命名数据网络中的一种双模式转发模型

命名数据网络(named data networking,NDN)是为了解决当前IP网络中因存在大量重复冗余传输所造成的流量爆炸问题而提出的一种新型网络架构.NDN的网内缓存机制极大地提升了网络资源的利用效率,对于传统的端到端业务来说却略显支持性不足.针对于这一问题,提出了一种NDN网络中的双模式转发模型.该模型对内容分发类业务采用传统的NDN转发机制进行转发处理;对端到端业务,采用定长的标签交换代替变长的名字查找来加速转发,并且不再进行缓存操作.基于ndnSIM的仿真结果表明,相较于传统NDN的单一转发机制,使用该转发模型后有效地节省了内容缓存的空间,同时端到端业务的响应时间减小了约37％.     

NDN中基于神经网络的兴趣洪泛攻击综合防御方案

命名数据网络(named data networking, NDN)中的请求-应答通信模式及有状态的转发滋生了新的分布式拒绝服务(distributed denial of service, DDoS)攻击方式—兴趣洪泛攻击(interest flooding attack, IFA)。IFA是NDN中主要的拒绝服务威胁,虽然IFA防御方案被广泛研究,但目前缺乏系统的解决方案。针对这一问题,基于粒子群优化的后向传播神经网络算法提出一种新的IFA检测方法,并结合基于基尼不纯度的恶意前缀识别方法和兴趣包回溯方法来缓解攻击危害,形成一种综合的防御方案。通过ndnSIM仿真实验证明,提出的方案不仅可以准确检测和有效防御IFA攻击,而且解决了基于窗口检测方案无法检测连续攻击的问题。