深空通信DTN总结

A novel Federated Computation approach for Artificial Intelligence applications in Delay and Disruption Tolerant Networks

2023 IEEE Cognitive Communications for Aerospace Applications Workshop (CCAAW)
NASA和google的人发的文章

abstract

地球与遥远航天器之间的通信具有挑战性，因为轨道轨迹导致的链路频繁中断、噪声或天线指向问题导致的信号丢失，以及极端轨道和极端轨道导致的长且高度可变的单向光时延。涉及的距离。深空链路的可靠性传统上需要任务运营团队的手动干预，而称为延迟和中断容忍网络（DTN）的新太阳系互联网协议已经被开发出来，以实现空间通信的自动化。这种自动化现在提供了一种使用我们在本文中介绍的人工智能 (AI) 和机器学习 (ML) 方法进行空间网络和链路性能优化的机制。我们讨论联邦学习 (FL) 以及 FL 在 DTN 网络监控和优化中的应用。联邦学习是一种分布式学习框架，使机器学习能够在分散的数据上执行，并更好地保护每个协作者的数据隐私和通信效率。这项工作概述了一种新方法，通过利用两种形式的太空应用联合学习和核心 DTN 捆绑协议来生成更智能的“边缘设备”机器学习模型，以推进当前在延迟和中断容忍网络上运行的人工智能应用。我们的工作表明，网络可以以更高的链路带宽效率和更少的资源消耗运行，同时确保隐私和质量约束。对流行图像数据集的实验表明，与现有替代方案相比，DTN-ML 可以具有相似或更好的性能，但通信开销要少得多。

introduction

从火星表面检索样本的国际计划活动不断增加，以及在不久的将来支持月球探索的数十艘航天器的大范围运行，精简、简化和促进任务操作的方法非常重要。为了允许通过数百个不同的无线电链路进行通信操作和数据管理，航天器和地面元件之间提供类似互联网的网络和路由自动化的系统，称为延迟和中断容忍网络（DTN）[1]，目前正在航天器中实施以及 NASA 和 ESA 地面站 [2]。有了网络系统，进一步简化航天器的操作和管理以及智能选择哪些数据将使用空间网络中宝贵的带宽就成为可能。为此，我们利用 DTN 的功能和新的机器学习技术，为未来提供新的任务运营范例。

机器学习 (ML) 系统开始用于空间应用，以近似现实世界的复杂表示。基于机器学习的自主航天器有潜力探索太阳系的新部分，降低任务成本，同时提高自动化、自主导航、自动遥测分析和软件可升级性。然而，极端的距离、卫星不断的轨道运动和链路切换使得地球和航天器之间的通信容易出现延迟、中断和高误码率。深空链路的可靠性通常是通过任务运营团队细致且耗时的手动干预来实现的。

这项工作概述了一种新方法，通过利用新颖的联合计算 [4] 方法和 DTN 捆绑协议 [5-7] 来推进当前在 DTN 网络上运行的人工智能应用程序，以生成更智能的“边缘设备”机器学习模型，以较低的成本延迟和更少的功耗，同时确保隐私和质量限制。我们的方法专为空间网络场景而设计，在这些场景中，数据不均匀地分布在多个设备上，并且设备具有明显更高的延迟、更低的吞吐量连接、硬件资源限制，并且只能间歇性地用于训练。我们应用了 Bundle Protocol [8] 的 NASA 行星际覆盖网络 (ION) 实现以及两种新颖的联合计算方法来训练 CIFAR-10 数据集的图像分类算法 [9]。我们首先在混合云环境中初始化全局模型。我们的方法不是将训练数据集中在一台中央服务器上，而是使符合标准的边缘设备（例如航天器、漫游车）加入训练群体以协作学习共享预测模型，同时将所有训练数据保留在边缘。

