李丹，蘭巨龍，王鵬，胡宇翔

?

基于最優(yōu)加權圖匹配的服務功能鏈部署方法

李丹，蘭巨龍，王鵬，胡宇翔

（國家數(shù)字交換系統(tǒng)工程技術研究中心，河南 鄭州 450000）

服務功能鏈技術通過對虛擬網(wǎng)絡功能的編排來支持靈活的網(wǎng)絡服務請求。針對資源有限網(wǎng)絡中的服務功能鏈部署問題，提出了一種基于優(yōu)加權圖匹配的服務功能鏈部署方法，把服務功能鏈組合為功能拓撲圖，利用鄰接矩陣特征向量分解算法獲取功能拓撲與物理拓撲的加權圖匹配方式，并通過爬山算法對匹配結(jié)果進一步優(yōu)化。仿真結(jié)果表明，所提方法在降低服務功能鏈部署所需帶寬的同時，優(yōu)化了節(jié)點負載和鏈路帶寬的均衡度，可以支持更多的服務請求，且復雜度低，具有較高的時效性。

服務功能鏈；加權圖匹配；特征向量分解；爬山算法

1 引言

互聯(lián)網(wǎng)的高速發(fā)展和廣泛應用，對網(wǎng)絡中的新功能和新服務提出了更高的要求。網(wǎng)絡功能虛擬化技術（NFV，network function virtualization）[1]通過分離邏輯功能與物理資源，將多樣化的網(wǎng)絡功能和服務從底層物理資源中抽象出來，改變了傳統(tǒng)網(wǎng)絡功能的設計和部署方式，可以更加靈活、高效地利用網(wǎng)絡資源。NFV技術將傳統(tǒng)網(wǎng)絡中部署在特定硬件設備上的功能虛擬化為虛擬網(wǎng)絡功能，可以根據(jù)需要靈活部署在任意一個通用功能平臺。在NFV的基礎上，服務功能鏈技術（SFC，service function chaining）[2]將不同的網(wǎng)絡功能按照一定的順序連接起來，支持某種具體的服務請求，實現(xiàn)網(wǎng)絡服務的個性化定制。要將虛擬的服務功能鏈與實際的網(wǎng)絡拓撲結(jié)合起來，需要將這些功能部署在網(wǎng)絡中的節(jié)點上，并選擇路徑使數(shù)據(jù)依次經(jīng)過提供這些功能的節(jié)點。軟件定義網(wǎng)絡（SDN, software defined networking）[3]將控制平面和數(shù)據(jù)平面分離，在控制平面集中計算最優(yōu)的功能部署位置和數(shù)據(jù)傳輸路徑，使服務功能鏈的動態(tài)配置和部署成為可能。

為了在網(wǎng)絡中提供多樣化的服務，需要部署大量功能順序不同的服務功能鏈，但是由于網(wǎng)絡中的節(jié)點處理能力和鏈路帶寬有限，如何在資源有限的條件下盡可能多地部署服務功能鏈是本文研究的主要問題。目前，針對服務功能鏈的部署問題已經(jīng)有了一些相關研究，文獻[4]建立了基于SDN架構(gòu)的服務功能鏈部署模型，通過統(tǒng)一控制機制來確保功能部署和數(shù)據(jù)傳輸?shù)臏蚀_性，并舉例說明了該架構(gòu)可以支持的優(yōu)化目標，但是沒有給出具體的部署算法。文獻[5-6]以優(yōu)化數(shù)據(jù)傳輸和處理時延為目標，給出了服務功能鏈部署的問題模型以及優(yōu)化求解算法。文獻[7-8]從時延、分組丟失率、中繼節(jié)點數(shù)等方面建立了多參數(shù)混合優(yōu)化模型，來提高服務功能鏈的綜合服務性能。文獻[9-10]通過遺傳算法來適應服務功能鏈對服務質(zhì)量的動態(tài)需求，在網(wǎng)絡環(huán)境變化時仍能提供較好的服務質(zhì)量。

