基于业务感知的认知网络QoS自适应控制技术

基金项目：国家高技术研究发展(“863”)计划(2006AA01Z232、2009AA01Z212、2009AA01Z202)；国家自然科学基金(61003237)；江苏省重大科技支撑计划项目(BE2008134)

1 认知网络的概念
    当前网络业务类型众多，网络环境复杂且动态多变，传统的端到端保证技术因缺乏智能推理和自学习能力，难以根据网络行为的动态变化迅速且自适应地为用户提供理想的服务[1]。现行网络系统的显著问题是不能充分感知终端用户的服务需求，不能根据网络系统的内外环境变化有效、动态地改变终端用户服务质量(QoS)[2]。针对这些问题，学术界已着手在下一代网络中融入认知元素以克服当前网络的固有缺陷，提出并阐述了认知网络概念。

    认知网络的研究源自于认知无线电，Mitola等人[3]于1999年提出了认知无线电(CR)的概念及认知环架构，他们认为认知无线电系统通过感知，获取周围环境的频谱使用信息，依据优化目标，确定CR的重构方案，达到适应频谱环境变化的目标。认知网络(CN)的概念由Motorola及Virginia Tech公司在认知无线电的基础上率先提出[4]，该概念指出认知网络是一种具有自我认知能力的网络，能够感知自身及周围环境变化，并根据当前网络环境来规划、决策并行动，给出了双闭环控制的FOCALE架构。2003年D.Clark[5]等学者在SIGCOMM会议上提出的互联网引入知识平面(KP)的思路，其关键思想是知识平面能获得它自己的行为，随着时间的推移，使之能更好地分析问题，调整其运作，增加其可靠性和稳健性。2006年美国弗吉尼亚工学院的学者Thomas[6]进一步明确了认知网络的定义，指出认知网络是具有认知过程，能感知当前网络条件，然后依据这些条件作出规划、决策和采取动作的网络。2007年Baldo等学者采用模糊逻辑来有效地处理认知网络实现中的模块化、解释性、不精确性等问题[7]。2008年Siebert[8]等学者指出认知网络的一个重要特点就是能以自治的方式完成任务，比如自我管理、自我优化、自我监测、自我修理、自我保护、自我治愈等。2009年Carolina Fortuna等人在文献[9]中指出Thomas定义的认知网络并不完善，知识表示和认知环是认知网络最重要的两个元素。目前在美国电气和电子工程师协会(IEEE)正在讨论异构无线接入网络融合架构的标准化，采用了认知网络的概念。认知网络被认为是提高网络整体及端到端系统的性能、简化网络管理的新途径，是下一代通信网络发展的必然趋势[10]。

    作为一个新兴的研究热点，认知网络在中国和其他国家的研究才刚刚起步，相关的理论和技术均需要深入的研究。与传统网络相比，认知网络能够感知网络状态，进行智能决策并重新配置，提高资源利用率，优化网络性能[11]。作为一种新型的智能网络，认知网络借助人工智能领域的相关技术，通过分布式智能代理实现认知功能。具有学习推理能力的智能代理部署于网络中的各个节点，监测并搜集周围环境信息。这些代理之间可以进行信息交互和协作，使得网络能够感知当前状况，基于当前网络状态，以实现端到端目标为目的，基于知识库中的知识，进行网络资源的评估、预测、规划、调整和分配，使得网络具有自感知、自学习、自优化、自修复和自配置的能力，实现真正意义上的网络可测、可控、可管和可信。

    文章所提出的认知网络QoS控制架构，其核心思想就是网络系统能够感知网络环境变化，实时调整网络系统的配置，动态智能地适应环境并指导网络的自主决策。自适应控制技术一方面能够对有限的网络带宽进行合理高效地规划与分配，在很大程度上改善网络性能；另一方面，根据业务特性对网络流量进行管理和控制，提高单位带宽收益率。因此对认知网络进行精细化的自适应控制是解决网络QoS问题的根本途径之一。

2 认知网络QoS的关键技术
    2006年美国弗吉尼亚工学院的Thomas首次明确给出以下的认知网络定义：认知网络是具有认知过程，能感知当前网络条件，然后依据这些条件作出规划、决策和采取动作的网络。认知网络具有对网络环境的自适应能力，具有对于以前决策的评判和未来决策判定的学习能力，决策要达到的都是端到端的目标。