据我们所知，联邦学习（FL）下的轻量级应用层协议的开发之前还没有在DTN网络中进行过。我们使用具有压力和丢包的网络配置测试了通信时间，以验证联合计算的 DTN 通信协议的性能。事实上，该应用程序是自动化的，并且联合计算算法自动执行许多原本必须由任务操作员以集中方式指挥的功能，从而能够减少训练和部署机器所涉及的成本、风险和工作量学习空间环境中的应用。

使用能够承载强大的人工智能和机器学习应用程序的太空合格信号处理器，航天器成为数据收集者、利用者和传播者——大脑和神经系统。这将使航天器能够在正确的时间以所需的速度直接向任务操作员、宇航员和工程师提供可操作的情报。通过在小型、功率受限的航天器 [9] 和卫星中启用高性能人工智能功能，我们可以使用人工智能在机上处理数据，从而使最终用户获得实时和定制的信息，而不是等待传输的数据集并在地面站进行处理。

DELAY AND DISRUPTION TOLERANT NETWORKS

太空通信链路的特点是，由于光速较慢，距离其他行星很远，造成的延迟时间长短不等。例如，从地球到火星的往返光时间约为 7 至 40 分钟，具体取决于火星相对于地球的位置。除了长时间的光时延迟之外，由于天气、天线指向不准确以及航天器绕遥远行星运行时的掩星等因素，太空链路还容易出现中断。正常的地面 IP 网络协议假定中断是由于拥塞造成的，并采取相应的措施；然而，当中断是由于损坏或掩星造成时，正常的互联网协议就会失败。关于深空无线电链路的另一个事实是，由于航天器上发射机功率和天线尺寸的限制，带宽是宝贵的商品，而链路效率至关重要[1]。目前正在开发的 NASA/ESA 太阳系互联计划基于 DTN 协议，旨在提供联网功能、带宽效率、存储和转发功能、自动路由、深空链路可靠性以及内置多级加密数据机密性和完整性检查。 [2]、[3]。

DTN 在 2008-2011 年的 JPL EPOXI 任务中首次获得太空资格[11]，并显示该任务返回的数据大幅增加。它随后被用于国际空间站上的 20 多项有效载荷实验，目前安装在绕月球运行的韩国探路者月球轨道飞行器上。除了太空用途外，DTN 还被用于许多无线链路经常中断的地面网络，并且也具有明显的军事应用。

迄今为止的 DTN 经验表明，虽然它是空间数据网络的关键支持技术，但设置和故障排除可能非常困难，这是探索用于优化 DTN 网络性能的 ML 技术的主要驱动力。迄今为止，ML 系统尚未与 DTN 网络结合使用。

联邦计算

许多数据生来就是分散的。数十亿部手机和物联网设备不断生成数据，以实现更好的产品。在机器学习系统中，从所有位于集中位置的数据中学习更容易。然而，集中学习会带来延迟、间歇性、数据上限和电池寿命问题以及隐私问题。相反，如果我们以孤立的方式在边缘设备上执行所有机器学习训练，就会限制新体验的创建。每个边缘设备的数据通常太少，或者客户没有为机器学习做出贡献。联合学习 (FL) 概念由 Google 于 2016 年引入 [4]，作为需要集中训练技术的传统机器学习方法的替代方案。在传统的机器学习（ML）方法中，训练所需的所有数据必须从边缘设备、服务器等收集，并传输和存储在中央位置，例如中央服务器。预处理、聚合和其他数据操作也在中央服务器中进行。

联邦学习方法的工作原理是首先在中央位置初始化全局机器学习模型（例如图像分类、对象检测、异常检测），然后由边缘设备下载该模型，这为我们提供了分散式训练，其中每个设备都可以执行训练过程。联邦学习不需要将训练数据集中在一台服务器上，而是使边缘设备能够协作学习共享预测模型，同时将所有训练数据保留在边缘。在这种方法中，边缘设备通过从本地环境中的数据学习来改进其模型，然后将更改总结为小的集中更新。如果选择一个设备参加联邦学习训练轮次，它会将权重矩阵发送到中央服务器，所有边缘设备的学习将在中央服务器上聚合，并应用一种技术来生成最终的全局模型将分发到所有边缘设备。所有数据都保留在边缘设备上。 [4]。虽然存在对边缘设备需要信任聚合器服务器的担忧，但必须注意模型更新只是暂时的，即它将持续到它被传输并合并到全局模型中为止。

