● 摘要
随着网络规模的不断扩大和网络结构的日益复杂，以及网络应用呈现的多样性特点，网络正常运行所面临的问题也越来越多，对有效进行资源管理和安全保障提出了新的挑战。自主网络（Autonomic Networks）的研究是将自主计算的思想应用到网络管理和维护中，其目标是可以以一种完全自主的方式提供高度分布式的、可自组织的普适服务，这意味着自主网络中的组件能够理解其运行环境的上下文，包括物理级、技术级、服务级的上下文信息，并可以基于这些信息进行自适应。上下文感知是实现自主网络的基础，通过自主实体对其运行环境状态的感知，用于高层的管理决策，可以大大简化人工管理的复杂性，提高管理的效率。由于缺乏必要的基础设施，目前的网络管理任务很难自动获得所需的上下文信息。随着普适计算技术的发展，各种传感器和感知模块可以获得大量的上下文信息，这些原始信息如果不加以有效处理，就会产生信息过载问题。因此，在如何从原始的感知数据派生高层控制所需要的上下文知识，并共享上下文资源方面还存在挑战。论文的主要研究工作为：（1）在分析自主网络概念模型的基础上，提出面向自主网络的上下文信息模型；采用本体论的方法进行网络上下文语义建模，包括宏观结构和微观结构模型；构建上下文信息的组织模型，并基于描述逻辑的方法研究上下文信息的语义互操作问题，给出概念映射和实例映射方法。（2）受到生命系统中“神经-体液”双重调节机制和自组织特性的启发，提出一种通用网络上下文感知体系结构（GNCA），融合“知识层面”的思想，提出GNCA中上下文感知信息层面和上下文感知信息控制层面构建方法；在上下文信息获取上，提出快速通道和慢通道相结合方法，快速通道进行高效、粗略上下文感知，慢速通道采用机器学习的方法原始上下文数据的聚合，生成高层上下文。（3）提出上下文资源层的自组织机制构建方法，可将上下文目录代理（CDA）组织成上下文资源服务覆盖网（CRSO），具有良好的可扩展性。提出一种基于位置保留哈希的上下文资源映射算法，通过分布式多机模拟实验验证其有效性。设计实现上下文目录代理的功能。（4）在位置上下文感知方面，基于位置指纹方法提出了一种改进的贝叶斯概率定位算法，消除环境因素对信号采样质量的影响。提出并实现一种结合初步定位和精确定位的双重控制多楼层定位方法。构建层次位置语义信息模型并实现了位置服务接口。在实际校园网环境中进行了算法有效性的验证。（5）提出网络流量上下文感知的信息模型，设计实现了一种基于通用CPU和网络处理器NP相结合的混合型流量上下文感知节点原型系统。基于NP的硬件分类器是流量分类的“快速通道”，基于流量的行为特征进行分类；通用CUP实现基于机器学习算法的“软”分类器，利用流的统计特征进行流量分类，是“慢速通道”。可以根据应用场景和管理策略进行分类模式的选择。最后通过实验进行了系统的有效性验证。论文对面向自主网络的上下文感知方法中的网络上下文信息模型、支持知识层面的上下文感知体系结构模型的构建、上下文资源服务的自组织机制、基于WLAN的位置上下文感知方法和流量上下文感知方法进行了深入的研究与探讨，论文的研究成果对于未来自主网络的实现具有重要意义。