摘要：讨论了基于神经网络自学习算法实现QoS路由决策的问题。为了证明利用人工神经网络优化路由决策的可行性,在由17台服务器(节点)搭建的实验网络环境中,每个节点上均设计了由几个神经元组成的神经网络,各神经元依据网络的测量数据,通过学习算法动态地进行路由决策。实验结果表明,在以最小跳转数或最小延时为QoS目标时,神经网络所提供的路由决策均可以有效地使QoS接近最优值;同时,当神经网络综合考虑延时和最小跳转数两项QoS指标时,网络延时状况要优于只考虑一项指标的情况。实验结果证明了利用神经网络在节点上进行分布式的路由决策能够达到优化QoS的目标。

摘要：针对路由传播过程中存在的自治域间策略违背的现象开展研究,提出边界网关协议(BGP)路由策略检测机制(BRPM2),设计包含策略链以及验证模块的系统架构。通过理论分析、原型设计与仿真验证,证明了提出的检测算法和系统架构可充分利用资源公钥基础设施(RPKI)技术资源,使RPKI依赖方承载验证功能并与路由器通信,实现功能解耦,便于部署应用。同时BRPM2具备验证方法简单、支持增量部署的优点,可在无需修改路由协议的前提下,提升域间路由系统安全。