[论文解读] Data Dissemination in Opportunistic Networks

Radu‐Ioan Ciobanu, Ciprian Dobre|arXiv (Cornell University)|Feb 12, 2012

Opportunistic and Delay-Tolerant Networks参考文献 12被引用 23

一句话总结

本文提出了一种新颖的分类法，用于对机会网络中的数据传播技术进行分类与比较，强调社会意识和基于社区的协作。本文分析了四种关键技术——自组织播客（Ad Hoc Podcasting）、DPSP、社会意识叠加（Socio-Aware Overlay）和ContentPlace，发现像ContentPlace这样的社会意识方法通过利用人类移动模式和社区结构，相比传统洪泛路由，可将开销降低一个数量级，表现更优。

ABSTRACT

Mobile devices integrating wireless short-range communication technologies make possible new applications for spontaneous communication, interaction and collaboration. An interesting approach is to use collaboration to facilitate communication when mobile devices are not able to establish direct communication paths. Opportunistic networks, formed when mobile devices communicate with each other while users are in close proximity, can help applications still exchange data in such cases. In opportunistic networks routes are built dynamically, as each mobile device acts according to the store-carry-and-forward paradigm. Thus, contacts between mobile devices are seen as opportunities to move data towards destination. In such networks data dissemination is done using forwarding and is usually based on a publish/subscribe model. Opportunistic data dissemination also raises questions concerning user privacy and incentives. Such problems are addressed differently by various opportunistic data dissemination techniques. In this paper we analyze existing relevant work in the area of data dissemination in opportunistic networks. We present the categories of a proposed taxonomy that captures the capabilities of data dissemination techniques used in such networks. Moreover, we survey relevant data dissemination techniques and analyze them using the proposed taxonomy.

研究动机与目标

• 为机会网络中数据传播技术缺乏标准化分类的问题提供解决方案。
• 使用系统化的能力导向分类法，对现有数据传播方案进行分析与比较。
• 识别关键传播技术的优势与劣势，尤其关注社会意识和社区融合方面。
• 为未来高效、社会意识导向的数据传播协议在移动机会网络中的设计提供指导。
• 支持为无基础设施的移动用户开发上下文感知、低成本的通信解决方案。

提出的方法

• 提出一种分类法，涵盖数据传播技术的能力类别，包括社会意识、社区建模和上下文利用。
• 使用该分类法分析四种代表性技术：自组织播客（Ad Hoc Podcasting）、DPSP、社会意识叠加（Socio-Aware Overlay）和ContentPlace。
• 基于其在请求策略、过滤机制、启发式方法和效用函数方面的使用情况，对技术进行评估。
• 应用社区检测算法（如Simple、k-clique、caveman模型）以评估各技术在社会结构建模方面的表现。
• 通过开销、交付延迟和效率等指标（如捆绑包选择和基于接触的转发），比较各项技术的性能。
• 采用对比框架，突出上下文感知性、可扩展性与实现复杂性之间的权衡。

实验结果

研究问题

• RQ1 哪些关键能力使机会网络中的数据传播技术得以区分？
• RQ2 社会意识和社区建模在多大程度上影响数据传播的效率？
• RQ3 与基于洪泛或扩散的方法相比，上下文感知的转发策略在多大程度上降低了开销？
• RQ4 哪些组件——如过滤、启发式方法或效用函数——对提升传播性能具有最显著的影响？
• RQ5 能否通过整合现有方法的优势，设计出一种统一的高性能传播协议？

主要发现

• ContentPlace通过基于社区关系和社会结构的效用函数，在所分析的技术中表现最佳。
• 社会意识技术相比传统洪泛路由，可将网络开销降低约一个数量级。
• 社区检测对于高效的数据传播至关重要，Socio-Aware Overlay和ContentPlace均实现了专用算法（Simple、k-clique、caveman模型）。
• 自组织播客（Ad Hoc Podcasting）和DPSP缺乏社会意识，依赖请求和过滤策略，未对社会关系进行建模。
• 所提出的分类法支持系统化比较，并凸显了社会上下文在优化数据传播中的重要性。
• 未来数据传播协议应整合社会意识、社区建模和基于偏好的内容交换，以实现最佳性能。