以上算法主要針對服務性能進行優(yōu)化，而沒有考慮網(wǎng)絡資源的限制。文獻[11]以整個網(wǎng)絡的帶寬資源需求為優(yōu)化目標，研究了虛擬網(wǎng)絡功能的優(yōu)化部署問題。文獻[12]針對同時優(yōu)化帶寬需求和數(shù)據(jù)傳輸處理時延的問題，設計了一種啟發(fā)式搜索算法。文獻[13-14]研究了在數(shù)據(jù)中心網(wǎng)絡中部署服務功能鏈的網(wǎng)絡流量均衡算法。文獻[15]研究了一種功能合并部署算法，該算法統(tǒng)計各個功能之間的帶寬需求，將帶寬需求較大的功能合并部署在同一節(jié)點上來降低路徑帶寬。但是這些文獻側(cè)重于對帶寬資源的優(yōu)化利用，而缺少對節(jié)點處理能力和鏈路帶寬的綜合考慮。針對節(jié)點處理能力和帶寬資源有限的情況，文獻[16-17]通過啟發(fā)式算法來實現(xiàn)降低鏈路帶寬需求和減少功能部署開銷之間的平衡。文獻[18]將網(wǎng)絡中所有節(jié)點的剩余處理能力、存儲空間和帶寬加權組合為節(jié)點剩余資源，把服務功能鏈部署在滿足約束條件且剩余資源總和最大的路徑上，但是該算法需要遍歷所有部署方式，計算復雜度較高。文獻[19]將服務功能鏈分解為多層有向圖的組合，通過維特比算法求解每一層的節(jié)點選擇，但該算法在選擇節(jié)點的過程中會優(yōu)先將功能部署在相同節(jié)點中，容易導致部分節(jié)點負載過重而無法支持新的服務請求。文獻[20]將服務功能鏈的部署問題轉(zhuǎn)化為功能拓撲和物理拓撲的加權圖匹配問題，將節(jié)點處理能力和鏈路帶寬作為參數(shù)來選擇符合要求的節(jié)點匹配方式，該算法可以快速生成符合傳輸需求的部署方式，但是會將帶寬需求較大的虛擬鏈路映射為跳數(shù)較多的物理傳輸路徑，造成大量帶寬損耗，且?guī)捄拓撦d均衡效果較差。文獻[21]提出了一種最優(yōu)加權圖匹配算法，該算法利用特征向量分解算法實現(xiàn)2幅同構(gòu)加權圖的快速匹配，可以較大概率實現(xiàn)最優(yōu)匹配，即使得到的不是最優(yōu)解，所得結(jié)果仍然可以通過爬山算法修正為最優(yōu)解，但是該方法對待匹配的加權圖有一定的要求，無法直接解決服務功能鏈部署問題。

基于以上分析，本文提出了一種基于最優(yōu)加權圖匹配的服務功能鏈部署方法，把相鄰的服務功能鏈組合為功能拓撲圖，將功能鏈的部署問題轉(zhuǎn)化為功能拓撲與物理拓撲的加權圖匹配問題，通過對加權圖鄰接矩陣的擴充和元素替換來滿足文獻[21]的同構(gòu)條件，采用鄰接矩陣特征向量分解算法和爬山優(yōu)化算法得到功能和鏈路的最優(yōu)匹配。與其他算法相比，本文方法的創(chuàng)新點體現(xiàn)在以下3個方面：1)可以實現(xiàn)多條服務功能鏈的同時部署，降低計算復雜度，具有較高的時效性；2)通過合理的元素替換，均衡鏈路匹配過程中路徑帶寬和傳輸跳數(shù)的關系，避免帶寬浪費，節(jié)省網(wǎng)絡資源；3) 計算節(jié)點和鏈路資源的最優(yōu)匹配，能夠同時均衡全網(wǎng)的節(jié)點負載和鏈路帶寬資源，可以支持更多的服務請求。

2 服務功能鏈部署與加權圖匹配問題

2.1 服務功能鏈部署問題

本文將服務功能鏈的部署問題建模為一個多約束優(yōu)化問題，如式(1)~式(3)所示。

2.2 加權圖匹配問題

根據(jù)定義1，最優(yōu)加權圖匹配問題可表示為式(4)。

其中，()表示匈牙利算法。

利用特征向量分解算法進行加權圖匹配需要一定的前提條件，為了利用文獻[21]的算法對服務功能鏈和物理拓撲進行匹配，需要在算法中解決以下3個問題。

1) 在加權圖匹配問題中，2幅圖的頂點和邊的數(shù)目相同，但是通常情況下服務功能鏈中的功能數(shù)少于物理拓撲中的節(jié)點數(shù)。

2) 在加權圖匹配問題中，2幅圖的鏈路是一一對應進行匹配的，而在服務功能鏈的部署過程中，2個相鄰功能間的虛擬鏈路既可以映射為一條物理鏈路，也可以映射為多條物理鏈路。

