Caching in Named Data Networking for the Wireless Internet of Things
研究關于将命名資料網絡中的緩存運用于無線物聯網
Mohamed Ahmed Hail *, Marica Amadeo+,Antonella Molinaro+, Stefan Fischer*
*Telematics Institute University of LUbeck, Germany, E-mail:{hail.fischer}@itm.uni-luebeck.de
+University Mediterranea of Reggio Calabria, Italy, E-mail: [email protected]
摘要
命名資料網絡是一個有前景的資訊中心未來網絡體系結構。除了它作為内容擷取方案在有線領域被認為是有潛力的之外，NDN最近被認為是一種可以用于物聯網的技術，由于它的創新特征，比如基于名字的路由和網絡記憶體儲。特别地，在中間節點緩存可能特别有用，以減少擷取延遲，限制網絡流量，減輕資料生産者的負載。然而，不像傳統的網際網路内容，物聯網資料是不斷變化的，并被生産者周期性地更新。同時，不像網際網路路由器，物聯網裝置可能是資源限制的，依據能源、存儲和處理能力而限制。因而，網際網路中的緩存算法為非瞬變的網際網路流量設計，網際網路路由器不能很好地适應物聯網領域。
在本文中，我們考慮無線NDN-IoT網絡，并提出了一種新的分布式機率性緩存政策，依賴于資料的更新和裝置可能的限制能力（能量層次和存儲能力）。提出的方案通過在ndnSIM上的模拟實驗評估，結果顯示在資料擷取和網絡能源效率方面，它比傳統的NDN緩存機制做的更好。
關鍵詞：
命名資料網絡；資訊中心網絡；物聯網；網絡記憶體儲；新鮮度
1 引言
在物聯網願景中，異構無線裝置，範圍從小的、限制傳感器和制動器到更強大的智能手機和形成網絡的車輛，将通過實體大環境和網際網路互動，來支援大範圍的環境感覺服務。相較于傳統的網際網路主機，比如路由器，PC和筆記本電腦，絕大多數IoT裝置在能源、記憶體和計算能力方面受到限制，并且他們具有移動性。此外，不像網際網路内容通過大的時不變檔案被特征化，IoT資料通常是小且瞬變的。新資訊可能不斷生成，例如，感覺器周期性地更新環境資料，應用程式對最新的資料包感興趣。
由于IoT系統這樣明顯的特性，研究社團緻力于新網絡協定的設計，以有效支援IoT通信。除了基于IP的解決方案之外，基于雲的方法，資訊中心網絡範式最近考慮用于IoT。實際上，這個革命性的體系結構的潛力是多方面的，像被網際網路研究任務組（IRTF）的ICN研究組（ICNRG）和最近的文獻[4]中展示的那樣。在ICN中，每個内容包通過使用唯一的持久的位置獨立的名字來命名，并被網絡節點看作自證明和自識别的資料單元。内容通過消費者直接使用名字擷取，而不需要生産者的IP位址。該範式從基于IP的主機中心模型轉變到資訊中心模型，意味着幾種優勢，包括更容易擷取和共享資料，本地移動支援，網絡内緩存和基于内容的安全，這在IoT中特别有用。特别地，網絡記憶體儲可以加速資料擷取，并減少網絡内的流量，由于資料請求可以被更靠近消費者的中間節點滿足。這也意味着網絡内緩存限制了海量資料對生産者的通路，并通過放松持續連接配接的需要從接收者解耦生産者。
盡管網絡内緩存在ICN有線網絡中被廣泛研究，由于資訊新鮮度和資源限制裝置存在嚴格要求，傳統的緩存算法為網際網路所設計，并不能很好地适應IoT。僅僅一些準備工作[6]-[8]考慮在IoT系統中的緩存，但并沒有為無線環境提出特定的緩存政策。
為了彌補該不足，本文聚焦于新的緩存政策的設計，該設計為無線多跳資訊中心物聯網系統特别定制。在幾種ICN執行個體中，我們參考命名資料網絡（NDN）體系結構，該體系結構分别利用簡單但健壯的興趣包和資料包的傳輸來請求和傳送命名資料單元。NDN對不同的新的緩存算法的實作開放，例如，節點可以基于使用者定義的政策/算法緩存進來的資料包。
在該環境中，我們定義pCASTING，一個物聯網的機率緩存政策，該政策考慮資料新鮮度和兩個裝置的特征，即能量層級和存儲能力，來動态調整每個節點的緩存機率。提出的政策是完全分布式的，不需要任何額外的信号傳輸。模拟實驗通過ndnSIM實作，實驗顯示，相較于在NDN中廣泛使用的參考緩存方案，pCASTING通過保證更低的擷取延遲增加了網絡的能源效率，這些參考緩存方案包括通用緩存方案和随機緩存方案。
