移动通信环境下的缓存技术研究

2017-12-29作者姚自阳南京市第二十九中学高中部

电子制作 2017年16期

作者/姚自阳，南京市第二十九中学(高中部)

引言

随着计算机和互联网技术的日益完善，人们不断在信息革命的路上探索和追寻。目前，我们已经经历了四代移动通信技术，从模拟化到数字化；从频分多址到时分多址再到码分多址，信道越来越稳定，消耗越来越少。但仍然存在许多不足，社会的发展更是给移动通信提出了更高的要求。

随着互联网时代的发展，移动通信业务的需求量空前巨大，对现存的移动通信网络提出巨大挑战。据国际电信联盟预测，到 2020 年，移动通信网络的数据业务容量需求将达到 4G 商用网络的 1000 倍。并且随着人们对网络服务个性化的要求提升，移动网络需要适应高容量热点、大规模多连接和低时延高可靠性三大主要应用场景，这就对移动网络提出了一个更高的要求。

为满足上述需求，各个国家都在研究新一代的第五代移动通信系统 (5G)在国外欧盟和韩国都开展了相应的5G项目，中国也启动了 IMT–2020 论坛旨在发展中国的5G技术。为了解决未来网络对数据业务爆炸式增长的适应能力，科学家们主要想出了从物理层无线传输，频谱资源扩展，网络构架三个方面解决该问题的方法。在这三个提升网络容量性能的因素中，网络结构对系统带来的增益更值得关注。

但由于移动网络自身的不稳定性和复杂的网络结构，使得移动网络不能直接使用有线网络中已有的高效结构来提高数据容量。所以，如何设计更加高效的基于网络数据化思想的网络缓存技术将成为进一步提高数据传输效率和降低能耗的有效方法。

网络缓存核心思想是将频繁访问网络内容资源（尤其是视频资源）存放在离用户较近、业务响应速度更快的系统中。网络中的文件都有着其被用户请求的受欢迎程度，如何对文件受欢迎程度进行合理的衡量是一个影响网络性能的关键因素。经过科学家们的大量统计结果，最终总结出来了齐夫定律来对文件的流行度进行衡量。将网络缓存技术应用到移动通信可以满足5G趋势下对多数用户体验的快速响应。

因此本文是设计一种运用于移动通信中的网络缓存方法，从实际的角度去解释适用的范围和具体的方案。

1.方案介绍

1.1 D2D与缓存技术相结合

针对5G高容量热点场景，许多科学家提出用D2D（device to device）的方法来应对这样的新要求。D2D,即设备和设备之间直接传输数据的一种方式。它的数据平面由设备之间连接构成，其控制平面仍然由基站侧保持[1]。本方案中是移动设备在基站允许下对网络资源进行的用户之间的直接传输。

具体的操作方法如下：

我们首先假设一个移动设备a处在一个基站的控制下，其最大D2D传输范围为300m，处于基站X的辐射范围内。现在用户需要将一个视屏资料1下载到a设备上。

这里先说最简单的情况：①a设备向以a为圆心半径为300m内的所有设备发送资料1的请求，记为“Req1”，收到“Req1”的所有设备将反馈给a一个信息，如果存在资源1则送回为“1”的信号，不存在就送回为“0”的信号。②a收到反馈信号后，如果存在“1”信号则向基站发出D2D请求，基站收到请求反馈执行信号“Exe”并开始进行计录，设备收到信号“Exe”后，开始通过下列公式Ps/（N＊B）来计算信噪比从而判断信号强度，从而自动选取合适的获取目标，如设备b、c、d等，并发出“Tran”的请求，目标收到“Tran”后将资料1传输给a。③当a收到资料1并下载完毕时，向基站发送“End”的信号，基站收到信号后完成这次记录并收取相关的费用。④当基站范围内在一定时间内多次接收到同样的请求，则基站将保留这条资料在收到D2D请求或向核心网的请求时直接进行传输。

然而，现实生活中由于移动设备的高灵活性和公共场所较为复杂的情况，我们经常会遇到如下问题：①在最大传输边缘的传输方式选择问题，②跨基站传输问题，③断点重传的问题。

对此笔者的个人分析：①对于直接访问基站还是D2D我们需要通过对该小区的具体情况分析后建立适当模型，由于本篇主要讨论的是高容量热点场景，不对此做过多研究。②在这种情况下可将“End”信号传输到基站Y，基站Y向相邻基站发送相关信号，此时除X基站外，其余基站均为无效接收，X完成剩余的步骤。③当目标意外消失或出现更加适合的目标，资源未完全下载，则采取在上次“Tran”请求中重选目标，从当前进度开始加载，剩下的不变。

