基于非結構化P2P的醫療物聯網信息發現*

邢 丹 姚俊明

(濟寧醫學院醫學信息工程學院 日照 276826)

?

基于非結構化P2P的醫療物聯網信息發現*

邢 丹 姚俊明

(濟寧醫學院醫學信息工程學院 日照 276826)

介紹基于P2P的物聯網物品信息發現機制相關研究概況，分析比較3種分布式P2P拓撲結構，提出基于非結構化P2P進行物聯網的信息發現，即采用基于興趣的層次化拓撲構建選擇和基于興趣簇的具有自適應能力的搜索算法，并對該算法進行分析。

非結構化P2P；醫療物聯網；信息發現；興趣

1 引言

物聯網是未來智慧醫療的關鍵技術之一，可將其應用在智慧健康管理系統中。而在典型的物聯網——EPCglobal(國際物品編碼協會和美國統一代碼委員會的一個合資公司)網絡中，物聯網信息發現是通過對象命名服務(Object Naming Service，ONS)來完成的。ONS的實質是將一個物品的產品電子代碼(Electronic Product Code，EPC)映射到1個或者多個網絡資源地址統一資源標識符(Uniform Resource Identifier，URI)，通過URI可以查找到關于物品的詳細信息，即對應著一個EPC信息服務。目前，傳統物聯網中的分布式物品信息節點具有各節點儲存的數據信息更新頻繁、不同節點儲存著相同物品名稱的不同數據部分、節點數目巨大、節點相關的數據信息具有很高的安全敏感性等特點[1]，這就決定了采用傳統的查找方式必然會對根服務器造成很大的查詢壓力，形成查詢瓶頸，降低查詢效率。因此，設計高效可行的醫療物聯網信息發現機制是亟需解決的問題。而對等網(Peer to Peer，P2P)技術具有非中心化、可擴展性及健壯性能好、隱私保護及負載均衡等優點，從而能夠確保聯網物品的相關信息能夠被高效、準確和安全地尋址、定位和查詢。

2 基于P2P的物聯網物品信息發現機制相關研究

BRIDGE項目以EPCglobal相關規范為基礎，提出了物聯網中發現服務(Discovery Service，DS)的8種可行模式，從各方面進行了比較[7]。這8種模式與ONS系統相比，都能夠很好地完成任意給定的物品編碼到商品流通鏈中與其相關聯的多個EPC信息服務(EPC Information Services，EPCIS)的定位查找操作,在保證查全率的前提下實現動態查詢。孔寧[1]對這8種模式從安全性、響應速度等方面進行分析，得出EPCIS目錄模式和請求傳播模式是較好的兩種模式，提出了采用基于半分布式 P2P 的拓撲結構設計物聯網中的物品信息發現機制，通過改進并提高其發現效率及網絡可擴展性，可使其滿足物聯網的物品信息發現需求，但未對此實現過程進行深入研究。黃宇等[2]采用基于半分布式P2P網絡的物聯網信息發現服務，在超級節點間的路由算法中采用了分布式P2P中的Chord算法來實現，但未對其做詳細分析。李占波等[3]采用改進分布式哈希表(Distributed Hash Table，DHT)的結構化P2P的ONS解析機制，結果表明基于DHT的ONS解析系統能夠有效地應對單點失效，相比于Epcglobal ONS系統具有更好的負載均衡性能。本文在請求傳播模式基礎上，采用非結構化P2P進行物聯網的信息發現。