本文的下面部分如下組織。第2部分介紹了NDN體系結構和NDN-IoT系統中的緩存的相關工作。第3部分提出了pCASTING提議，第4部分讨論了性能評估。最後，第5部分總結全文。
2 背景和動機
A. 命名資料網絡
NDN被作為一種内容傳播體系結構提出，以用于使用階層化的類似URI的内容名字的未來網絡，攜帶興趣包和資料包。每個NDN節點維持三張表：（i）内容存儲（CS），用來緩存進來的資料包；（ii）待定興趣表（PIT），用來記錄已經轉發的但還未被滿足的興趣包；（iii）轉發資訊表（FIB），用作基于内容名字的路由。當節點接收到興趣包，它首先檢視CS，如果在CS中找到比對資料，節點将發回資料包。否則，如果在PIT中存在比對條目，興趣包被丢棄，因為相同的請求已經被轉發。否則，一個新的PIT條目被建立，興趣包轉發到存儲在FIB中的接口。資料包遵循PIT條目的鍊條傳回消費者，并且資料包可以被存儲在中間節點。
節點中的緩存系統包括（i）緩存決定政策，指定是否緩存進來的資料包；（ii）替代政策，指定當新來的資料包需要緩存，但CS已滿，必須擦除什麼元素。NDN中預設的緩存政策也叫做在任何地點緩存任何東西（CE2）方案：節點緩存每個進來的資料包，盡管替換通過标準政策執行，比如最近最少使用政策（LRU）。然而，許多論文已經指出通用緩存政策并不高效，比如文獻[11]，由于高度的内容備援和可用緩存資源的不高效利用。這是其他方案通常被用在文獻中，包括機率性緩存的原因。機率性政策背後的關鍵想法是NDN節點通過确定的機率p随機緩存進來的資料包，其中0<p<1。CE2政策是機率性方案的特殊案例，其中，p=1。減少p，減少了網絡内緩存的機率，并最大化網絡中緩存的資料包的多樣性。
像在文獻[6]中讨論的那樣，NDN在IoT中可能非常高效，它能夠工作于鍊路層之上，而不需要工作于IP協定棧之上的覆寫網，而它意味着額外的記憶體消耗。近期工作開始在不同的IoT場景中将NDN作為一種從零開始的方法，包括建築管理系統（BMS）和智能傳輸系統（ITS），聚焦于命名、安全和轉發方面。
B. NDN-IoT系統中的緩存
到目前為止，對于NDN網絡，大量的緩存政策被提出，但沒有一個專門針對IoT系統和IoT系統的特征的政策。這些政策通常為預記錄的多媒體檔案設計，比如Youtube視訊和類似的被網際網路上的使用者頻繁請求的大内容；他們通常考慮固定的有線連接配接的内容路由器。值得注意的是，該方案的高性能通常以大的開銷和高複雜性的代價獲得，這使得他們不适合資源限制（移動）裝置。
當我們特别關注于IoT，NDN網絡内緩存的問題在很大程度上都是未被探索的。
文獻[6]工作于與實物大小相同的IoT部署中，實作了NDN的第一個實驗研究。作者通過比較不同消費者在緩存禁用時和标準的NDN網絡内緩存時内容擷取的性能，并評估了緩存的影響。結果顯示，由于緩存，無線傳輸的數量大幅度減少。實際上，盡管資源限制節點的緩存大小最多是1KB數量級，并且資訊是轉瞬即逝的，緩存仍然是有益的：它增加了内容的可用性，減少了朝向生産者的有損耗的多跳無線路徑的數量。此外，一方面，IoT裝置的緩存很小，另一方面，IoT内容通常也很小，因而，單獨的緩存可以存儲幾個IoT包。
文獻[7]分析了NDN緩存中IoT資訊新鮮度的影響。除了新鮮度參數包括在資料包中之外，在CS中存儲多少秒内容可以被認為是有效的，作者提出了一種消費者驅動新鮮度的方法。該機制允許消費者依據興趣包中的新鮮度指定它的特殊需求，是以CS可以決定它是否有可用資訊。結果，作者證明了消費者接收到的資料的精确度有提高。
第一個研究是關于在Internet内容路由器中緩存IoT内容。它提出了一種分布式機率性緩存算法，路由器通過考慮到源和消費者的跳數，動态地更新了他們的緩存機率、資料新鮮度、速率和新鮮度需求。兩個關鍵概念是提議的原理的闡述。首先，當緩存位置遠離生産者時，IoT資料變得不太新鮮，例如，緩存位置越靠近源，擷取的資料包越新鮮。第二，從更靠近源而不是消費者的位置擷取資料引發了網絡上更高的多跳流量負載。因而，算法定義了一個實用功能來處理在（i）來自消費者和生産者的多跳傳遞，和（ii）傳遞的資料包的資料新鮮度的預期損耗。