联邦学习根据其群体选择策略可以分为Cross-Silo[12]或CrossDevice[13]、[14]。
Cross-Silo跨孤岛策略是指两个或多个组织拥有自己的数据和系统，但希望参与联合联邦学习过程但保留各自的数据孤岛的场景。该策略也可以理解为企业对企业（B2B）策略。
另一方面，CrossDevice跨设备策略涉及系统和数据的用户，由单个组织管理，可以将其视为企业对消费者策略（B2C）。

如今，面对边缘计算、多云和将数据作为资本资产持有等新兴趋势，联邦学习解决的问题超出了隐私范围，更深入地与计算相关。特别是在空间应用中，科学空间数据的集中化面临着障碍，以及工作流程和技术挑战，包括通过不可靠和有限的链接管理和分发数据。后者与空间通信特别相关，因为卫星或其他航天器获取的图像通常是非常大的文件。联合机器学习可以成为克服这些挑战的解决方案，并促进机器学习在空间应用中的采用并改善通信[15-17]。因此，通过联邦学习，我们可以减轻传统机器学习方法带来的隐私、安全和网络通信问题。在没有传输原始数据的情况下，它可以帮助提高安全性和隐私性，而且还可以实现更快的训练，这一点在外太空中尤其明显，因为需要传输的数据将明显更小，并且延迟可能会非常小与地球标准相比，训练可以进行得更快，因此可以通过升级太空中的人工智能模型来产生至关重要的影响，这对于太空任务的成功是必要的。联邦学习方法也适用于空间科学，因为航天器上拥有训练有素的机器学习系统可以帮助确保只有具有科学意义的有效载荷数据（例如图像）才会传输到地面站。

用于容忍延迟和干扰的网络的联合学习框架

这项工作提出了一种名为 DTN-ML 的新型联合计算方法，能够部署和训练机器学习模型，并针对空间应用进行优化。 DTN-ML 旨在成为一种端到端网络服务和联合计算功能，提供基于云的 AI 服务以及在网络环境中和/或通过网络环境进行的通信，这些环境会受到延迟和中断的影响。我们的架构由两个主要软件组件组成：DTN-ML Orchestrator 和一对多 DTN-ML 节点。

DTN-ML Orchestrator DTN协调器

协调 DTN-ML 支持的两种类型的联邦学习流程的服务：跨航天器联邦学习 (CSp FL) 和跨任务操作中心联邦学习 (CMOC FL)。Type Cross-Spacecraft Federated Learning (CSp FL) and Cross-Mission
Operation Center Federated Learning (CMOC FL).

跨航天器联合学习 (CSc FL)：包括直接在 DTN-ML 节点上训练模型，并将模型的权重发送给协调器以聚合并创建改进的组合模型。这种类型的联邦学习也适用于任务操作员或工程师确定 DTN-ML 节点具有足够的处理能力来加入联邦学习群体的情况，如图 1 所示，名为 CrossSpacecraft 联邦学习。

跨 MOC 联合学习 (CMOC FL)：包括在地面站的中心位置训练模型，但事先选择将哪些原始数据发送到聚合器，如图 2 所示。操作员可以指定一个或多个地球任务运营中心 (MOC) 单独保存数据的位置，以符合航天机构的隐私和安全要求，使这一过程基于跨筒仓Cross-Silo联合学习 [12]。此 CMOC FL 满足科学家和任务操作员强制要求下载原始数据的用例，无论是否使用原始数据来训练机器学习模型，和/或当他们发现 DTN-ML 节点没有足够的数据时加入联邦学习群体的处理能力。在必须将原始数据传输到地面站的情况下，CMOC FL 选择应将哪些数据下载到地面站以及应如何配置数据包以通过 DTN 传输此类信息。一旦模型在地面站聚合，模型的权重就会通过 ION 软件的组播功能发送到所有 DTN-ML 节点 [8]。