3) 特征向量分解算法要求待匹配的2個圖近似同構(gòu)，但是服務功能鏈與物理拓撲頂點數(shù)不同，鏈路權值不相關，不滿足同構(gòu)條件。

3 方法設計

3.1 服務功能鏈組合

本文方法利用最優(yōu)加權圖匹配算法計算功能和鏈路的映射關系，支持多條服務功能鏈的同時部署，首先需要將服務功能鏈組合為功能拓撲圖。以圖1所示的2條服務功能鏈為例，將2條功能鏈中的相同功能合并，圖中的功能權值表示該功能需要的節(jié)點處理能力，鏈路權值表示其連接的功能間傳輸路徑所需帶寬，需要注意的是，2條功能鏈重疊部分的權值應為二者之和。

圖1 服務功能鏈組合為功能拓撲

3.2 鄰接矩陣擴充

圖2 待匹配的功能拓撲與物理拓撲

3.3 矩陣元素替換

在服務功能鏈的部署過程中，相鄰功能既可以匹配到相鄰節(jié)點，也可以匹配到非相鄰節(jié)點。為了在鏈路映射的過程中滿足以上要求，需要對物理拓撲鄰接矩陣中表示鏈路帶寬的矩陣元素進行替換，為每一對節(jié)點選擇一條最優(yōu)路徑并更新匹配權值。在文獻[20]中，按照最小帶寬最大原則為非相鄰節(jié)點計算路徑并以該帶寬作為新的鏈路匹配權值，雖然該方法支持相鄰功能與非相鄰節(jié)點的匹配，但是存在以下2個問題：1) 沒有更新相鄰節(jié)點間的路徑帶寬，導致相鄰節(jié)點間直連帶寬較小時無法進行鏈路匹配；2) 最小帶寬最大路徑很可能需要經(jīng)過多次轉(zhuǎn)發(fā)，路徑較長，匹配帶寬需求較高的虛擬鏈路后會造成大量的帶寬損耗。為此，算法1為任意一對節(jié)點計算一條路徑，使該路徑的最小帶寬與傳輸跳數(shù)的比值最大，并把該比值更新為鏈路匹配權值，從而均衡路徑帶寬和傳輸跳數(shù)的關系，避免帶寬浪費。

算法1 物理拓撲鏈路權值更新算法

1) for any nodesandindo //：源節(jié)點，：目的節(jié)點

2)(1)=,=, hop()=0, label()=0 if1, label()=10 000 //：已確定節(jié)點集合，：轉(zhuǎn)接點，hop：各節(jié)點到源節(jié)點跳數(shù)，label：各節(jié)點權值

3） whileis not indo

4) for=1 toandis not indo

6) if label()

7) label()=, hop()=hop()+1,()=

8) end if

9) end for

10)=node with maximum label

11) putinto

12) end

13) path(1)=,=//path：節(jié)點和之間的傳輸路徑，：前序節(jié)點

14) whileis not in path do

15)=()

16) putinto path

17) end

18) end for

特征向量分解算法要求待匹配的2個加權圖近似同構(gòu)，因此需要進一步對功能拓撲的鄰接矩陣元素進行替換，使其與更新后的物理拓撲圖同構(gòu)。替換方法如下。首先，將各功能和各節(jié)點分別按照處理能力由大到小的順序排列，把功能拓撲鄰接矩陣中表示處理能力需求的元素依序替換為各節(jié)點的剩余處理能力，“0”元素則隨機替換為較小的節(jié)點處理能力，實現(xiàn)2個加權圖的頂點同構(gòu)。然后，用同樣的辦法將功能拓撲鄰接矩陣中表示帶寬需求的元素進行替換，實現(xiàn)2個加權圖的邊同構(gòu)，滿足文獻[21]的算法要求。這種替換方法的目的是，在構(gòu)建同構(gòu)加權圖的過程中，盡可能將處理能力需求較高的功能和帶寬需求較高的鏈路匹配到剩余資源較多的節(jié)點和路徑上。圖2中功能拓撲的鄰接矩陣元素替換過程如式(9)所示，加號兩邊分別是非“0”元素和“0”元素的替換矩陣。

3.4 特征值分解與匈牙利算法

利用匈牙利算法對該效率矩陣進行求解，得到最優(yōu)映射函數(shù)如式(11)所示。

3.5 爬山優(yōu)化算法

算法2 映射函數(shù)修正爬山算法

1) flag=1 //flag：判斷修正過程是否結(jié)束標志

2) while flag=1 do

3) flag=0,=||1T?2|| //：映射函數(shù)作用后2個圖差值

4) for=1 todo

5) for=1 todo

6)=

7) exchange columnand columnof//：交換一對頂點后的映射函數(shù)