不像文獻[8]，聚焦于有線網際網路和電力的靜态裝置，我們認為一個IoT多跳無線網絡由（移動）資源限制節點組成，并部署了一個輕量級的緩存決定算法，像在下一節中讨論的那樣。
3 緩存決定政策
A. 假設
在我們的場景中，擁有有限的電池能源的N個資源限制節點連接配接在一個多跳無線網絡中。節點是固定的，例如，監控傳感器部署于街道、橋梁、建築或者人類攜帶的智能手機中。我們假設節點集C={1,..,Nc}，Nc<N，作為消費者，而生産者P以一個特定的新鮮度值生成IoT内容。其餘節點作為轉發者，緩存進來的資料包。
像在文獻[7]中讨論的那樣，消費者通過廣播興趣包請求資料包，該興趣包指定了新鮮度需求，這是對于基本的IoT瞬變内容的方案。任何節點（不同于P）接收了請求，該請求在CS中沒有合适的資料包，并可以根據已經實作的路由協定重新廣播包。
當節點接收到擁有PIT比對的資料包，它通過運用pCASTING政策執行緩存決定。
作為提出的方案的基本需求，我們的目标是簡單和無開銷。pCASTING在資源限制裝置上實作足夠簡單，并且不需要額外的信号或者在興趣包/資料包中攜帶更多的資訊。此外，pCASTING完全獨立于選擇的路由協定：它能夠工作在基于洪泛的生産者感覺的或者路徑感覺的方法中。
緩存決定是完全分布式的，包括兩個主要步驟，被每個轉發節點本地計算：
（1） 緩存機率的計算，考慮與裝置和内容相關的動态IoT屬性。選擇的屬性被正确标準化以使得異構的值可以互相比較。
（2） 實際的機率決定，指定了是否緩存了基于計算機率的資料包。
B. 屬性描述
作為裝置屬性，我們考慮兩個主要參數：能源層級和緩存占有率，可以容易地監測IoT裝置的這兩個值。
能源消耗是IoT裝置的一個主要的限制因素。如果剩餘的電池可用時間掉落在預定的層級之下，裝置的活躍性應該是被強烈限制的。這意味着緩存（和随後的傳輸）操作應該是被盡可能地抑制的。因而，我們假定，對于剩餘的電池能量層級，緩存機率是直接成比例的，這可以作為标準參數EN被動态描繪，0<=EN<=1，值0和1分别意味着電池是完全放電的，或者帶電的。
關于緩存占用率，我們有理由假定擁有高存儲容量的節點更傾向于緩存進來的資料包，擁有有限存儲容量的節點在緩存決定中應該具有強烈的選擇性。直覺上，節點的緩存機率應該與緩存占用層次成反比，這可以被描繪成标準化參數OC，0<= OC<=1，值0和1分别意味着緩存是空的或者滿的。
作為内容屬性，我們考慮資料包剩餘新鮮度。根據NDN，任何生産者可能在資料包中建構一個值，以秒級訓示新鮮度f，時間戳ts，當資訊一被生産出來，就被識别。
盡管節點自動丢棄CS中每個過期的資料包，相同資料包更新鮮的和不太新鮮的版本同時存在于網絡和消費者應用程式中，不同的可能對擷取擁有不同新鮮度需求的相同資料包感興趣。例如，消費者C1能夠以最多30分鐘的新鮮度獲得一個路段污染的值，同時，另一個消費者C2能夠獲得相同的資料，但是以最多10分鐘的新鮮度。一個節點接收兩個興趣包，能夠用緩存的資料包響應第一個請求，但轉發第二個請求，因為擁有的資料包對C2來說并不新鮮。這也暗示着，在一個特定時期，相同的資料包的兩個版本有不同的新鮮度值，在網絡中将是可行的。
更新鮮的資料包在緩存決定中擁有優先值，由于他們更可能适應消費者的新鮮度需求。是以，我們定義資料包的标準化的剩餘新鮮度FR為：
根據公式（1），如果時間戳ts與目前時間相等，那麼FR=1，資料包可以認為是新近生成的，然而，目前時間增加時，剩餘新鮮度減少。當然，有負FR值的包是過期的，并且根本沒有緩存。
C. 緩存機率
為了合适地定義資料包的緩存機率，我們考慮一個緩存效用函數Fu，同時考慮上面的标準化參數，EN，OC，FR。函數可以如下列出：
其中，Np=3（Fu的定義很靈活：它可以被擴充來為緩存決定考慮除了EN，OC，FR之外其他的參數），權重wi範圍0<=wi<=1，。因而，權重表達了标準化參數xi在計算效用值時的重要性。
Fu必須假定在[0:1]範圍内取值，并作為節點緩存機率的函數：如果Fu趨向于1，包被緩存的機率就高，反之亦然，如果Fu趨向于0，包被緩存的機率就低。
函數g(xi)的模型可以通過考慮它應該滿足的需求來設計。首先，它應該提供一個介于0和1之間的值，當xi的值随着整個緩存的效用成比例增加時，單調增加，成比例減少時，單調減少。第二，它也應該滿足參數xi越靠近極限值，結果效用的影響越高的條件。通過這樣做，緩存決定偏愛更新鮮的内容，更可能存儲在具有擁有更高能量和更多緩存容量的節點中。