DTN-ML Node Application

节点应用程序由在 DTN-ML 节点（航天器）上运行的应用程序组成。该应用程序将按照编排器的指令执行计算，并使此类计算的结果可供编排器跨 DTN-ML 节点进行聚合。这些计算包括 (1) 特征预处理、(2) 数据验证、(3) 模型训练、(4) 模型评估和 (5) 联邦学习算法的执行逻辑，包括更新超参数。

对于两种类型的联合计算方法中的任何一种，当执行任务的工程师将所选类型的联合学习工作流程（CSc FL 或 CMOC FL）提交给编排器以充当要执行的 cron 作业时，执行场景如下：在确定的时间执行。参与 FL 群组的节点的选择基于节点的联系图配置。

CSc FL 工作流程的协调器的执行如下： 1- 协调器将特定任务分派给联合计算过程的参与者 DTN-ML 节点， 2- 协调器接收并聚合由 DTN-ML 节点计算的结果，生成联合模型， 3- 协调器使用 ION 的多播功能将新的联合模型分发到 DTN-ML 节点。 4- 除了协调联合训练之外，编排器还负责管理节点群体，并选择节点组来协作进行机器学习训练。

CMOC FL 工作流程的编排器执行如下： 1- DTN-ML 节点将选择用于科学查询的原始数据发送到地球 MOC 位置 2- 编排器将特定任务分派给 CMOC 群体的 DTNML 节点以启动联合计算过程， 3- 编排器接收并聚合由 CMOC 群体的 DTN-ML 节点计算的结果，生成联合模型， 4- 编排器使用以下方法将新的联合模型分发到 CMOC 群体的 DTN-ML 节点： ION 的组播能力。 5- 除了协调联合训练之外，编排器还负责管理 CMOC 群体的节点群体，并选择节点群组来协作进行机器学习训练。

Evolution to 6G for Satellite NTN Integration: From Networking Perspective

abstract

——卫星网络近年来一直是学术界和工业界非常活跃的研究领域。 Starlink 提供高速、低延迟的互联网接入。更多公司声称很快将提供类似服务。预计未来不同行业将拥抱卫星网络业务。本文从组网角度（Layer 2/3及以上）回顾了标准组织（IETF和3GPP）卫星相关工作的成果。分析了不同领域的问题和挑战，如海量卫星星座的IP组网、非地面网络（Non-Terrestrial Network, NTN）融合的无线网络架构等，并根据最新进展，展望了演进方向并概述了研究概述6G 卫星网络项目。

对3GPP的回顾

在版本 19 中，卫星网络的场景比以前的版本变得更加复杂。 “再生有效载荷”是指卫星能够在更高层（L2/L3）处理用户数据，这是未来卫星NTN集成的基础能力。 “存储和转发卫星操作”是使用延迟/中断容忍网络（DTN）[10]技术在卫星网络中转发数据包。这假设卫星密度仍然不高并且网络中可能不使用ISL（卫星间链路）。但与之前版本中基于透明负载模式的工作项相比，它仍然向前迈出了一步。

对IETF的回顾

IETF 早些年做过一些与卫星相关的工作，主要集中在第 4 层。卫星 TCP (TCPSAT) 工作组 (WG) [11] 于 1997 年创建，旨在研究 TCP 协议在卫星链路上的行为。 DTN（延迟/中断容忍网络）工作组 [10] 旨在指定存在长延迟和/或间歇性连接的情况下的数据通信机制。当不担心延迟或中断时，卫星网络可能是一种用例。例如，该卫星参与行星际互联网或其他深空探索。最近，新的 TVR（时变路由）工作组 [12] 成立，以定义解决基于时间的网络预定更改的信息和数据模型。卫星网络路由可能是 TVR 的主要用例之一。必须指出的是，TVR 并不打算对卫星网络进行任何现有的路由协议更改或增强。信息和数据模型用于网络管理和配置。 IETF 尚未针对卫星网络开展任何具体工作以支持 NTN 集成。

