基于本发明的重构图能有效地兼顾改善网络的内容连通性和内容有效性，对ce指标曲线下降延缓的优势非常明显。

如图4(a)所示，nfsnet网络图中，设置节点数为79，边数为109。假设在节点效率最高的节点66上放置了所需访问的内容资源，正常网络环境下，网络中的所有节点都能高效地访问到节点66上的内容资源。假设给定的内容覆盖率为85％，在移除边的最坏情景下，为保证满足内容覆盖率，基于ncro_ha算法得到的最优内容配置节点集合v^c＝{70，46，54}。

如图4(b)所示，比较了在移除边的最坏情景下原图与重构图的内容连通性指标cc。可知，本发明对改善网络的内容连通性的优势非常明显。

如图4(c)所示，比较了在移除边的最坏情景下原图与重构图的内容有效性指标ce。可知，本发明对改善网络的内容有效性的优势也非常明显。

从图3(a)-图3(c)和图4(a)-图4(c)也可以看出，具有低的计算复杂性的本发明方法对应的ncro_ha算法，可以获得与具有高的计算复杂性的典型的分支定界bb_ncro_ilp算法相似地改善网络内容连通性和内容有效性的重构能力。

本发明的实施方式并不受上述实施例的限制，其他任何未背离本发明精神实质与原理下所做的改变、替换均为等效的置换方式，都包含在本发明的保护范围之内。