8)=||1T?2|| //：新的映射函數(shù)作用后2個圖差值

9) if there is no negative number in1T?2and

10)=,=, flag=1

11) end if

12) end for

13) end for

14) end

3.6 方法流程說明與復雜度分析

圖3 本文方法流程示意

4 性能仿真與分析

為了對本文提出的服務功能鏈部署方法性能進行驗證，在2.80 GHz CPU，4 GB內(nèi)存的PC機上通過Matlab軟件進行了仿真實驗并對實驗結(jié)果處理分析。仿真場景設計為，由20個節(jié)點構(gòu)成隨機網(wǎng)絡拓撲按照Waxman-Salam模型[23]生成，每個節(jié)點能夠提供的處理能力為50 MHz，每條鏈路的總帶寬為50 Mbit/s。網(wǎng)絡可以提供8種功能，每個需要部署的服務功能鏈由任意順序排列的2~8個互不相同的功能組成，每個功能需要的處理能力在0~2 MHz之間，每條服務功能鏈所需帶寬在0~5 Mbit/s之間，每個功能拓撲圖由2條服務功能鏈合并生成。為了提高算法評估的精確性，采用蒙特卡洛方法，在每個測試場景下進行了100組仿真測試，取平均值作為測試結(jié)果。

本文將平均服務請求處理時間、節(jié)點負載均衡度、鏈路帶寬均衡度、平均鏈路剩余帶寬和網(wǎng)絡能夠支持的最大服務請求數(shù)作為方法性能的評價指標，其中節(jié)點負載均衡度是指節(jié)點剩余處理能力的均方差，鏈路帶寬均衡度是指鏈路剩余帶寬的均方差，并將本文方法與文獻[20]中同樣采用圖匹配策略的特征值分解算法和文獻[19]中的多層圖算法進行比較。特征值分解算法將非相鄰節(jié)點間的最大路徑帶寬更新為鏈路權值，根據(jù)鄰接矩陣的特征向量計算效率矩陣，最后采用啟發(fā)式算法依次為每個功能選擇符合限制條件的匹配方式。多層圖算法將服務功能鏈分解為多層有向圖，通過維特比算法計算每一層的節(jié)點選擇代價，最后回溯搜索最優(yōu)的節(jié)點和鏈路匹配方式。

圖4顯示了各算法對服務請求的平均處理時間和服務功能鏈長度的關系。從圖中可以看出，多層圖算法的平均處理時間和服務功能鏈的長度近似成正比關系，這是因為該算法的分層數(shù)由服務功能鏈中的功能個數(shù)決定，分層數(shù)越多需要的計算時間越長。由于本文方法和特征值分解算法的計算復雜度僅與物理拓撲的節(jié)點數(shù)相關，因此平均處理時間不會隨著服務功能鏈長度的增加而變化，特征值分解算法的處理時間略小于本文方法，是因為本文方法增加了映射函數(shù)的修正過程。

圖4 平均服務請求處理時間

圖5和圖6分別給出了服務功能鏈長度為5時，各算法對節(jié)點負載和鏈路帶寬的均衡性能。由于多層圖算法優(yōu)先將功能部署在相同節(jié)點上，沒有考慮對節(jié)點負載和鏈路帶寬的均衡，因此節(jié)點剩余處理能力和鏈路剩余帶寬的均方差最高。特征值分解算法根據(jù)節(jié)點和鏈路的剩余網(wǎng)絡資源對服務功能鏈進行匹配，但是該算法得到的不是最優(yōu)匹配，因此帶寬和負載的均衡性能介于多層圖算法和本文方法之間。由于本文方法在匹配過程中對鄰接矩陣進行了同構(gòu)化處理，可以較大概率實現(xiàn)最優(yōu)匹配，負載均衡度和帶寬均衡度都明顯優(yōu)于其他算法，且本文算法通過爬山算法修正映射函數(shù)，進一步優(yōu)化了對負載和帶寬的均衡效果。

