移动机会网络中基于社会认知启发式的自适应数据分发

人们普遍认同数据将成为未来互联网系统的基石之一。在此背景下，移动机会网络（ONs）是以自组织、去中心化方式支撑用户移动设备之间以及其与 IoT 节点等附近设备局部交互所产生数据增长的关键范式之一。在 ONs 中，移动设备间的自发协作被用于向感兴趣用户分发数据。然而，各节点可用资源与知识有限，且可获取数据海量，使得设计高效方案以完成该任务十分困难。近期方案提出为每台设备配备源自人类数据处理方案的数据过滤方法，即所谓认知启发式（Cognitive Heuristics）——大脑用以快速丢弃无用信息而保留最相关信息的高效方法。当面临动态场景或节点无法充分协作的情形时，这些方案效果会下降。原因之一是迄今提出的方案未考虑节点所处环境的社会结构。为提升效果，各节点对信息的筛选应顾及环境的这一维度。本文提出一种基于认知社会圈启发式（Social Circle Heuristic）的、依托社会的数据分发方案。该评估方法利用社会环境的结构对发现信息的相关性进行推断。我们展示了社会圈启发式如何与基于认知的社区发现方案结合，以设计高效的 ONs 数据分发算法。我们通过仿真对所提方案的性能进行了详细分析。