[論文レビュー] Experimentation With Fuzzy Interest Forwarding in Named Data Networking

Spyridon Mastorakis, Kevin Chan+3 more|arXiv (Cornell University)|Feb 8, 2018

Caching and Content Delivery参考文献 21被引用数 8

ひとこと要約

本稿では、Named Data Networking (NDN)におけるファジィインテレストフォワーディング（FIF）を提案し、WordNetベースのマッチングによる意味的類似度を活用することで、正確な名前ではなく近似または意味的に類似した名前を用いてデータ取得を可能にする。FIFは、正確なマッチングよりも桁違いに高いデータ取得レートを実現するが、管理可能なオーバーヘッドを伴い、アドホックネットワークのような動的で多様な環境でもフィードバック駆動の学習を可能にする。

ABSTRACT

In the current Named Data Networking implementation, forwarding a data request requires finding an exact match between the prefix of the name carried in the request and a forwarding table entry. However, consumers may not always know the exact naming, or an exact prefix, of their desired data. The current approach to this problem-establishing naming conventions and performing name lookup-can be infeasible in highly ad hoc, heterogeneous, and dynamic environments: the same data can be named using different terms or even languages, naming conventions may be minimal if they exist at all, and name lookups can be costly. In this paper, we present a fuzzy Interest forwarding approach that exploits semantic similarities between the names carried in Interest packets and the names of potentially matching data in CS and entries in FIB. We describe the fuzzy Interest forwarding approach, outline the semantic understanding function that determines the name matching, and present our simulation study along with extended evaluation results.

研究の動機と目的

• 正確な名前一致が不可能な、非常に動的で多様かつアドホックなネットワーク環境におけるデータ取得の課題に対処すること。
• NDNにおける正確なプレフィックスマッチングの限界を克服すること。これは、消費者が意味的に類似したが異なる名前（例：'puppy' と 'dog'）を使用する場合に失敗する。
• 文法的正確性ではなく意味的類似度に基づいて、NDNルータがインテレストを転送できるファジーマッチング機構を設計・評価すること。
• 取得されたデータからのフィードバックが、アプリケーションがリアルタイムで名前戦略を学習・最適化するのをどう支援するかを調査すること。

提案手法

• ファジィインテレストフォワーディング（FIF）は、NDNのフォワーディングプレーンを拡張し、要求された名前とコンテンツストア（CS）およびフォワーディング情報ベース（FIB）内のデータ名との間の意味的類似度に基づいてインテレストパケットを転送することを可能にする。
• 意味的類似度関数は、WordNetベースのベクタ表現を用いてコサイン類似度を計算し、マッチの関連性を判断するための設定可能なしきい値を有する。
• FIBおよびCSにおけるファジーマッチ検索が実施され、ファジーマッチが見つからなければデフォルトフォワーディングにフォールバックする。
• フィードバックループが確立される：取得されたデータがアプリケーションに意味的フィードバックを提供し、将来の要求を最適化できる。
• NACKや高い意味的類似度を示す戻りデータを受信することで、アプリケーションがそのインテレスト名を動的に調整できる仕組みを提供する。
• シミュレーション研究により、類似度しきい値、待機時間、消費者のインテレストセットの重複度の変動に対する性能が評価され、アプリケーションレベルの正確性にはWordNetベースのWUP類似度が用いられる。

実験結果

リサーチクエスチョン

• RQ1 消費者が目的のデータの正確な名前やプレフィックスを知らない状況において、NDNにおけるファジーマッチングがデータ取得レートを向上させることができるか？
• RQ2 ファジィインテレストフォワーディング（FIF）の性能は、正確なマッチングフォワーディング（EMF）と比較して、取得成功度と誤検出数の観点でどのように異なるか？
• RQ3 意味的類似度しきい値を変化させた場合、取得正確性とネットワークオーバーヘッドにどのような影響を与えるか？
• RQ4 取得されたデータからのフィードバックループが、アプリケーションレベルでの名前発見と適応にどのように影響を与えるか？
• RQ5 NDNフォワーディングプレーンに意味的類似度を統合する際の計算的・メモリ的トレードオフは何か？

主な発見

• ファジィインテレストフォワーディング（FIF）は、名前の一貫性に欠ける環境において、正確なマッチングフォワーディング（EMF）と比較して桁違いに高いデータ取得レートを達成する。
• コサイン類似度のしきい値が約0.4のとき、FIFはWordNet WUPを用いたアプリケーション観測の類似度において意味的なマッチを反映する。
• アプリケーションが観測する類似度（WordNet WUP）は、ネットワーク内での類似度しきい値を常に上回っており、しきい値を保守的にとっても、取得されたデータが意味的に関連していることが示されている。
• 性能は、候補マッチの数と意味的類似度しきい値の両方とスケーリングするが、より高い類似度精度を求めるほど、処理およびメモリのオーバーヘッドも増加する。
• 3倍RTTの待機時間を伴う「フォワードまたは待機」戦略は、消費者のインテレストセットの重複度が高い場合に特に、取得成功を向上させる。
• NACKに関連する名前提案を含むフィードバックメカニズムは、アプリケーションが要求を最適化するのを支援できるが、意味的距離の動的重み付けは未解決の課題のままである。