3 3種分布式P2P拓撲結構分析

表1 分布式P2P網絡拓撲性能綜合比較

從表1可以看出，全分布式結構化拓撲結構的整體性能最好，采用此拓撲結構，物品信息發現機制能夠很好地滿足網絡可擴展性、容錯性以及查詢的效率、查全率等要求；但是由于 DHT 算法本身的限制，其不支持復雜查詢，因此無法滿足物聯網中對于物品內容的復雜查詢。而半分布式拓撲結構的優點是性能、可擴展性較好，較容易管理；但對超級節點的依賴性大，易于受到攻擊，容錯性也受到影響。而全分布式非結構化拓撲結構由于采用了隨機圖的組織方式，結點度數服從冪律(Power-law)規律，從而能夠較快發現目的結點，面對網絡的動態變化體現了較好的容錯能力，因此具有較好的可用性；支持復雜查詢，如帶有規則表達式的多關鍵詞查詢、模糊查詢等。目前對此類結構的研究主要集中于改進發現算法和復制策略以提高發現的準確率和性能。根據物聯網的特殊性，物品的信息發現機制需要具有各節點高度獨立的自治性；網絡具有良好的可擴展性和容錯性；查詢的效率和查全率高；支持內容、語義等復雜查詢的特點。綜合以上分析，本文采用非結構化拓撲結構來組織節點，但由于沒有確定拓撲結構的支持，非結構化網絡無法保證資源發現的效率，即使需要查找的目的結點存在發現也有可能失敗，因此發現的準確性和可擴展性是非結構化網絡面臨的兩個重要問題，需要采用優化的改進算法來發現資源。

4 基于非結構化P2P的醫療物聯網物品信息發現機制

4.1 非結構化P2P的拓撲構建選擇

傳統的P2P網絡結構均沒有考慮語義和節點能力，因此其節點在網絡中的位置存在巨大的隨意性，忽視節點資源和網絡結構的對應，使得其網絡對于資源的搜索查詢具有較大的盲目性，搜索的開銷巨大，且效率較低。目前研究熱點之一是引入節點興趣[4]，將興趣相似節點聚集在一起，以提高資源搜索的成功率；同時，在資源搜索過程中，搜索查詢消息只需要訪問網絡中少量節點，產生較高的搜索成功率和較低的資源搜索查詢開銷。周曉波等[5]采用了一種基于層次化興趣表達的拓撲生成模型，通過興趣的定義及維護從統計上在資源和網絡拓撲之間建立了聯系。在物聯網的應用中，尤其是物品流通領域，通常所關心的商品是按照人群來進行劃分的，如孕婦經常關心孕婦服裝、待產包等，且其所感興趣的商品通常存儲在相對固定的位置。基于此，選取具有興趣相似的節點來組織網絡拓撲。這其中需要解決兩個關鍵問題，其一是興趣的表示問題。目前常用節點興趣的描述方法主要有主題分類、向量空間模型(Vector Space Model,VSM)和資源描述框架(Resource Description Framework,RDF)[1]。黃宇等[2]采用興趣樹來表示資源，本文采用基于向量空間模型的方法進行興趣樹的組織，對興趣樹進行廣度優先遍歷得到資源所處的社區和興趣的編號。另一個是社區維護問題，其過程描述為：當一個節點通過一個啟動(Bootstrap)節點加入到網絡中，將繼承Bootstrap的鄰居表，且被加入到Bootstrap的鄰居表中。隨后，將不斷地發起查詢，對于那些成功的查詢，把對應節點作為自己的鄰居候選，然后對鄰居表及候選表進行排序，刪除那些與自己的社區編號距離太遠的節點。如此不斷反復，節點將逐漸地從初始的社區跨越到其社區編號所標志的社區中去。

4.2 非結構化P2P搜索算法的選取

采用非結構化P2P拓撲結構來進行資源發現，其中一個關鍵問題是采用何種搜索算法。非結構化的搜索策略可分為盲目搜索和信息搜索兩大類。盲目搜索通過洪泛方式來搜索想要的資源，雖然查詢效果較好，但需要耗費較多；信息搜索存儲了資源已有的知識，所以能夠比較快地找到資源。錢寧等[6]將其更細致地劃分為基于本地索引的方法、基于層次的方法和基于聚集的方法，表2歸納總結了各個方法的優缺點。

表2 非結構化P2P搜索算法分析

鑒于拓撲結構的構建選擇了基于節點興趣，即將資源和網絡的拓撲結構建立了聯系，采用簇的方式為聚集節點；同時為了符合物聯網的自身特點，綜合以上，采用基于聚集方法中的基于興趣的方法進行搜索。其次，為了使節點具有高度獨立的自治特性，采用具有自適應能力的基于簇搜索算法，即SAICA算法。

