一种基于机器学习及网络节点信誉的非结构化P2P资源搜索方法技术

本发明专利技术涉及一种基于机器学习及网络节点信誉的非结构化P2P资源搜索方法，包括如下步骤：步骤一，设置生存时间；步骤二，判断网络节点是否存在目标资源；步骤三，判断请求消息的生存时间；步骤四，判断Q表中关于目标资源的Q值是否为空；步骤五，计算奖赏；步骤六，搜索目标资源；在邻居网络节点搜索资源，直到找到了目标资源或者TTL为0结束。本发明专利技术能够加快机器学习速度，减少资源查询时间，提高搜索成功率，同时保障服务的安全可靠性。

【技术实现步骤摘要】
一种基于机器学习及网络节点信誉的非结构化P2P资源搜 索方法
本专利技术涉及网络通信搜索方法，具体涉及一种基于机器学习及网络节点信誉的非 结构化P2P资源搜索方法。技术背景随着网络技术的飞速发展和Internet在社会生活各个领域中的广泛应用和迅速 普及，信息量和用户数量与日俱增，使得现有的C/S模式(即Client/Server，客户机/服务 器)无法满足和支持大规模的网络应用，由此产生了 P2P技术。P2P即Peer-to-Peer，也称 为对等计算或对等网络，是在物理网络之上构建的一种覆盖网络。目前P2P技术已经广泛 地应用于文件共享、对等计算、协同工作、即时通信等诸多领域。P2P作为未来网络的关键技 术之一，即核心问题就是为大量的用户提供可靠的服务，实现网络资源共享。但要想充分地 利用P2P网络中的各种资源，关键问题是快速有效地找到资源。目前，非结构化P2P中资源 搜索方法可分为盲目搜索和信息搜索两种:所谓盲目搜索是在完全没有任何相关信息的前提下，试图通过访问足够数量的网 络节点来满足资源查询请求；该搜索方法会产生大量冗余消息，浪费带宽资源。所谓信息搜索则是利用所获得的各种有关信息，采用启发式方法指导当前的搜 索，使得系统在查询资源时具有针对性，克服盲目搜索的不足，该方法在一定程度上提高资 源查询效率；但这种简单的信息搜索方法的搜索成功率低，搜索效率得不到保障。非结构化P2P的拓扑结构是无规则的，这一本质特征也导致了该系统在资源查询 时具有较大的不确定性，因此，如何提高搜索效率对于非结构化P2P网络具有重要意义。现有的针对非结构化P2P的搜索方法中基于信息搜索方法的居多，如蚁群算法， 移动代理以及基于小世界模型的语义聚类算法，网络节点信誉方法，等等；从搜索成功率、 产生的消息量、对网络动态变化的适应性和网络维护等方面对这些方法分别进行研究表 明，在一定条件下可以提高资源的搜索效率。但这些方法还具有各种各样的缺陷，例如建立 语义小世界的搜索方法，搜索之前，对资源的整合聚类就需要花费大量的代价，另外在资源 查询时，由于大量的冗余消息造成的P2P系统带宽浪费问题也没有解决，搜索效率也得不 到保障。因此，针对非结构化P2P中资源搜索效率低等问题，需要进一步研究寻找更加高效 的资源搜索机制是当前P2P技术的研究重点。CN 101364958A公开的“一种基于非结构化P2P网络的搜索方法”，其搜索过程是: 网络上的任意一个站点首先根据公式TTL=round(1gnN)+2、Load=nTTL分别计算一组TTL 值和网络负载值Load，并计算各组值的优先级；将优先级的多组值中的最大值对应的邻接 站点数η和消息包存活时间TTL值确定为最终参数；然后根据查询内容生成一个查询消息， 发送给所确定的最终要发送的η个邻接站点；收到该查询消息的第j个邻接站点将TTL值 减j后，搜索本站资源，如果本站有要查询的消息，则返回给发送站点，否则，将该查询消息 转发给其它邻接站点；如此往复直至TTL值变为O或搜索到所要的资源后停止。该方法具有搜索成功率高和网络负载小的优点，可用于在非结构化网络中搜索文档、音乐、电影等资 源信息。Q学习是一种典型的机器学习方法，其思想来源于条件反射理论及动物学习理论， 广泛应用于各个领域。如CN 101634995 A公开的“一种基于机器学习的网络连接速度预测 方法”。该方法包括以下步骤:1)利用自定义浏览器，记录用户与浏览过的网站的连接速度， 作为训练集和测试集；2)利用获得的网站连接速度，使用神经网络训练并预测该用户与训 练集中各网站的连接速度；3)根据所有神经网络的预测误差减小状况，或者执行步骤4)， 或者将训练集分成更小的训练集并对每个训练集返回执行步骤2) ；4)使用一个决策树测 试神经网络的预测性能；5)使用决策树和神经网络，预测用户与未知网站的连接速度。本 专利技术利用人工智能技术，应用机器学习方法来预测用户与各个网站的连接速度，提升评估 网络状况的精准度，充分利用到用户带宽，为用户提供更好的互联网体验。有研究者将Q学习的方法应用在基于网格的P2P资源搜索中，该方法要求每个网 络节点均维护一张Q表；Q表包含了该网络节点的每个邻居网络节点的Q值，Q值表示该邻 居网络节点的资源可达性。起初，Q表部分资源的Q值是空的，网络节点是通过不断地学习 网络状态逐渐建立并丰富各自的Q表信息。网络节点在自身不能满足搜索请求时，根据自 身的Q表信息选择下一跳的邻居网络节点，将请求消息转发至下一跳网络节点；与其他方 法相比，该方法虽然有较好的自适应性，但该方法具有学习速率缓慢的缺陷；’其具体为: 由于Q表在初始时为空，网络节点没有关于目标资源的相关信息，在这种情况下，该方法的 网络节点选择策略是采用随机选择策略，对搜索请求的转发具有一定的盲目性，搜索效率 较低；此外，P2P网络的动态性、自组织性和匿名性不能保证所有的响应网络节点都提供诚 实的服务和可靠的资源，某些网络节点甚至提供恶意的欺诈服务，使服务的请求者以及其 它网络节点无法正常获取资源，该方法也没有考虑到这一问题。
技术实现思路
针对Q学习在查询初始采用随机盲目转发请求，学习速率缓慢以及服务安全性差 等问题，本专利技术的目的是提供一种基于机器学习及网络节点信誉的非结构化P2P资源搜索 方法，该方法能够加快机器学习速度，减少资源查询时间，提高搜索成功率，同时保障服务 的安全可靠性。本专利技术所述的一种基于机器学习及网络节点信誉的非结构化P2P资源搜索方法， 包括如下步骤:步骤一，设置生存时间；当某一网络节点收到包括源网络节点ID、资源名和生存 时间TTL的资源请求消息时，设置生存时间TTL的初值为10 ；步骤二，判断网络节点是否存在目标资源；网络节点检查本地是否存在目标资源， 若为Y，即本地存在目标资源，则直接返回源网络节点资源响应消息；若为N，即本地不存在 目标资源，则将资源请求消息作为新消息加入到本网络节点；步骤三，判断请求消息的生存时间；即判断请求消息的生存时间TTL是否为0，若 为Y，搜索过程结束；若为N，则将请求消息转发至邻居网络节点；步骤四，判断Q表中关于目标资源的Q值是否为空；网络节点首先查看本网络节点 Q表，若判断为N，即有目标资源的Q值，则选择具有最大Q值的邻居网络节点，并向其转发请求消息，同时请求消息中的生存时间TTL值减少I ;若判断为Y，即没有目标资源的Q值， 网络节点则查看自身信誉表，选择信誉值最高的网络节点作为邻居网络节点，并向其转发 请求消息，同时请求消息中的生存时间TTL值减少I ;在一段时间周期后，根据邻居网络节 点成功下载资源的次数计算并更新信誉值；步骤五，计算奖赏；请求消息至邻居网络节点后，计算奖赏，更新前一跳网络节点 的Q值；步骤六，搜索目标资源；并开始在邻居网络节点搜索资源，直到找到目标资源或者 TTL为O结束。本专利技术在搜索初期，网络节点的Q表中部分资源的Q值是空的，网络节点在搜索过 程中不断学习资源信息，计算奖赏值来更新Q表。随着时间增加，网络节点Q表的信息会越 来越多，网络节点按照Q表指导搜索过程，因此，在网络节点转发资源请求的时候，增加了 判决条件，即判断Q表中关于目标资源的Q值是否为空，同时在判本文档来自技高网...

【技术保护点】
一种基于机器学习及网络节点信誉的非结构化P2P资源搜索方法，包括如下步骤：步骤一，设置生存时间；当某一网络节点收到包括源网络节点ID、资源名和生存时间TTL的资源请求消息时，设置生存时间TTL的初值为10；步骤二，判断网络节点是否存在目标资源；网络节点检查本地是否存在目标资源，若为Y，即本地存在目标资源，则直接返回源网络节点资源响应消息；若为N，即本地不存在目标资源，则将资源请求消息作为新消息加入到本网络节点；步骤三，判断请求消息的生存时间；即判断请求消息的生存时间TTL是否为0，若为Y，搜索过程结束；若为N，则将请求消息转发至邻居网络节点；步骤四，判断Q表中关于目标资源的Q值是否为空；网络节点首先查看本网络节点Q表，若判断为N，即有目标资源的Q值，则选择具有最大Q值的邻居网络节点，并向其转发请求消息，同时请求消息中的生存时间TTL值减少1；若判断为Y，即没有目标资源的Q值，网络节点则查看自身信誉表，选择信誉值最高的网络节点作为邻居网络节点，并向其转发请求消息，同时请求消息中的生存时间TTL值减少1；在一段时间周期后，根据邻居网络节点成功下载资源的次数计算并更新信誉值；步骤五，计算奖赏；请求消息至邻居网络节点后，计算奖赏，更新前一跳网络节点的Q值；步骤六，搜索目标资源；并开始在邻居网络节点搜索资源，直到找到目标资源或者TTL为0结束。...

【技术特征摘要】
1.一种基于机器学习及网络节点信誉的非结构化P2P资源搜索方法，包括如下步骤: 步骤一，设置生存时间；当某一网络节点收到包括源网络节点ID、资源名和生存时间 TTL的资源请求消息时，设置生存时间TTL的初值为10 ；步骤二，判断网络节点是否存在目标资源；网络节点检查本地是否存在目标资源，若为 Y，即本地存在目标资源，则直接返回源网络节点资源响应消息；若为N，即本地不存在目标 资源，则将资源请求消息作为新消息加入到本网络节点；步骤三，判断请求消息的生存时间；即判断请求消息的生存时间TTL是否为0，若为Y， 搜索过程结束；若为N，则将请求消息转发至邻居网络节点；步骤四，判断Q表中关于目标资...

【专利技术属性】
技术研发人员：刘焕淋，陈高翔，秦亮，周邦陶，肖维仲，孙龙钊，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：