P2P流媒体网络的关键节点识别算法

计算机工程与科学

• 计算机网络与信息安全 • 上一篇下一篇

P2P流媒体网络的关键节点识别算法

龙军1,2，王宇楼1,2，袁鑫攀3，张华超1,2

(1.中南大学信息科学与工程学院,湖南长沙 410083;

2.中南大学网络资源管理与可信评估湖南省重点实验室，湖南长沙 410083;

3.湖南工业大学计算机学院，湖南株洲 412000)

收稿日期:2017-11-22 修回日期:2018-03-20 出版日期:2019-01-25 发布日期:2019-01-25
基金资助:
国家自然科学基金(S1651002，61402165)；湖南省重点研发计划(2016JC2018)

A key node identification algorithm in P2P streaming networks

LONG Jun1,2,WANG Yulou1,2,YUAN Xinpan3,ZHANG Huachao1,2

(1.School of Information Science and Engineering,Central South University,Changsha 410083;

2.Network Resources Management and Trust Evaluation Key Laboratory of Hunan Province,Changsha 410083;

3.School of Computer,Hunan University of Technology,Zhuzhou 412000,China)

Received:2017-11-22 Revised:2018-03-20 Online:2019-01-25 Published:2019-01-25

摘要/Abstract

摘要：

P2P流媒体网络中普遍存在一些关键节点，关键节点对网络的安全和通信性能起着重要作用，识别网络中的关键节点尤为重要，而传统方法对于大规模网络的关键节点识别时间开销很大，无法保证实时性。提出P2P流媒体网络中的关键节点识别算法，结合混合模式的网络结构特点，
采用分区域的计算模型解决网络规模过大造成的巨大时间开销问题，根据节点的贡献度和传播能力差异定量化描述节点的重要性程度。仿真结果表明，所提算法可以快速获得节点重要性排序，有效识别P2P流媒体网络中的关键节点。

关键词: 流媒体, P2P, 网络拓扑, 混合模式, 关键节点

Abstract:

There are some key nodes in P2P streaming networks, which play an important role in network security and network communication. So identifying key nodes in the network is very crucial. The traditional method has huge time overhead for key node identification in largescale networks and cannot guarantee realtime performance. We propose a key node identification algorithm in P2P streaming media networks. Combining with the network structure characteristics of the hybrid mode, we use a regionbased computing model to solve the huge timeconsumption problem caused by the excessive network scale. The importance of nodes is quantitatively described according to the contribution and propagation capacity of nodes. Simulation results show that the proposed algorithm can quickly obtain the results of node importance ranking and effectively identify the key nodes in P2P streaming networks.

Key words: streaming, P2P, network topology, hybrid mode, key node

龙军1,2，王宇楼1,2，袁鑫攀3，张华超1,2. P2P流媒体网络的关键节点识别算法[J]. 计算机工程与科学.

LONG Jun1,2,WANG Yulou1,2,YUAN Xinpan3,ZHANG Huachao1,2.

A key node identification algorithm in P2P streaming networks

[J]. Computer Engineering & Science.

[1]	施得君, 李宏亮, 胡舒凯. 基于Clos网络的高阶路由器结构[J]. 计算机工程与科学, 2023, 45(12): 2099-2112.
[2]	杨迪，刘琰，陈静，张伟丽. 基于模体的目标区域网络拓扑划分方法[J]. 计算机工程与科学, 2019, 41(03): 466-478.
[3]	严开1,2，李玲1,2,秦永彬1,2. 道路交通网络中的关键节点识别方法研究[J]. 计算机工程与科学, 2018, 40(11): 1983-1990.
[4]	侯永宏，邢家明，王利伟. 基于模糊控制的流媒体自适应传输算法[J]. 计算机工程与科学, 2018, 40(08): 1444-1452.
[5]	吕铃，彭雅丽，曾欣怡,杨雨鑫，黄明和. 公共自行车复杂网络可达性指标潜力评价模型[J]. 计算机工程与科学, 2018, 40(01): 175-183.
[6]	刘强，蔡志平，殷建平，董德尊，唐勇，张一鸣. 网络安全检测框架与方法研究[J]. 计算机工程与科学, 2017, 39(12): 2224-2229.
[7]	陈源，林海涛. 多层次P2P流量分类方法研究[J]. 计算机工程与科学, 2016, 38(12): 2471-2477.
[8]	尚焱,樊欣唯，于洪. 考虑用户和传播属性的节点影响力评估算法[J]. J4, 2015, 37(11): 2105-2111.
[9]	包旭东，尤淳，李勇军. 基于插件技术的BT网络隐藏传输系统[J]. J4, 2015, 37(02): 257-262.
[10]	季一木1,2，袁永阁1，张苏锐1. 一种新型P2P流媒体协议及其流量模型研究[J]. J4, 2014, 36(11): 2100-2105.
[11]	关世杰. 复杂网络匹配系数控制算法[J]. J4, 2014, 36(04): 634-638.
[12]	周欣欣1,2,余镇危1. 基于流行度及最小访问代价的MP2P协同缓存优化策略[J]. J4, 2013, 35(8): 31-35.
[13]	周小毛,杜海清,刘勇. 基于云模型的流媒体业务QoS-QoE映射模型[J]. J4, 2013, 35(10): 104-109.
[14]	刘冬1,2. P2P数据库系统研究[J]. J4, 2012, 34(9): 51-57.
[15]	蒋晶晶1,2，叶剑1，朱珍民1,2. 基于ASM的混合式情境感知共享机制研究[J]. J4, 2012, 34(6): 50-58.

P2P流媒体网络的关键节点识别算法

A key node identification algorithm in P2P streaming networks

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价