4.3 SAICA算法具體工作過程

對于一個給定的查詢，根據“六尺度”原則可知它的結果集很大程度上就在對應的簇集，而不是散落在整個系統，這樣資源搜索問題就轉化成如何快速定位對應簇集的問題。下面給出搜索的基本過程：(1)確定資源所在的簇集。當一個節點發起查詢時，如果該節點是服務節點，跳(2) ；否則，節點首先計算查詢項q與該節點維護的資源r的相似度Similumar(q,r)，計算結果和預先設定的閾值(Threshold)進行比較，如果計算結果大于或等于設定的閾值，則認為成功找到了匹配的資源，將與查詢項q相似度大于等于閾值的資源作為查詢結果返回，同時該節點將查詢消息發送給資源連接的服務節點；如果查詢項與該節點維護的資源的相似度小于設定的閾值，查詢消息則傳遞給需求連接對應的服務節點。(2)確定查詢內容所在的具體位置。當查詢消息到達后，接收到查詢消息的服務節點先查看查詢內容是否在本機上，然后根據它維護的資源索引確定內容是否在簇集內的葉節點上，同時將查詢按照一定策略發送給其鄰居服務節點。

4.4 算法評價

直觀上看，SAICA算法利用判斷查詢和當前節點所含資源的相似度決定查詢的轉發路徑。如果當前節點所含的資源和查詢的相似度小于設定的閾值，那么該節點所屬簇集內的節點擁有和查詢相關資源的可能性也較小——因為根據節點面向興趣轉移的拓撲連接調整，同一簇集內維護相似資源的節點。因此，借助歷史反饋信息，將查詢路由給需求連接的服務節點。反之，查詢可能已經被發送到一個由一組查詢主題相關的資源所在節點構成的社區中，當前簇集內包含與查詢相關的大部分資源對象。因此根據SAICA算法的策略，對于給定的查詢，目標社區的定位基本上可以在一個跳數內完成，有效控制了消息數量和搜索路徑長度，從而提升了系統的整體搜索性能。

5 結語

本文通過分析提出了基于興趣的層次化拓撲構建方法和基于興趣簇的具有自適應能力的搜索算法，解決了醫療物聯網中資源發現服務存在的弊端。下一步的工作是對其進行模擬實驗，分析其同ONS的查詢效率問題，以及不在興趣范圍內的節點的解決方案。

1 孔寧.物聯網資源尋址關鍵技術研究[D].北京：中國科學院計算機網絡信息中心,2008.

2 黃宇,金蓓弘.非結構化P2P系統Overlay優化技術綜述[J].小型微型計算機系統,2008,29(2):238-243.

3 李占波，張哲. 基于DHT-P2P新型的ONS解析機制[J].計算機工程與應用,2013，49(3):91-94.

4 蘇森.無結構P2P網絡中基于語義和節點存儲能力的搜索關鍵技術研究.[D].北京：北京郵電大學,2011.

5 周曉波,周健,盧漢成,等.一種基于層次化興趣的非結構化p2p拓撲形成模型[J].軟件學報,2007,18(12):3131-3138.

6 錢寧,吳國新. 無結構化P2P網絡資源搜索機制研究綜述[J].計算機科學,2010，37(4):10-11.

Information Discovery for Medical Internet of Things Based on Unstructured P2P

XINGDan，YAOJun-ming,

CollegeofMedicalInformationEngineering,JiningMedicalUniversity,Rizhao276826，China

The paper introduces researches related to the discovery mechanism of things and information for the Internet of Things based on P2P, analyzes and compares three kinds of distributed P2P topological structures, and proposes information discovery for the Internet of Things based on unstructured P2P. This means to use interest-based selection of hierarchical topological construction and the self-adaptable search algorithm based on interest clusters and analyze this algorithm.

Unstructured P2P;Medical Internet of Things; Discovery service; Interest

2015-05-06

邢丹，講師，發表論文7篇；姚俊明，講師，碩士，發表論文6篇。

濟寧醫學院青年基金項目“基于P2P的物聯網資源發現機制的研究”；山東省自然科學基金項目(項目編號：ZR2011HL002)；濟寧醫學院校級科研計劃項目(項目編號：JY2013KJ036)。

R-056

A 〔DOI〕10.3969/j.issn.1673-6036.2015.10.012