1.2 信息推送与缓存

在第五代移动通信的背景下，人们对热门信息的需求量不断增大，这就要求我们去完善现有的信息推送技术，让移动用户更加方便、快捷的接触到最新的量身定做的信息。

信息推送技术，顾名思义，即将信息主动推送给客户的传输方式。在此我们选取热门新闻作为例子。首先，我们先要对新闻进行选择，那么什么新闻值得我们去推送呢，我个人认为有以下三点：①在一定时间段内点击量较高的新闻。众所周知，点击量意味着人气，虽说每个人关注的焦点不同，但符合大众焦点的新闻的即时推送，可以省去网络端的种种步骤，为客户端提供了极大便利。②在考虑新闻的点击量的同时要关注用户个人的兴趣偏好，在此类信息中进一步筛选，做到更精确的推送。③在对用户进行信息推送时，要充分考虑用户已经点击的信息，避免重复推送造成资源的浪费。

标题含有某些关键词的信息更容易受到用户的的关注。根据科学家长期的调查显示，人们对一些关键性的语句如“最”、“99%”、“是这样的”甚至是一些标点符号都对信息的热度产生影响。除此之外，人们普遍对与自媒体有关的新闻和一些身边发生的重大信息较为感兴趣，我们可以有针对性的推送满足以上条件的信息。

然而，仅仅有合适的信息是不够的。合适的时间和合适的更新频率也是进行高效推送的关键。

首先考虑更新频率，经科学研究表明不同类别的内容有不同的更新频率，它的更新频率与其时效性紧密相关，若果是新闻类的信息，那么它的更新频率就比较高，如果是一些影视视频业务，其更新频率就比较低[2]。再有是信息推送的时间，人们一般会在早中餐前后或晚餐到晚上11点的时候频繁使用网络处理信息，因此为提高推送效率，我们最好选在每天0:00到6:00和14:00到18:00的期间将信息推送给用户，同时也保证了我们一天至少两次的更新频率，更好的节约了用户的时间。这些推送的信息将会产生大量的数据流量，将其提前缓存可以大大提高网络性能。

1.3 信息安全与缓存

在5G环境下，我们的用户体验是得到了进一步完善。但是，在5G大数据的背景下我们的信息也更加暴露。这时，将缓存网络引入到移动通信会带来信息安全的问题：缓存网络需要大量的共享信息以达到高效的网络性能，然而这种共享性在一定程度上暴露了用户的隐私，二者存在明显的矛盾。

由于在理想的内容中心网络模型下信息的泛在化程度高，因此来自外部的攻击者也更容易获取我们的信息。而现在使用的应对措施，如随机时延这类，存在牺牲用户访问速度来确保安全的问题；另一类如多重隧道解密等，则因为加密和解密的成本问题，并不适合大规模的投入使用[3]。那么如何解决这个问题呢？

首先，我们先站在攻击者的角度看一下这个问题。他们攻击的目标主要是我们具体的某些信息（如地理位置），如果我们的信息和他人混在一起，那么攻击者所得到的信息的混乱度也随之增加，能够准确得到我们的信息的概率也随之减小，反之，攻击者则很容易获得我们的信息。我们把这种混乱程度称为“数据熵”。当然，攻击者的攻击范围有限，我们将这个范围叫做“攻击信息空间”。有了这样的概念后，我们针对两种不同情况的网络信息提出了如下的应对措施；

针对之前提到过的流行度高的信息，我们将该内容缓存到离用户更近的基站中，让内容与用户的距离更近，在保证用户能够更快的访问信息的同时，也快速增加了访问人数，使攻击者在其“攻击信息空间”范围内的“数据熵”较大，其破解信息的工作量增大，更加难以从“攻击信息空间”内找到目标信息。从而既保证了网络使用的高效性，也保证了用户个人隐私的安全性。

考虑到流行度相对较低的信息，其“数据熵”较低，容易被人所攻击。因此我们将该缓存节点的一跳相邻节点人为加入到“攻击信息空间”这样就使得“攻击信息空间”变大，攻击者辨认有效信息的难度也会进一步上升，提高了原来“数据熵”的值，自然的提高了用户个人隐私的安全性。