消息传递网络中的消息传递机制和路由算法

消息传递网络应用十分广泛,小到超大规模集成(VLSI)内部总线,大到计算机广域网.对其中一种消息传递网络———3D环型立方体结构中消息传递机制以及路由算法进行了深入研究,提出了无死锁和无活锁的确定性路由与自适应路由相结合的路由算法,考察了虚拟直通(cut-through)和存储转发(store-and-forward)两种消息传递机制下的性能表现.通过在3D环型立方体网络上的模拟运算,验证了所提出的算法在传输延时、吞吐率等方面的性能提高;也验证了不同的消息传递机制对网络传输效率的影响.

Delphi5.0中的网络消息传递机制及应用

阐述了在 Delphi5.0下开发 Client/ Server模式应用程序时 ,怎样利用 Delphi5.0所提供的 Internet组件在网络计算机之间进行消息传递 ,并介绍怎样利用这一功能设计开发实际的应用系统。

基于多层注意力和消息传递网络的药物相互作用预测方法

药物相互作用(Drug-drug interaction,DDI)是指不同药物存在抑制或促进等作用.现有DDI预测方法往往直接利用药物分子特征表示预测DDI,而忽略药物分子中不同原子对DDI的影响.为此,提出基于多层次注意力机制和消息传递神经网络的DDI预测方法.该方法将DDI建模为通过学习基于序列表示的药物分子特征实现DDI预测的链接预测问题.首先,建立基于注意力机制和消息传递神经网络的原子特征网络,结合提出的基于分子质心的位置编码,学习不同原子及其相关联化学键的特征,构建基于图结构的药物分子特征表示;然后,设计基于注意力机制的分子特征网络,并通过监督和对比损失学习,实现DDI预测;最后,通过实验证明该方法的有效性和优越性.

Delphi4.0中的网络消息传递机制及应用

阐述了在Ｄｅｌｐｈｉ４ ．０ 下开发ｃｌｉｅｎｔ／ｓｅｒｖｅｒ 模式应用程序时，利用Ｄｅｌｐｈｉ４ ．０ 所提供的Ｉｎｔｅｒｎｅｔ 组件在网络计算机之间进行消息传递的原理，并介绍怎样利用这一功能设计开发实际的应用系统。

消息传递机制的比较及其最新发展

消息传递机制在分布式计算中发挥着很重要的作用。随着人们对高性能计算需求的不断扩大和各种新技术的出现,消息传递机制也处于不断的发展和完善之中。首先对两种主要的消息传递系统PVM和MPI进行了详尽的比较,比如背景、目标、移植性、通信等;然后针对它们的现状列举了最新发展情况;最后归纳了消息传递机制的发展趋势。

移动对等网络中自私节点的检测和激励机制

由于其自身资源等客观因素的限制以及主观态度的影响,移动对等网络中的节点常常表现出自私性,因此,检测并激励自私节点合作成为当前重要的研究内容.通过允许节点自由表达其主观转发态度,实现对自私节点的检测.即在路由选择时,不仅考虑到链路质量和节点能量等因素决定的路径的客观转发概率,而且考虑到路径上节点自私性影响下的主观转发概率,以选择出综合转发概率最高的路径,从而减轻自私节点的影响.当节点自私度过重时,设计了一个基于惩罚机制的激励合作模型以鼓励节点参与合作.根据节点自私行为的危害程度,对其采取相应的惩罚措施.节点之间的监控机制和严格的惩罚机制保证了防策略性的实现.模拟实验结果表明,该检测和激励机制不仅能够在节点能量受限和理性自私的情况下寻找到合适的路由,而且能够激励过于自私的节点积极参与网络活动.