圖5 節(jié)點負載均衡性能

圖7給出了服務功能鏈長度為5時，平均鏈路剩余帶寬隨著服務請求增加的變化情況。雖然多層圖算法的剩余帶寬明顯高于其他2種算法，但是由于該算法將功能集中部署在相同節(jié)點，使得部分節(jié)點因剩余處理能力不足而無法支持新功能的部署，當服務請求數(shù)大于40后，新的服務請求難以找到符合限制條件的部署方式。與特征值分解算法相比，本文方法采用帶寬與跳數(shù)的比值來更新物理拓撲鄰接矩陣元素，避免為跳數(shù)較多的路徑匹配帶寬需求較高的虛擬鏈路，因此部署服務功能鏈需要的帶寬更小。圖8給出了3種算法能夠支持的最大服務請求數(shù)與服務功能鏈長度的關系。可以看出，本文方法由于降低了帶寬損耗，且負載均衡度和帶寬均衡度高，因此能夠提供的服務請求數(shù)明顯多于特征值分解和多層圖算法，且服務功能鏈越長，本文方法的優(yōu)勢越明顯，這是因為較長的服務功能鏈對負載和帶寬的均衡性能要求更高。

圖6 鏈路帶寬均衡性能

圖7 平均鏈路剩余帶寬

5 結(jié)束語

針對資源有限的網(wǎng)絡中的服務功能鏈部署問題，本文提出了一種基于最優(yōu)加權圖匹配的服務功能鏈部署方法，把多條服務功能鏈組合為功能拓撲圖，通過鄰接矩陣的擴充和元素替換實現(xiàn)功能拓撲圖與物理拓撲圖的同構(gòu)，采用鄰接矩陣特征向量分解算法快速獲取最優(yōu)加權圖匹配方式，并通過爬山算法對匹配結(jié)果進一步優(yōu)化。該方法可以支持多條服務功能鏈的同時部署，計算復雜度低，具有較高的時效性。與其他算法相比，該方法降低了服務功能鏈部署所需的鏈路帶寬，對節(jié)點負載和鏈路帶寬資源的均衡性能更好，可以在相同的網(wǎng)絡資源條件下支持更多的服務請求。下一步研究考慮搭建服務功能鏈部署原型系統(tǒng)，將本方法在真實環(huán)境中進行驗證。

圖8 最大服務請求數(shù)

[1] MIJUMBI R, SERRAT J, GORRICHO J L, et al. Network function virtualization: state-of-the-art and research challenges[J]. IEEE Communications Surveys & Tutorials, 2017, 18(1):236-262.

[2] QUINN P, GUICHARD J. Service function chaining: creating a service plane via network service headers[J]. Computer, 2014, 47(11):38-44.

[3] NUNES B A A, MENDONCA M, NGUYEN X N, et al. A survey of software-defined networking: past, present, and future of programmable networks[J]. IEEE Communications Surveys & Tutorials, 2014, 16(3):1617-1634.

[4] LI Y, ZHENG F, CHEN M, et al. A unified control and optimization framework for dynamical service chaining in software-defined NFV system[J]. Wireless Communications IEEE, 2015, 22(6):15-23.

[5] LEE G, KIM M, CHOO S, et al. Optimal flow distribution in service function chaining[C]// The, International Conference on Future Internet. ACM, 2015:17-20.

[6] MARTINI B, PAGANELLI F, CAPPANERA P, et al. Latency-aware composition of virtual functions in 5G[C]// Network Softwarization. IEEE, 2015:1-6.

[7] MEHRAGHDAM S, KELLER M, KARL H. Specifying and placing chains of virtual network functions[C]// IEEE International Conference on Cloud NETWORKING. IEEE, 2014:7-13.

[8] LEIVADEAS A, FALKNER M, LAMBADARIS I, et al. Resource management and orchestration for a dynamic service chain steering model[C]// Global Communications Conference. IEEE, 2017:1-6.

[9] RANKOTHGE W, MA J, LE F, et al. Towards making network function virtualization a cloud computing service[C]// IFIP/IEEE International Symposium on Integrated Network Management. IEEE, 2015:89-97.

[10] OTOKURA M, LEIBNITZ K, KOIZUMI Y, et al. Application of evolutionary mechanism to dynamic Virtual Network Function Placement[C]// IEEE International Conference on Network Protocols. IEEE, 2016:1-6.

[11] SAHHAF S, TAVERNIER W, ROST M, et al. Network service chaining with optimized network function embedding supporting service decompositions[J]. Computer Networks the International Journal of Computer & Telecommunications Networking, 2015, 93(P3):492-505.

[12] CHUA F C, WARD J, ZHANG Y, et al. Stringer: balancing latency and resource usage in service function chain provisioning[J]. IEEE Internet Computing, 2016, 20(6):22-31.