滿足如此特性的數學函數是幂函數g(xi)=xni，其中n>=1，依據與第二需求的相關度進行選擇。效用函數是以通過幂函數的權重和來表達：
資料包接收時，任何節點計算Fu的值來得到資料包的緩存機率。
4 實驗
A. 模拟實驗啟動
為了評估提出的pCASTING方案的性能，我們考慮圖1中的智慧城市場景代表一個大小為600m*600m的城市區域。
一組感覺器部署在城市中，周期性地生成環境資料和其他與位置相關的資訊。收集點擷取這些内容，并操縱這些内容來為使用者建立内容感覺的服務，例如實時公共交通更新，空氣污染更新。接入點（AP）放在方形拓撲的右上角，為感興趣的消費者提供這樣的環境感覺服務。我們假設場景中有60個節點以步行速度移動，依據Truncated Levy-Walk移動模型，生成現實的人類移動軌迹。這樣的移動節點模仿想要通路AP服務的使用者攜帶的智能手機。每個節點裝配有IEEE 802.11g無線接口，其中媒體通路控制和實體參數（例如，傳輸能力和接收機靈敏度）依據今天市場上裝置的資料集設定。傳播服從瑞利衰落分布，由于各種障礙物、建築和樹木，需要考慮多路徑效果。
拓撲中節點的子集是為AP提供的環境感覺服務所選擇的。每個服務作為一組Nd資料包被模組化，例如，每個消費者必須傳輸Nd個不同的興趣包來獲得整體資訊。然而，由于資訊是瞬變的，每個消費者必須周期性地發送新的興趣包來獲得更新的資訊。在我們的場景中，更新周期是1分鐘（例如，消費者在t=0s，t=60s，t=120s等請求内容）每次興趣包攜帶新鮮度需求，該新鮮度在[1:10]秒的範圍内随機選擇。與AP的通信以多跳執行。不失一般性，我們參考的轉發協定是可控的洪泛，像在文獻[15]中定義的那樣，文獻[6]專用于無線網絡。包括基于計數器的廣播方案，為了限制碰撞機率和無線共享媒體上的備援而推遲包轉發。可控的洪泛是物聯網絡中的一個好的選擇，由于它固有的簡單性：不依賴于額外的控制流量和并且在節點中需要最小狀态。此外，在一個中等/較小的拓撲中（像本文考慮的拓撲），由于備援傳輸，潛在的開銷将會較低。
為了在高存儲限制條件下研究緩存政策的行為，我們假定每個節點的CS性能僅僅限制到10個包。
我們描述的場景和pCASTING方案在ndnSIM工具中實作，NDN研究社團的參考模拟平台，部署在ns-3上。模拟設定在表I中彙總。下面，我們考慮兩個不同的實驗，目标是評估提出的方案的能源效率和資料擷取性能。
B. 網絡生存周期分析
我們評估的第一個目标是了解對于電池供電的裝置，pCASTING是否是一個能源高效的方案，通過保證好的性能，依據擷取延遲和收集資料包的數量。是以，ns-3中的能源模型已經被用作計算模拟場景中無線裝置的能源消耗。模型允許指定每個裝置的初始能源，在模拟期間，它基于節點的活動減少了這個值。
在實驗中，8個節點被選作消費者，提供了高層次的初始化能源，而轉發節點提供了非常低層次的初始化能源，意味着能源很快會被耗盡。實際上，我們主要關注的是，通過考慮轉發節點的能源消耗來估計整個網絡生存時間，允許消費者和AP之間的通信。後者提供了四個不同的環境感覺服務：每個消費者随機選擇一個服務，并開始以選擇的随機間隔請求資料包，該間隔為[0:5]秒。然後，在每一分鐘，每個消費者再次發送興趣包。當所有的轉發節點耗盡能源後，模拟結束。
我們将pCASTING和三個參考方案比較：（i）在任何地點緩存任何東西的政策，CE2，用來緩存進來的資料包；（ii）機率方案，P(0.5)，以固定機率p=0.5緩存進來的資料包；（iii）無緩存方案，節點不使用CS，僅轉發進來的資料包。每個緩存方案的替換政策都是LRU。
作為能源性能度量，我們考慮轉發節點放電時間的累積分布函數（CDF），從網絡視角給出緩存政策能源效率的資訊。作為傳播性能的訓示器，我們考慮緩存命中率，在網絡生存時間内消費者接收到的資料包的平均數量和平均資料擷取延遲，計算興趣包發送和資料包接收的時間間隔。延遲考慮可能的興趣包重傳。
結果在10個獨立運作的程序上計算。