    根据上述定义可将认知网络结构抽象为“目标—认知决策—重配置”3个层次，如图1所示。目标层反映由应用、用户或资源提出的目标需求，这些目标通过认知规范语言(CSL)映射为特定的机制要求，反馈送给一个或多个相关的认知网元。认知决策层根据目标层的要求，完成相关网元之间状态交换以及感知的当前网络状态，并按照一定的方法得出网元配置的决策。重配置层也称为可适配网络层，认知决策层的决策将通过应用编程接口发送给对应的实体网元，并通过调整该网元的配置，以满足目标层的需求，同时将网络状态通过传感器反馈给认知决策层。

2.1 上下文感知
    迅速准确地感知网络环境信息是认知网络得以发挥作用的基础。认知网络需要及时观测当前的网络环境信息。这些信息将用于后面的规划、决策等认知处理过程，以判断当前网络是否能满足用户要求，如果不能满足就要采取相应的重配置手段来保证满足用户要求。环境感知的内容包括网络类型、网络拓扑、可用资源、接口协议、网络流量等影响端到端传输性能的状态信息[12]。上下文感知是提高认知网络智能性的重要途径，它关注的是如何发现上下文信息的变化，并且根据上下文的变化进行自适应调整。当网络环境动态变化时，网络应该做出相应的自适应调整。上下文感知主要采用基于反射机制和策略机制的方法来实现上下文自适应，通过策略定义，网络可以预先制定上下文发生变化时的调整方法。

2.2 跨层设计
    跨层设计的本质思想是打破传统的网络系统框架，以满足通信系统的QoS的要求为目的，将通信系统资源的状态参数和服务的QoS参数在协议层中传递，从而达到各协议层联合设计，充分利用系统资源，为用户提供更好服务的目的[13]。认知网络的最终目的是根据认知的网络信息调整相关网元的协议栈或协议层参数，以保证用户的端到端性能。认知网络中的认知处理层需要知道网络各层的状态信息，然后根据优化算法确定适当的行动，重新配置网络参数和协议栈来实现端到端的目标。

2.3 重配置
    如果当前的网络条件无法保证用户要求的端到端目标，认知网络则需要根据这个目标调整相关网元的协议栈参数，以保证用户所要求的端到端目标，这个调整过程就是网络的重配置[14]。认知网络强调端到端的目标，它应该具备端到端的重配置能力，相对于软件无线电技术仅限于终端的重配置而言，它涉及到某个流所经过的各个网元和协议标准的所有层次，是一种更具有前瞻性的目标保障方案，它的端到端的重配置考虑得应更为全面。认知网络的实现最终要落实到网元的重配置，重配置过程也是通过软件实现的，但是其重配置的技术层次更高。不但包含终端重配置，还包含网络重配置和业务重配置；同时不限于单个节点，可能覆盖端到端路径上的多个网元，称之为端到端重配置(E2R)，其复杂度和重要性远高于终端重配置。

3 基于业务感知的认知网络QoS控制架构

3.1 业务感知
    从网络业务组成情况来看，近几年网络新业务层出不穷，有常规数据业务、对等网络(P2P)、VoIP语音、流媒体、互动在线游戏和虚拟现实等。新业务的大量出现对网络的流量模型和应用模式产生了很大的冲击，尤其是P2P应用的飞速发展，其流量爆发式的增长和不加限制的带宽使用，极大地增加了网络负担，使网络拥塞现象日趋严重。由于简单的扩容无法满足业务容量增长的需要，因此借助认知网络技术对网络传输业务进行主动的感知、分析、决策和控制是解决目前网络问题的根本途径之一。

    认知网络以业务为驱动，需要网络系统主动感知网络上存在的各类业务，包括终端用户业务状况和各网元设备业务状况。基于业务流的主动智能感知与分类是认知网络以业务为中心对网络自身进行资源配置、路由调整、动态自适应流量控制的基础。在业务感知技术领域，认知网络概念引入之前，多采用传统的静态端口方法、净荷特征方法以及流统计特性方法，这些方法对常规业务的感知是比较有效的，但无法准确、高效地感知很多新的业务。

    引入认知网络概念以后，网络具备了分析与决策能力，具有了很好的智能性，因此本节建立新的基于综合特征的业务感知模型来主动、智能并实时地感知各类业务。如图2所示，该模型在认知网络获取网络常规参数的基础上，建立基于流统计特性、连接模式、拓扑特性、内容特征等特性的综合特征识别模型，并针对每种特征建立识别引擎，通过策略智能地触发和感应不同的识别引擎，从而准确、高效地识别已知或未知的、加密或明文的业务流。通过建立基于综合特征的智能业务感知模型，实现对已知或未知、加密或明文的区分服务，为基于业务感知的认知网络QoS自适应控制架构奠定了技术基础。