对等网络中的搭便车行为分析与抑制机制综述

搭便车(freeriding)行为在对等网络(Peer-to-Peernetwork)中日趋严重,它对网络健壮性、可用性和生命周期等造成了负面影响.设计、应用合理的搭便车行为抑制机制是当前对等网络研究的一个重要方向.文中首先描述搭便车行为的测量方法和发展趋势,然后分析搭便车行为的基本原理以及对对等网络性能的影响.依据数学建模和分析工具的差异,将已有搭便车行为抑制机制分为激励机制、博弈论方法、社会网络与经济模型三大类.文中归纳了三类抑制机制的建模方法,对其优、缺点进行了分析和比较,最后对搭便车行为抑制机制的未来研究方向进行了展望.

注意力感知的边−节点交换图神经网络模型

提出了一种注意力感知的边-节点交换图神经网络(attention aware edge-node exchange graph neural network,AENN)模型,在图结构化数据表示框架下,使用边-节点切换卷积的图神经网络算法进行图编码,用于半监督分类和回归分析。AENN是一种通用的图编码框架,用于将图节点和边嵌入一个统一的潜在特征空间。具体地,基于原始无向图,不断切换边与节点的卷积,并在卷积过程中通过注意力机制分配不同邻居的权重,从而实现特征传播。在3个数据集上的实验研究表明,所提方法较已有方法在半监督分类和回归分析中具有明显的性能提升。

中药活性成分中新型冠状病毒3CL蛋白酶抑制剂的消息传递机制神经网络虚拟筛选

目的在新型冠状病毒感染尚无特效药的情况下,根据潜在的治疗靶点,从中药活性成分中筛选出先导化合物为药物研发、中药组方等提供理论线索。方法构建消息传递机制神经网络(message passing neural networks,MPNN)模型,以化合物描述符SMILES码为输入,以化合物对新型冠状病毒3CL蛋白酶抑制活性为输出,利用开源数据对模型进行训练和优化。结果用优化后的模型从186味清热解毒中药所含的3863个活性成分中筛选出101个潜在的抑制剂。其中龙胆素、桑辛素C、5-羟基-4-氧代戊酸甲酯等化合物预测活性较高,黄芩、苍耳子、昆布、芫荽、紫苏等中药含有的潜在抑制剂数量较多。结论使用MPNN模型虚拟筛选出的抑制剂中约1/5已被其他的研究报道验证有效,证明了MPNN模型虚拟筛选结果的可靠性。此外,优化的神经网络模型微调后可用于分子其他属性的预测,在药物虚拟筛选领域有着广泛的应用前景。

非结构化对等网络Gnutella搜索机制的改进

本文介绍了非结构化对等网络Gnutella搜索机制的工作原理,分析其带来的可扩展性问题,提出一种动态拓扑调整的改进策略。仿真实验表明,该策略能够有效降低网络资源的消耗,优化节点间的负载均衡,进而提高网络的可扩展性和资源搜索效率。

安全结构化对等网络的节点信誉管理机制

提出一种安全结构化对等网络的节点信誉管理机制。使用全局储存方式保存信誉度信息,将文件信誉与节点信誉相结合,避免恶意节点通过修改标识符伪装友好节点的行为。对文件共享系统中的基本操作过程进行分析。在各种节点行为下进行模拟实验,结果证明了该信誉管理机制的有效性。

对等网络中一种新的资源搜索机制的研究

本文中,我们对对等网络中的资源搜索机制进行了研究,提出一种名为指数-线性协议的新的资源搜索机制,来提高搜索机制的效率。该机制结合了指数机制和线性机制,能够有效的搜索到合适的资源,降低消耗。同时,我们创造性地提出使用OHT来减少大量冗余信息,以降低网络负载和提高效率。

结构化对等网络中面向信誉机制的资源共享平台

针对目前因特网上提高空闲网络资源利用率的需求,提出并描述了结构化对等网络中一种面向信誉机制的资源共享平台NRSP。NRSP系统可以把因特网上用户提交的各种作业高效地映射到平台中合适的网络资源上运行,充分共享空闲处理器的周期。该系统具有非集中性、可移植性、统计性与公平性的优点,使用分布式哈希表的Pastry网络来组织节点。同时提出一种新型的分布式信誉机制,支持资源的消费者与提供者之间交换信誉信息,完成信誉信息的统计。最后实现了NRSP的原型系统,通过对各种作业场景下的应用进行测试,性能分析表明NRSP采用公平的信誉机制可以更快、更多地共享其他节点的处理器周期。