圖2顯示了轉發節點放電時間的累積分布函數（CDF），表II顯示了資料分發性能度量的參考值。我們可以觀察到，最短網絡生存時間通過CE2方案獲得：在t=320s時刻，CDF達到值1，意味着所有的轉發節點都耗盡能源。這是由于CE2在節點中生成了許多緩存/轉發操作，同時，它沒有最大化内容差異。實際上，在無線領域，許多鄰居節點應該在相同時間接收到相同的資料包，CE2方案的結果，他們都緩存相同的資訊。對于小的CS，情況更加嚴重，這引起高驅逐率并随時間獲得均勻内容分布。這樣均勻的緩存内容的存在有雙重副作用。一方面，不同内容的請求不能被任何中間節點滿足，興趣包必須轉發到最初的生産者（見表II中的CE2緩存命中率）。另一方面，CS比對的存在，許多節點通過無益地浪費能源和網絡資源同時可以響應相同的請求。值得注意的是，資料包通常比興趣包更長，因而，資料包因為信道差錯和碰撞丢失的機率比興趣包丢失的機率更高。
無緩存方案可以提供相較于CE2稍高的網絡生存時間，但相應地，他有更高的端到端延遲，由于緩存的優勢不能以任何方式被利用。
更好的性能以P(0.5)機率的方案獲得，通過引入機率緩存決定，在網絡中增加内容多樣性，并在中間節點促進緩存命中率。然而，由于它的能源感覺行為，pCASTING保證了最高的網絡生存時間，甚至擷取的資料包最多。此外，由于固有的機率決定，pCASTING最大化網絡中的内容多樣性，是以增加了緩存命中率，結果，減少了資料擷取延遲。
C. 擷取性能分析
第二個實驗研究完全充電的節點的資料傳播的性能。ns-3能源模型仍然應用來顯示模拟期間的能源損耗，持續10分鐘。在這段時間，消費者的數量變化範圍為1到6，周期性地請求環境感覺服務。模拟結果平均運作在10個獨立的程序上，擁有95%的置信區間。
我們将pCASTING與無緩存和P(0.5)方案做比較。為了從網絡視角評估緩存政策的效率，我們考慮模拟期間網絡中傳輸的興趣包的數量和資料包的數量。反之亦然，為了從消費者視角評估緩存政策的效率，我們計算消費者能源開銷，這是消費者消耗的能源和正确接收的比特之間的比率，在所有的消費者上做平均。
圖3(a)和圖3(b)中興趣包和資料包的數量，表明相較于其他方案，pCASTING極大地減少了流量，是以節約了網絡資源。而且由于它減少了能源消耗，消費者也從pCASTING中得到好處，如圖3(c)所示。這是由于獲知節點的狀态（依據能源和緩存大小）和資料包的剩餘新鮮度的事實，pCASTING執行智能緩存決定，高效地在網絡中分發内容。結果，pCASTING緩存命中率比P(0.5)機率方案更高，維持55-62%的數量級，P(0.5)的緩存命中率總是低于50%。
5 結論
在本文中，我們在命名資料無線物聯網絡中研究網絡内緩存，并提出了一種分布式緩存方案，叫做pCASTING，該方案通過考慮三個主要的參數來調整緩存機率，這三個參數是：電池能源等級、節點的緩存占用率和資料包的剩餘新鮮度。模拟結果證明了提出方案的有效性和效率，這也能夠減少節點的能源消耗，同時，保證低的内容擷取延遲。
我們在pCASTING中計算緩存機率的方式非常通用：緩存效用函數Fu可以與不同的路由協定工作，并可以通過增加其他參數被容易地修改。真正地，作為未來工作，我們計劃（i）在緩存決定中包括其他屬性，并且，(ii)在緩存和不同的路由協定之間評估可能的互動。
6 感謝
該工作受德國學術交流服務（DAAD）的FITweltweit項目團體支援。
參考文獻
[I] J. Gubbi, R.Buyya, S. Marusic, and M. Palaniswami, "Internet of Things (loT): AVision, Architectural Elements, and Future Directions," Elsevier FutureGeneration Computer Systems, Volume 29, No. 7, 2013.
[2] B. Ahlgren, C.Dannewitz, C. Imbrenda, D. Kutscher, and B. Ohlman, "A Survey ofInformation-Centric Networking," IEEE Communications Magazine, vol. 50,no. 7, pp. 26-36, 2012.
[3] Y. Zhang et aI.,"ICN based Architecture for loT - Requirements and Challenges," inInternet-Draft, 2014.
