Please use this identifier to cite or link to this item: https://app.uff.br/riuff/handle/1/1778
Title: Encaminhamento de pacotes em redes orientadas a conteúdo
Authors: Bastos, Ian Vilar
Sousa, Victor Costa Macedo
metadata.dc.contributor.advisor: Moraes, Igor Monteiro
metadata.dc.contributor.members: Paes, Aline Martins
Passos, Diego Gimenez
Keywords: Redes orientadas a conteúdo;  CCN;  Encaminhamento;  Aprendizado por reforço
Issue Date: 20-May-2016
Abstract: Atualmente, os usuários da Internet estão mais interessados em obter conteúdos de interesse independentemente de onde estejam localizados e de quem envie esses conteúdos. Mais de 60% do tráfego atual da Internet são de aplicações com essa característica. O interesse pelo conteúdo independentemente da sua localização é a principal premissa para a proposta de novas arquiteturas para Internet, chamadas de Redes Orientadas a Conteúdo. Uma da arquiteturas propostas é a Content Centric Networking (CCN). Nessa arquitetura, os conteúdos são requisitados e encaminhados através de seus nomes, diferentemente da Internet atual em que o encaminhamento é baseado no endereço IP. Além disso, os elementos da rede realizam armazenamento temporário (caching) dos conteúdos ao encaminharem os conteúdos em direção a quem os requisitou. Na presença de uma enorme estrutura distribuída de caching, a localização, assim como a disponibilidade dos conteúdos é dinâmica ao longo do tempo, devido à forma na qual os conteúdos estarão distribuídos através da rede. Assim, pode-se argumentar que um mecanismo que investigue a rede por conteúdos armazenados em caches de nós vizinhos em um determinado instante de tempo é mais apropriado do que descobrir e manter uma rota para os produtores de tais conteúdos. Na segunda abordagem, o aumento da disponibilidade só ocorrerá na rota predefinida entre quem requisita e quem produz o conteúdo. Com isso em mente, esse trabalho propõe uma estratégia de encaminhamento de pacotes para a CCN. A proposta usa a técnica de aprendizado por reforço, cuja ideia principal é realizar um balanço entre explorar novos caminhos e se aproveitar da informação adquirida durante explorações anteriores. As interfaces de um nó da rede são classificadas com base no tempo de recuperação dos conteúdos e todo interesse com o mesmo prefixo para um conteúdo já encaminhado é enviado pela interface com o menor tempo de recuperação médio. A exploração é realizada probabilisticamente, na qual cada nó envia o mesmo interesse para a interface melhor classificada e também para uma outra interface viii escolhida aleatoriamente. O objetivo é fazer com que o conteúdo seja entregue pelo melhor caminho encontrado até o momento e ao mesmo tempo explorar cópias que possam ter sido armazenadas em caches ainda mais próximos recentemente. Os resultados de simulação mostram que a estratégia proposta reduz o número de saltos cerca de 28% em cada nó e 80% a carga de interesses também por nó em determinados cenários quando comparada às outras estratégias de encaminhamento propostas para a CCN.
metadata.dc.description.abstractother: Internet users are currently more interested in obtaining contents regardless of where these contents are located or who provides them. More than 60% of the Internet traffic is from applications with these characteristics. The interest in contents regardless of its location is the main assumption of a set of architectures proposed to the Future Internet, called Information Centric Networks (ICN). The Content Centric Networking (CCN) is one of these new architectures. In CCN data is requested and forwarded by using named contents differently from the current Internet architecture, where forwarding is based on IP addresses. Furthermore, core nodes store content replicas after forwarding the requested contents to the users. In the presence of such a highly distributed caching infrastructure, content availability and location can vary over the time because of temporary replicas spread across the network. Thus, we argue that a mechanism that investigates the network looking for content replicas stored in cache of neighbor nodes is more appropriate than mechanisms that discover and mantain routes to the location or domain of content producers. In this case, growth of availability will only occur en-route of those who requests and produces the content. With that in mind, this work proposes a packet forwarding strategy for CCN. Our proposal is based on reinforcement learning techniques and aims at balancing the exploration of new paths and data acquired from previous exploitations. The output interfaces of a node are classified according to the content retrieval time and all interests that share the same prefix with contents previously forwarded are sent through the interface with the lowest mean retrieval time. The path exploration is probabilistic. Each node sends the same interest through the best interface and through another interface chosen at random simultaneously. The goal is to retrieve the content by using the best path found until present moment and at the same time explore copies that are recently stored in the cache of nearest nodes. Simulation results shows that the proposed strategy reduces up to 28% the number of hops traversed x by received contents and up to 80% the interest load per node in comparison to other forwarding strategies.
URI: https://app.uff.br/riuff/handle/1/1778
Appears in Collections:TGI - Trabalhos de Conclusão de Curso

Files in This Item:
File Description SizeFormat 
monografia-ian-victor.pdf2.49 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons