[发明专利]计算机网络中的高效数据传播

说明书

计算机网络中的高效数据传播。本发明涉及用于通过考虑运行时要求在技术网络（NW）中传播数据的方法和系统以及控制节点（10）。针对表示技术网络（NW）及其技术约束的概率图（G）生成组件树（CT）数据结构。在组件树（CT）上应用传播算法，其迭代地确定所生成的组件树（CT）中的最优边缘，其通过考虑技术网络约束并重新估计更新的组件树中的预期信息流来将去往和/或来自每个网络节点的到查询节点（Q）的预期信息流最大化，以便为技术网络（NW）中的节点提供结果（r）以进行数据传播，使得通过考虑技术网络约束来将信息流最大化。

本发明涉及在大型网络（例如，通信网络）中可靠地传播数据分组或消息。

如今，技术电信或电气网络已经在我们的日常生活中变得无处不在，以接收和共享信息。每当我们在万维网上导航或在我们的蜂窝电话上发送文本消息时，我们都作为节点参与信息网络中。在这样的网络中，网络节点交换某种类别的信息：在无线传感器网络中，节点收集数据并旨在确保该数据通过网络传播：要么到目的地，诸如服务器节点，要么只是到尽可能多的其他节点。抽象地说，在所有的这些网络中，节点旨在贯穿网络传播它们的信息。在节点之间成功传播信息的事件受到固有的不确定性的影响。

在无线传感器、电信或电气网络中，链路可能是不可靠的并且可能以一定的概率出故障。概率图模型通常被用于以统一的方式处理这样的场景。在该模型中，每个边缘与存在概率相关联，以量化该边缘存在于图中的可能性。传统上，为了将两个节点之间成功通信的可能性最大化，通过将信息泛洪通过网络来传播信息。因此，接收一点信息的每个节点将继续与其所有邻居共享该信息。显然，这样的泛洪方法不适用于大型通信网络，因为两个网络节点之间的通信产生成本：例如微传感器网络中的传感器网络节点具有有限的计算能力、存储器资源和电源，需要电池电力来发送、接收和转发消息，并且还受它们的带宽限制。

在本发明中，处理以下问题。给定概率网络图G，其中边缘可以被激活用于通信，即能够传递信息，或保持不活跃。问题是，假设可以被激活的边缘的有限预算，从G中的单个节点Q向/从G中尽可能多的节点发送/接收信息。为了解决该问题，主要焦点在于选择要被激活的边缘上。

在现有技术中，挖掘概率图（又名不确定图）是已知的，并且最近已经在数据挖掘和数据库研究界中引起了很多关注，例如在A. Khan、F. Bonchi、A. Gionis和F. Gullo，Fast reliability search in uncertain graphs，在EDBT中，第535-546页，2014年中引起了很多关注。

子图可靠性。不确定图挖掘中的相关的基本问题是所谓的子图可靠性问题，它要求估计两个给定节点（的集合）是可达的概率。在通信网络的背景下很好地研究的这个问题，由于对大型网络的可扩展解决方案的需求，最近在数据库界已经复苏。该类别中的特定问题公式要求测量两个特定节点被连接的概率（所谓的双终端可靠性），网络中的所有节点成对被连接（所有终端可靠性），或者在给定子集中的所有节点都被成对连接（k终端可靠性）。扩展这些可靠性查询，其中指定了（一个或多个）源节点和汇聚节点，相应的图挖掘问题是针对给定的概率图找到最可靠的k终端子图的集合。所有这些问题定义具有共同点，即要到达的节点的集合是预先定义的，并且在激活边缘的数量中没有自由度——因此假设所有节点都尝试与它们所有邻居进行通信，我们认为这在许多应用中可能是过于昂贵的。

可靠性界限。在通信网络的背景下已经定义了关于（双终端）可靠性的若干下限。可以代替我们的采样方法使用这样的界限来估计通过将网络边缘添加到当前活跃集而获得的信息增益。然而，对于所有这些界限，获得这些界限的计算复杂度至少是网络节点的数量中的二次方，使得这些界限对于大型网络而言是不可行的。已经提出了非常简单但高效的界限，诸如使用两个节点之间的最可能路径作为它们的两个终端可靠性的下限。然而，可能的（非循环）路径的数量在图的边缘的数量中指数大的，使得在实践中，即使最可能的路径也将具有可忽略的概率，因此产生无用的上限。因此，由于这些概率界限对于实际使用都不是足够有效和高效，我们直接决定对其中不可能有精确推断的图的部分使用采样方法。