[4] M. Amadeo, C.Cam polo, A. lera, and A. Molinaro, "Named Data Networking for loT: anArchitectural Perspective," in European Conference on Networks andCommunications (EuCNC), Bologna, Italy, 2014.
[5] G. Zhang, Y. Li,and T. Lin, "Caching in Information Centric Networking: a Survey,"Elsevier Computer Networks, vol. 57, no. 16, 2013.
[6] E. Baccelli etaI., "Information Centric Networking in the loT: Experiments with NDN inthe Wild," ACM ICN, 2014.
[7] J. Quevedo, D.Corujo, and R. Aguiar, "Consumer Driven Information Freshness Approach forContent Centric Networking," in IEEE INFOCOM NOM Workshop, 2014. [S] S.Vural et al., "In-network Caching of Internet-of-Things Data," in IEEEICC, 2014.
[9] L. Zhang et aI.,"Named Data Networking (NDN) Project," PARC, Tech. Rep. NDN-OOOl,October 2010.
[10] A. Afanasyev etaI., "ndnSIM: NDN simulator for NS-3," University of California, LosAngeles, Tech. Rep. NDN-0005, 2012.
[11] I. Psaras etaI., "Probabilistic In-Network Caching for InformationCentric Networks,"in ACM ICN'12, 2012.
[12] S. Tarnoi, K.Suksomboon, W. Kumwilaisak, and Y. Ji, "Performance of ProbabilisticCaching and Cache Replacement Policies for ContentCentric Networks," inIEEE LCN, 2014.
[13] W. Shang etal., "Securing Building Management Systems Using Named DataNetworking," IEEE Network, vol. 3, no. 2S, 2014.
[14] L. Wang et aI.,"Rapid Traffic Information Dissemination Using Named Data," in ACMNoM'12, 2012.
[15] M. Amadeo, C.Campolo, and A. Molinaro, "Forwarding Strategies in Named Data Wireless AdHoc Networks: Design and Evaluation," Elsevier Journal of Network andComputer Applications, 2014.
[16] I. Rhee, M.Shin, S. Hong, K. Lee, and S. Chong, "On the Levy-walk Nature of HumanMobility," in IEEE INFO COM, 200S.
[17] "CiscoAironet S02.11a/b/g Wireless Cardbus Adapter, Data Sheet on line at http://www.cisco.com...[IS] "The network simulator-3 (ns-3),http://www.nsnam.org/.''