3.2 认知网络QoS三级自适应控制架构
    如图3所示，认知网络QoS决策与控制架构采用三级分层结构，由网元（设备）认知模块、自治域认知服务器和中心认知服务器组成。各部分均具有认知能力（自感知、自学习、自决策）能力。网元（设备）认知模块是认知网络QoS感知、分析和控制系统的基本单元，不仅具有感知与决策的能力，还具备动态调整网元设备参数或配置的能力。部署认知模块的网元和用户端设备组成一个认知自治域。认知自治域内设一个具有认知能力的域认知服务器，负责对域内网元设备、业务流、网络资源等的管理与控制。同时该架构中设置一个中心认知服务器，负责对整个网络的运行情况进行全局性监测、认知与管理。分层结构能够有效地降低中心认知服务器的负载，即使该服务器临时失效，也不影响全网业务的QoS保证与管理。自治域认知服务器之间进行分布式组网、通信，相互进行实时的信息交流，域认知服务器之间采用分布式管理的出发点是增加系统的可靠性、灵活性和可扩展性。在自治域内每个网元之间，实现相邻节点的互相通信，进行分布式协作监测和自适应处理。该架构充分结合了集中式架构和分布式处理技术的特点。

3.3 端路协同的认知网络业务流QoS自适应控制机制
    认知网络端到端QoS由认知网元保障。认知网元之间相互协作或独立运作，通过实时感知网络当前状况，并结合网络历史态势，综合分析网络状况，根据既定的策略进行自配置，进而实现端到端QoS的目标。
这一章节在认知网络业务感知的基础上，参考资源预约的理念，借鉴控制理论，在认知网络环境下采用业务源端QoS控制与链路QoS控制相结合的方式，提出基于端路协同策略的认知网络QoS自适应控制机制，以解决业务流端到端QoS保证问题。该机制利用反馈控制，将获得的实时网络相关参数通告自治域认知服务器（或中心认知服务器），形成终端网元、路由器设备相结合的认知网络业务流QoS自适应控制方式。通过将网络历史状况与当前状况相对比生成控制策略，并通过自学习对策略库进行更新，使其保持控制策略的最优性。该机制能够在保证单个网元设备正常工作的基础上，充分体现认知网络的特征，协调周边各相关网元设备，对有限的宝贵资源进行合理的协商分配，提升用户用户体验(QoE)，保障业务QoS，进而实现业务端到端的有效控制，最终实现全网性能最优化。如图4所示，主要分为基于认知的业务源端控制层面和基于分布式认知的链路控制层面。

    基于认知的业务源端控制主要通过源端发送速率自适应调整、业务主动关闭、QoS目标主动降低来实现。传统网络中业务源端在发起业务时，不会考虑当前网络状况，而认知网络的业务源端由于具有一定的感知功能，它的感知信息来源于域服务器或者中心控制服务器。只有满足一定条件的时候（比如带宽足够、网络中的资源能够接纳其他业务流的接入）才会与对端进行业务流传输。当高优先级的用户需要进行业务传输，而此时网络没有足够的资源来满足其服务等级协议(SLA)中签署的相关需求时，则中心认知服务器（或域认知服务器）需要与业务源端的用户进行协商。如果此用户接受降低业务预期的QoS 目标的服务，则源端按照协商的结果来进行业务流的传输。若高优先级业务不能降低QoS要求，则认知服务器会根据资源分配策略对正在使用的网络资源进行一定的回收，甚至强制关闭某些低优先级的业务。

    基于分布式认知的链路控制主要通过网元流量的主动控制、路由管理及QoS劣化定位和基于认知的主动队列管理等来实现。通过对全网信息的感知和决策，网络中具有认知功能的交换机或路由器等网元设备都能够主动控制其内部各类业务流的流量，保证可信任业务流和关键业务流的流量，并限制“不安全流”或非关键流的流量。同时随着网络业务需求和网络资源的实时动态变化，通过认知路由管理和QoS劣化定位可以及时发现端到端网络资源的瓶颈网段或QoS劣化部分，及时进行分析与决策，并对业务流进行重路由。另外也可以借助智能主动队列管理算法来决策认知网络的网络拥塞问题。基于认知的主动队列管理以服务器协同策略驱动为导向，结合主动队列管理方法，改进现有的资源预约算法及路由器缓存管理模式，对路由器或端系统进行合理的资源预约。

4 结束语 
    随着网络技术和应用的飞速发展，网络的接入形式以及网络应用日益复杂、异构和泛在等特点，当前网络所提供的服务质量QoS远不能完全满足用户的需要。认知网络被认为是提高网络整体及端到端系统的性能、简化网络管理的新途径，是下一代通信网络发展的必然趋势，对于保障复杂异构网络的性能有着重要的意义和实用价值。