[13] KLINKOWSKI M, WALKOWIAK K. On advantages of elastic optical networks for provisioning of cloud computing Traffic[J]. IEEE Network, 2013, 27(27):44-51.

[14] ZHANG L, ZHU Z. Spectrum-efficient anycast in elastic optical inter-datacenter networks [J]. Optical Switching & Networking, 2014, 14(4):250-259.

[15] YANG K, ZHANG H, HONG P. Energy-aware service function placement for service function chaining in data centers[C]// Global Communications Conference. IEEE, 2017:1-6.

[16] FANG W, ZENG M, LIU X, et al. Joint Spectrum and it resource allocation for efficient VNF service chaining in inter-datacenter elastic optical networks[J]. IEEE Communications Letters, 2016, 20(8):1539-1542.

[17] KUO T W, LIOU B H, LIN C J, et al. Deploying chains of virtual network functions: On the relation between link and server usage[C]// IEEE International Conference on Computer Communications. IEEE, 2016:1-9.

[18] XIE L, JIANG Y, WANG B, et al. An approach for network function combination based on least busy placement algorithm[J]. China Communications, 2016, 13(S1):167-176.

[19] BARI F, CHOWDHURY S R, AHMED R, et al. Orchestrating virtualized network functions[J]. IEEE Transactions on Network & Service Management, 2016, PP(99):1-1.

[20] MECHTRI M, GHRIBI C, ZEGHLACHE D. A scalable algorithm for the placement of service function chains[J]. IEEE Transactions on Network & Service Management , 2016 , 13 (3) :533-546

[21] UMEYAMA S. An eigendecomposition approach to weighted graph matching problems[J]. Pattern Analysis & Machine Intelligence IEEE Transactions on, 1988, 10(5):695-703.

[22] PAPADIMITRIOU C H, STEIGLITZ K. Combinatorial optimization: algorithms and complexity[J]. IEEE Transactions on Acoustics Speech & Signal Processing, 1982, 32(6):1258-1259.

[23] SALAMA H F. Multicast routing for real-time communication of high-speed networks[D]. Raleigh: North Carolina State University, 1996.

Service function chain deployment algorithm based on optimal weighted graph matching

LI Dan, LAN Julong, WANG Peng, HU Yuxiang

National Digital Switching System Engineering & Technology Research Center, Zhengzhou 450000, China

Service function chain can support flexible network service requirement by linking virtual network functions. Aiming at the problem of service function chain deployment in a resource-constrained network, an algorithm for service function chain deployment based on optimal weighted graph matching was proposed. The service function chains was composed into graphs of functional topography, and the optimal matching results between graphs of functional topology and physical topology was obtained using eigendecomposition approach, and furtherly the matching results by hill-climbing method was optimized. Simulation results show that, the proposed algorithm can reduce the required bandwidth to deploy service function chains, balance the load of nodes and bandwidth of links, and support more service requests. What is more, the algorithm has a lower computation complexity and higher time efficience.

service function chain, weighted graph matching, eigendecomposition approach, hill-climbing method

TP393

A

10.11959/j.issn.1000?436x.2019059

2018?05?31；

2019?02?21

國家高技術研究發(fā)展計劃（“863計劃”）基金資助項目（No.2015AA016102）；國家自然科學基金資助項目（No.61521003，No.61702547）

The National High Technology Research and Development Program of China (863 Program) (No.2015AA016102), The National Natural Science Foundation of China (No.61521003, No.61702547)

李丹（1989?），男，遼寧沈陽人，博士，國家數(shù)字交換系統(tǒng)工程技術研究中心助理研究員，主要研究方向為新型網(wǎng)絡體系結(jié)構(gòu)、路由交換技術。

蘭巨龍（1962?），男，河南鄭州人，博士，國家數(shù)字交換系統(tǒng)工程技術研究中心教授、博士生導師，主要研究方向為網(wǎng)絡體系結(jié)構(gòu)、信息安全。

王鵬（1985?），男，河南周口人，博士，國家數(shù)字交換系統(tǒng)工程技術研究中心助理研究員，主要研究方向為新型網(wǎng)絡體系結(jié)構(gòu)、路由技術。

胡宇翔（1982?），男，河南周口人，博士，國家數(shù)字交換系統(tǒng)工程技術研究中心副研究員、碩士生導師，主要研究方向為新型網(wǎng)絡體系結(jié)構(gòu)、網(wǎng)絡安全。