Source: 应用科学学报 2020 年第 38 卷第 1 期
期刊：应用科学学报 Vol. 38 No. 1, January 2020
单位：北京大学信息工程学院 深圳市内容中心网络与区块链重点实验室；北京大学互联网研究院
作者：雷凯、黄硕康、方俊杰、黄济乐、谢英英、彭波
DOI：10.3969/j.issn.0255-8297.2020.01.012
一、研究背景与动机：传统 IP 网络的四大痛点
万物互联时代，IoT、边缘计算、5G/6G 等场景层出不穷，传统 TCP/IP 网络在万亿连接面前正暴露出”积重难返”的体系性缺陷。论文将这些缺陷凝练为四大痛点：
第一，控制与数据捆绑导致架构僵化。原有 IP 网络体系黑盒化严重，路由、传输、协议栈难以彻底优化；即使 SDN 也难以适应多协议、多网络、可扩展场景。第二，动态感知能力弱、群体智能不足。IP 网络无法感知数据内容，导致重复传输、无法就近获取；也无法敏捷感知网络状态，无法跨域协同反馈。第三，标识与位置绑定，多网融合差。IP 地址既是身份又是位置，攻击面大、移动性差。第四，内生安全弱。IP 协议设计之初未考虑安全，依赖管道补丁式加固（IPSec、VPN），离开管道便无法保障数据自身安全。
在这种背景下，作者主张未来互联网必须具备以价值内容数据为中心、感知传输综合成本、智能化控制、面向边缘可编程演进这四大能力。
二、核心思想：什么是”智能生态网络”
智能生态网络（Intelligent Eco Networking, IEN） 是该课题组 2018 年首届 IEEE HotICN 上自主提出的概念，定义为：以价值数据为中心、由知识智能驱动的分布式信任与价值维护的未来智联网基础设施。
它顺应五个发展趋势——内容知识化 → 知识价值化 → 价值网络化 → 网络生态化 → 生态智能化，把命名数据网络（NDN）、区块链共识计算、分布式人工智能（含联邦学习）这三股技术合流到一个统一的体系结构里。论文用一句话总结其设计哲学：”分布但不分散、中心控制但不集中”。
三、体系架构：五大要素拼出 IEN
IEN 由五个紧密耦合的要素构成。
异质计算网络（Heterogeneous Computing Network） 区别于”异构网络”。异构是多网融合，而异质强调同一网络层中节点因功能不同而承担不同计算任务、具备不同算力。它把”异构网络 + 多样化协议 + 多样化数据类型”整合在一起，未来 5G/6G 中关键不再是带宽而是延时，而延时的核心是计算任务的合理调度。
价值数据为中心（Valuable Content Centric） 网络不再传输任何字节都”一视同仁”，而是聚焦真正满足用户共享需求、具有可量化价值的数据。垃圾数据、病毒、冗余指令将被识别和降权。
知识智能驱动（Knowledge-Driven Intelligence） 在底层基础设施之上抽取网络中的知识——内容语义知识 + 网络行为知识，通过机器学习对数据价值建模、用强化学习做资源动态分配，并把内容管理与网络控制智能计算融合。
鉴授权（Authorization & Authentication） 把身份与数据”内生绑定”。基于区块链跨域 DID（分布式身份）签名权限与内容中心命名标识做语义关联，让数据从离开源头那一刻就携带可验证的所有权与签名信息。
多方共识共治（Multi-Party Consensus） 利用区块链共识 + 通证激励，构建一个”细粒度共产共惠”的联网产业经济模型。区块链共识维护节点信任，通证承载可量化的价值权益，使得网络节点可以按需、按劳、按权益分配收益。
四、关键设计：层次化异质计算 + 数据驱动调控
IEN 在网络组织上采用层次化异质计算网络结构：全局控制平面由云计算提供，做服务流粒度的带宽分配与跨域协调；局部控制平面由更接近终端的雾计算 / 霾计算承担，负责本区域具体的流量调度。这种”快慢神经控制”思路，兼顾了集中式控制的全局最优性和分布式控制的实时响应能力。
在调控策略上，IEN 提出基于人工智能的数据驱动调控范式：以 NDN 数据包丰富的语义为输入，使用统计学模型分析流行度、匹配关系、冗余度，再用经济学模型做网络资源调控；同时用区块链做价值的信任管理与共识维护。换句话说，IEN 不只是把 AI 部署在网络之上，而是让 AI 内化为网络底层的调度灵魂。
五、兼容与演进：向后兼容 IP，向前演进到 NDN
IEN 不是”推倒重来”，而是渐进式演进路线。论文给出了三条具体的兼容机制：数据包转换（NDN 公告请求包桥接 TCP/IP 主动推送与 NDN 拉取的语义鸿沟）；寻址方式转换（用序列号 + 时间戳 + 哈希将 IP 包唯一命名，转为 NDN 数据包）；软硬结合（基于软件路由器灵活做协议转换，逐步深入边缘网络）。
同时给出了”云 / 雾 / 霾”分层框架：云负责大数据持久化与重型计算，雾由 IEN 局部 / 核心路由器承担更低延迟服务，霾由更靠近用户的轻量网络设备组成。这一框架把”集中管理 + 计费”的资源使用模型转化为”共享 + 通证激励”模型，催生新的网络生态。
六、可行性分析：边缘 + 区块链 + 跨域认证 + 联邦学习
论文用一整章论证了 IEN 落地的四条技术支柱。
从边缘到核心 以深圳大学城真实网络拓扑为案例（论文给出 2018 年 11 月某日实测数据，4 亿教育网带宽中有约 5 小时出口流量超 400M、峰值达 500M），论证了边缘网络出口拥塞的迫切性，并提出基于分布式强化学习 + 网内缓存 + 协同式缓存策略的多方案优化路径。
区块链价值共识 利用区块链的分布式账本和通证机制，对参与者持有的内容确权、激励数据交易市场，把存储 / 计算 / 流量这些底层资源细粒度量化、流通、变现，真正实现”众享互信、共产共惠”。
跨域身份认证 重点解决 NDN 网内缓存被”内容中毒”攻击的难题——使用许可链记录 IKCB（Interest-Key-Content Binding）规则，让中间路由器无需逐包验证签名即可识别中毒内容，同时把消费者反馈也写到链上，形成内部攻击者识别共识。
联邦学习 把多客户端在不共享私有数据前提下协同训练全局模型的能力，作为 IEN 中实现分布式人工智能的关键路径。论文还讨论了如何用基于验证 + 注意力聚合的协议、激励机制等手段防止低质量节点拖垮全局模型。
七、总结与展望：从信息互联网到价值互联网
IEN 的研究意义不仅是技术叠加，更是一种范式跃迁——网络从”信息共享与分发”的角色，跃升为”承载价值传递、跨域共识、共生共惠的虚实融合数字社会基础设施”。论文最后指出三个亟待持续推进的研究问题：如何实现可逐步演进的语义化控制模式；如何选择合适的经济学模型量化多目标决策；如何在 IEN 平台上构建可预测、多目标分级均衡的多元化 QoS 保障机制。
对于关注未来网络 / Web3.0 / 算力网络方向的研究者来说，IEN 提供了一个非常完整的”链 + 网 + 算 + 智”融合参考框架。从 2018 年首篇 HotICN 论文起，到 2020 年这篇综述，再到后续 IEN II / III / 3.X / 2021 / 2022 / IENNFT 等系列工作，雷凯老师课题组用八年时间把这条路一步步走通——这本身也是中国科研团队在未来网络体系结构上发出的一种独立声音。