浅谈对等网络计算的模型和发现机制

描述了几种不同的对等网络计算的模型和发现机制,对等点可以使用这些机制彼此发现,介绍了每种机制的优缺点及其应用。

对等网络中基于PKI的抗攻击机制

提出一个基于公钥基础设施的对等(P2P)网络抗攻击机制,以数字认证技术和信任值相结合的方式解决对等网络节点之间的相互认证问题,确立节点之间的信任关系,并允许网络中的任何节点参与认证过程。仿真结果表明,该机制可以保证P2P网络的匿名性,同时具有较高的安全性和抗恶意节点的能力。

非结构化对等网络中的信誉管理机制

针对因特网上网络资源共享中存在的恶意节点行为,提出并描述了一种非结构化对等网络中的信誉管理机制。该机制使用非集中式的策略,根据节点与应用的需求计算节点的信誉度,具有独立性,不需要其它节点的参入与辅助。把加入对等网络的节点行为划分为恶意行为与友好行为,既可以统计节点对系统的贡献,也可以根据恶意行为而减少节点的信誉度。描述了信誉管理机制的设计与实现,各种节点行为下的仿真实验结果表明,该信誉管理机制是对等网络中一种真实的、高效的、信誉机制良好的资源共享策略。

区块链矿池网络及典型攻击方式综述

区块链网络是构建在TCP/IP体系之上的一类覆盖网络,在不依赖可信中心服务节点和可信信道的前提下,为分布式环境中互不信任的节点之间就账本数据达成一致性提供通信保障。随着区块链挖矿技术的发展,尤其是基于ASIC、GPU等硬件的工作量证明共识挖矿技术在比特币(BTC)、以太坊(ETH)、莱特币等主流加密货币中的应用,支撑矿池挖矿方式的矿池网络引起了研究者的广泛关注,因此归纳并总结区块链矿池网络及其安全方面的研究成果对于追踪区块链技术研究进展和拓展区块链应用范围具有重要价值。首先,结合传统对等(P2P)网络组网模式,针对BTC、ETH和超级账本等典型应用场景,梳理区块链P2P网络运行机制和特点。然后,介绍矿池、矿场以及矿池网络概念,分析矿池网络的组成要素以及GetWork、GetBlockTemplate和Stratum典型矿池网络协议的工作原理。接着,重点讨论针对矿池网络的自私挖矿、跳池、扣块、空块等典型攻击方式的实现过程,并提出相应的防范方法。最后,对矿池网络的未来发展方向进行展望。

对等网络中一种新的激励机制研究

针对对等网络中的搭便车问题,提出了一种可监测调控的激励机制。按网络中搭便车节点的数量分为3个等级,在不同等级情况下使用不同的激励策略。提出了一种基于带宽分配的惩罚策略。仿真实验表明,该激励机制不仅体现了节点享受服务的公平性,提高了下载成功率,而且保护了开发者的经济利益。

基于等级结构的对等网络激励机制研究

搭便车行为对对等网络造成严重负面影响。首先提出了一种基于等级概念的网络激励机制以抑制搭便车行为并解决公共悲剧问题。所提出的效用函数为公平性特别考虑了用户的绝对贡献值和物理特性,并根据层次分析法来计算它们的值。通过实验仿真证明了此种机制的有效性和实用性,并对此机制的发展给出了展望。

非结构化对等网络资源定位机制研究

非结构化对等网络是当今P2P的主流，资源搜索定位机制是其核心问题，Gnutella为代表的非结构化对等网络采用基于BFS和DFS的定位机制。在分析非结构化对等网络特征的基础上，提出了改进搜索定位机制的思路和方法。