| 研究課題/領域番号 |
14380139
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
計算機科学
|
|---|
| 研究機関 | 北陸先端科学技術大学院大学 |
|---|
研究代表者 |
SHEN Hong (HONG Shen) 北陸先端科学技術大学院大学, 情報科学研究科, 教授 (60333556)
|
|---|
| 研究分担者 |
堀口 進 東北大学, 大学院・情報科学研究科, 教授 (60143012)
JIANG Xiaohong 東北大学, 大学院・情報科学研究科, 助教授 (00345654)
JIANG Xiaohon 北陸先端科学技術大学院大学, 情報科学研究科, 助手
|
|---|
| 研究期間 (年度) |
2002 – 2004
|
| 研究課題ステータス |
完了 (2004年度)
|
| 配分額 *注記 |
13,600千円 (直接経費: 13,600千円)
2004年度: 4,200千円 (直接経費: 4,200千円)
2003年度: 4,300千円 (直接経費: 4,300千円)
2002年度: 5,100千円 (直接経費: 5,100千円)
|
|---|
| キーワード | インターネットコンピューティング / ウェブ技術 / 物のキャッシュ / 満足している交換 / 模写 / キャッシュプレースメント / プロキシプレースメント / ルート設定 / ウェブサーバー / アルゴリズム / パラレルコンピューティング / 記録複製 / スケジューリング / 光通信 / コミュニケーション / キャッシング / )キャッシング |
|---|
| 研究概要 |
このプロジェクトでは、私たちは、ウェブキャッシュとサービス模写でスケーラブルなウェブサーバを設計するために新しいメソッドとテクニックを研究しました。私たちは、異なったレベルでスケーラブルなプロトタイプウェブサーバを確立するためにこれらのテクニックを一緒に統合しました。私たちのプロジェクトは統合とプロトタイピングフェーズに2つの小川のあとに続かせています、既存の結果との大規模な性能比較で。(そこでは、すべてのタスクが、実装されて、テストされます)。1.キャッシュします:有効にキャッシュするのは移行します。ウェブクライアントの、より近くにウェブサーバからのポピュラーなドキュメントをコピーして、したがって、応答時間とネットワークトラフィックを短縮します。最初のプロジェクト年に私たちが大きいキャッシュがどうそれぞれクライアントサーバとプロキシサーバにインストールされるべきであるかを研究したので、費用対効果は最適化されています。プロジェクト2年目に、私たちは、それぞれのクライアントサーバにおけるネットワークtopologiesとアクセス頻度を発見するために様々なテクニックを適用しました。2.模写:模写は、システム性能を改良する別のフォームのデータ移行です。それは、専用サーバ(ミラーサーバ)にデータをコピーして、保存します、の代わりにする。地理的に最後のプロジェクト年が2番目のストリームのためにレプリカの中に一貫性を保つためにローカルなキャッシュが最初のストリームに完全で、展開している有効なモデルであるときに交換のためにコンテンツについて決めるタスクに集結したclient.Inの近くにキャッシュがあります。また、プロジェクトにおける、上の提案されたタスクの完成に加えて、私たちはプロジェクトテーマに関連する以下のタスクを完成しました:私たちは光学切り換えネットワークと新しい体系が垂直に積み重ねられた光学MINsで無漏話の順列がわかる性能を分析することへの目新しいアプローチを提案しました。私たちはバニヤンネットワークの水平な拡張と垂直な積み重ねの組み合わせのときに造られたフォトニック再配列可能ネットワークで無漏話の順列を研究しました。私たちはインターネットでのコミュニケーションパターン(トポロジー)発見のときに効果的なアルゴリズムを開発しました。前のメソッドと私たちの提案された新しいメソッドでの何らかの重要な分析と比較が完了しました。私たちは基づきました、また、提案されて、モバイルエージェントがネットワーク形態発見のためのモデルを基礎づけました。私たちは統合フレームワークで非常にスケーラブルなさざ波ベースのイメージ符号化器、S-SPECK、およびROI retrievabilityを首尾よく設計しました。(S-SPECKはひずみスケーラビリティ、解決スケーラビリティを達成します)。私たちは、透かしを幾何学上攻撃に傷つけられなくするように目新しい強健な盲目のさざ波ベースのイメージ透かしのアルゴリズムを提案しました。私たちがそれぞれ考えに基づくホストベースの侵入検出のためにオンラインSVMから従来のSVM、強健なSVM、および1クラスのSVMのテクニックを変更して、彼らの性能はオリジナルのもののものと比較されました。理論解析と実験の両方が、オンラインで私たちのメソッドを訓練することができるのを示して、減少している検出精度のない、より少ないSVsと、より少ないトレーニング・タイムがあるオリジナルのものより優れています。
|