    文章提出基于业务感知的认知网络QoS自适应控制架构，在业务感知基础上实现认知网络QoS自适应控制。该架构可以看作解决下一代网络端到端QoS保证问题的一种新的探讨，其部分技术已经应用于国家“863”项目—“基于网络行为模型的认知网络QoS关键技术”的实验平台，并形成监测设备应用于某电信运营商的网络优化中，体现了良好的技术实用性和系统稳定性。

5 参考文献
[1] 林闯,单志厂,任丰原.计算机网络的服务质量(QoS) [J].北京:清华大学出版社,2004.
[2] 林闯,王元卓,任丰原.新一代网络QoS研究[J].计算机学报,2008,31(9):1525-1535.
[3] MITOLA J,MAGUIRE G Q. Cognitive radio: Making Software Radios More Personal[J]. IEEE Personal Communications, 1999,69(8):13-18.
[4] THOMAS R W. Cognitive Networks[D].Blacksburg, VA, USA:Virginia Polytechnic and State University,2007.
[5] CLARK D D, PARTRIGE C, RAMMING J C,et al. A Knowledge Plane for the Internet [C]// Proceedings of the Conference on Applications,Technologies,Architectures, and Protocols for Computer Communication (SIGCOMM’03),Aug 25-29,2003, Karlsruhe, Germany. New York,NY,USA: ACM, 2003:3-10.
[6] THOMAS R W,FRIEND D H, DASILVA L A,et al. Cognitive Networks: Adaptation and Learning to Achieve End-to-End Performance Objectives[J]. IEEE Communications Magazine,2006, 44(12):51-57.
[7] BALDO N,ZORZI M. Fuzzy Logic for Cross-Layer Optimization in Cognitive Radio Networks[J]. IEEE Communications Magazine,2008,46(4):64-71.
[8] SIEBERT M. Self-X Control in (future) Mobile Radio Networks [C]// Proceedings of the European-Chinese Cognitive Radio Systems Workshop,May 26-27,2008, Beijing,China.
[9] FORTUNA C, MOHORCIC M. Trends in the Development of Communication Networks: Cognitive Networks[J]. Computer Networks,2009,53(9):1354-1376.
[10] 邵飞, 汪李峰, 伍春. 基于认知层的认知网络结构及其认知方法[J]. 北京工业大学学报, 2009, 35(4):1181-1187.
[11] FRIEND D H. Cognitive networks: Foundations to Applications[D]. Blacksburg, VA, USA: Virginia Polytechnic Institute and State University,2009.
[12] BALAMURALIDHAR P,PRASAD R. A Context Driven Architecture for Cognitive Nodes[J]. Wireless Personal Communications,2008,45(1):423-434.
[13] SRIVASTAVA V, MOTANI M. Cross-Layer Design: A Survey and the Road Ahead[J].IEEE Communications Magazine,2005,43 (12):88-95.
[14] PITCHAIMANI M,EWY B J, EVANS J B. Evaluating Techniques for Network Layer Independence in Cognitive Networks[C]// Proceedings of the IEEE International Conference on Communications (ICC’07), Jun 24-28, 2007, Glasgow, UK. Piscataway, NJ,USA: IEEE, 2007:6527-6531.

收稿日期：2010-12-06

[摘要] 文章研究并提出了基于业务感知的认知网络服务质量(QoS)自适应控制架构。该架构在智能业务感知和分类模型的基础上对数据包进行分类和识别，并借鉴控制理论通过基于端路协同的认知网络业务流QoS自适应控制机制实现对网络流量的控制。在认知网络环境下，该架构可以构建QoS的自动感知、分析、关联、反馈、决策、配置和实施机制，进行资源的优化调整分配，适应网络环境的变化，优化网络端到端的性能，保证用户的服务质量。

[关键词] 认知网络；业务感知；自适应控制；QoS

[Abstract] This paper analyzes the Quality of Service (QoS) self-adaptive control architecture of cognitive networks based on intelligent service awareness. In this architecture, packets can be identified and classified using an intelligent service-aware and classification model. Drawing on Control Theory, network traffic can be controlled with a self-adaptive QoS control mechanism that has side-road collaboration. In this architecture, perception, analysis, correlation, feedback, decision making, allocation, and implementation QoS mechanisms are created automatically. These mechanisms can adjust resource allocation, adapt to a changeable network environment, optimize the performance of the end-to-end network, and ensure QoS for users.

[Keywords] cognitive network; service-awareness; self-adaptive control; QoS