信息中心网络(Information-Centric Networking,ICN)作为一种未来网络体系架构,采用了基于内容名字的路由与多播传输机制,同时将缓存作为一个普适的功能部署至每个网络节点。ICN缓存实现了数据的请求和响应在时间和空间上分离,可提高接收者驱动的内容获取的传输效率和网络资源利用率。对ICN缓存性能进行优化,能够提高整个缓存网络平均命中率、减少缓存冗余与平均响应时延,从而提高网络资源利用率,保障用户的业务体验,因此研究ICN的缓存性能机制具有重要的意义。ICN架构目前在缓存性能优化方面仍然有很多问题需要进一步探索,其主要表现为:1)ICN缓存内容单元由于基于数据块等更小、更灵活的粒度,并且内容缓存的位置可自主动态变化,呈现缓存透明化、泛在化和细粒度化等新特征,使得传统基于层次化的缓存网络性能评估方法很难直接应用于针对ICN缓存网络的性能评估;2)现有ICN架构中,边缘缓存节点对内容的自适应性动态部署能力支持不足并且路由转发平面缺乏对业务接续的动态保持机制,因此随着内容消费者和提供者的移动,内容传输可能出现时延增大或中断,增加了网络缓存冗余,降低了缓存利用率的同时削弱了用户的业务体验质量;3)当到达的请求中混入大量不流行的干扰内容时,缓存节点的性能(例如缓存命中率)将被大幅削弱,使其无法及时响应随后而来的流行性内容请求,迫使这些请求转向距离更远的缓存节点或者内容提供者,增加了内容接收时延并且降低了内容分发的效率。为解决上述问题,本文在构建信息中心网络缓存性能近似模型的基础上,针对用户移动以及异常流量请求情况下如何优化网络节点性能以保障内容的高效分发,设计了相应的缓存性能优化方法。本文的主要贡献如下:(1)提出了一种信息中心网络缓存性能近似模型。针对传统基于层次化的缓存网络性能评估方法很难直接应用于ICN缓存网络的性能评估问题,所提模型为了更好地建模缓存网络的行为并提高网络资源的有效利用率,扩展已知的Melazzi近似模型,使其能够用于不同ICN复制策略下的性能分析,包括LCE、LCP以及LCD。通过对缓存驱逐时间进行建模,所提模型捕获了邻居缓存节点间的状态关联,能够充分反映缓存变化的真实状态。此外,不局限于传统的独立参考模型,所提模型刻画了请求流量的时间局部性,并且突破了现有近似方法中对树型拓扑以及级联拓扑的依赖性,能够适用于面向Mesh拓扑的ICN性能评估。实验结果表明,所提模型能够提供精确的性能近似结果。同时,该模型作为后续ICN缓存性能优化工作的基础,可以依据其对所提出的多种优化算法的效果进行验证分析。(2)提出一种信息中心网络边缘缓存邻近节点选择优化算法。针对边缘缓存节点对内容的自适应性动态部署能力支持不足,进而随着内容消费者移动所带来的内容传输时延增大问题,所提算法分析了边缘网络缓存节点与内容消费者间所涉及的移动开销、最优子集以及缓存开销,实现从不同层级的缓存节点中选择最优子集,从而使得时延开销和缓存开销得到权衡。此外,所提算法支持分布式的在线动态更新决策过程,使得各层级的缓存节点都能够独立地决策是否预取和缓存内容项。实验结果表明,所提算法在内容传输时延和缓存存储开销方面优于其他方法,实现了对ICN边缘缓存性能的优化。(3)提出了一种信息中心网络移动性支持的缓存路由优化机制。针对当前路由转发平面缺乏对业务接续的动态保持机制,进而随着内容提供者移动所导致的业务中断问题,所提机制设计一种面向移动内容提供者的转发引擎以及相应的协议以避免兴趣包汇聚能力的退化,并且提供良好的路径伸缩特性,从而减少内容缓存冗余。此外,所提机制利用部署于沿路缓存节点的解析处理器,显著地减少了内容消费者的接收时延。实验结果表明,所提机制在平均路径伸缩和平均接收延迟方面优于已有的缓存路由优化机制,完善了 ICN对业务接续的动态保持机制。(4)提出了一种信息中心网络缓存污染检测模型及其优化策略。针对有大量异常流量请求所导致的内网缓存节点性能退化问题,所提检测模型使得缓存节点能够智能感知缓存污染,并且无需存储大量的包的统计信息或历史数据,实现了轻量级的部署。通过设计自动化的特征选择与参数设置算法,所提模型能够动态适应环境变化并获得较高的检测准确度。另一方面,通过采用环形缓冲区的设计,所提优化策略使得缓存节点在内存资源已经被恶意消耗的情况下依然能够保障对兴趣包的基本转发能力。该优化策略能够最大限度地减轻缓存污染发生过程中对缓存节点性能所造成的退化程度。实验结果表明,通过高效的检测异常流量以及有效的缓存优化策略,所提方案实现了对ICN内网缓存节点的性能优化。