基于神经网络的命名数据网学习型FIB研究

针对命名数据网转发信息库(Forwarding Information Base,FIB)快速检索差异化名称数据、高效存储转发信息和有效支持最长名称前缀匹配机制的需求和挑战,首次提出了基于神经网络的命名数据网学习型FIB整体方案,称L-FIB。首先,介绍了L-FIB的索引结构Learning Tree,通过使用塔式两级神经网络模型学习索引内容在存储器中的分布情况,实现更均匀的数据映射,降低映射冲突,提高存储效率。其次,研究了L-FIB的存储结构和名称数据检索算法,片内高速存储器部署多个与不同名称前缀组件数相对应的索引结构Learning Tree,片外低速存储器部署多个与索引结构Learnin