STUDY ITEMS IN IETF FOR 6G

大多数 IETF 协议都是为稳定的地面网络而设计的。有一些针对非稳定网络开发的协议，例如 MANET [36] 和 DTN [10]，但它们不适合卫星网络。这是因为卫星网络既不是自组织网络，也不是6G中的延迟/中断容忍网络，它应该提供非常短延迟的服务。 MANET中的协议学习延迟以及DTN中的数据存储和转发无法满足NTN集成的要求。

IETF上的DTN协议内容
https://datatracker.ietf.org/wg/dtn/about/

Delay Tolerant Networks for Industry 4.0

随着利益相关者相信工业 4.0 的进步所带来的好处，工业 4.0 的进步正越来越多地融入到一般制造业中。对制造商有利的关键技术之一是 5G 无线通信的使用。虽然将 5G 网络集成到制造环境中被视为满足工业 4.0 要求所必需的，但这样做可能会使制造网络面临威胁。虽然针对这些威胁采取防护措施至关重要，但在主动威胁期间保持高可用性对于制造也至关重要。延迟容忍网络 (DTN) 最初由 NASA 提出，用于使用天基网络进行通信，已被证明可以有效减轻网络延迟、中断和/或断开连接的影响。在本文中，我们研究了 DTN 在制造环境中的使用。我们提出了一种对抗网络拒绝和延迟攻击的方法，并演示了 DTN 的自我修复机制如何导致自动保护制造运营的紧急行为。

introduction

持续不断的工业 4.0 革命正在为企业的生产、制造和分销系统运营方式带来根本性转变。云计算、物联网 (IoT)、信息技术 (IT)、智能自动化和机器人技术等技术的集成使制造商能够达到新的效率和优化水平。整合这些技术的潜在好处包括提高资产效率、质量和可持续性以及降低成本[1]。虽然工业 4.0 提供了显着的优势，但它也带来了新的挑战，因为随着设备的添加，互连系统的复杂性呈指数级增长。随着设备和硬件之间的连接数量不断增加，确保网络质量和安全性的需求日益增加，这对于保持效率、可靠性和保护敏感数据至关重要。网络质量包括提供传输数据所需的带宽、关键应用程序的低延迟以及动态适应变化。另一方面，网络安全可确保可疑活动受到监控并减轻恶意威胁。

了解网络异常对于工业 4.0 是必要的。由于互连端点的数量、异构网络拓扑以及由于连接到互联网等外部资源而导致的开放性，现代制造环境中的整体网络变得复杂。 5G 技术的出现将满足工业 4.0 的要求，但也会带来额外的复杂性。调查异常对于确保所有设备和硬件按预期运行至关重要。异常可以分为良性或恶意。对于良性异常，通常不存在导致管理员采取行动的威胁。然而，为了建立基线并了解什么是正常行为，仍然需要监视和记录良性事件 [2]。如果发生恶意活动，需要迅速采取行动，以防止内部系统暴露、数据被盗或系统彻底崩溃。制造业在 2014 年被列为第三大最常受到攻击的行业 [3]，并且日益面临这些挑战。

这项工作的目标是评估延迟容忍网络 (DTN) 如何在制造环境中增强 5G 网络。具体来说，我们关注的是网络异常导致整个网络节点中断的场景。探索的领域之一是，合并延迟容忍网络的各个方面是否可以通过使各个网络节点能够动态地减轻网络通信中的潜在中断来创建有益的紧急行为。这是复杂系统系统 (SoS) 环境研究的成果之一。现代制造环境可以建模为 SoS，从而可以更全面地了解设备和关键网络功能之间的关系。

提出的结构

对我们提出的架构的兴趣源于当今制造环境中不断增加的一系列网络攻击。重点关注拒绝服务 (denial-of-service, DoS) 或分布式拒绝服务 (distributed denial-of-service, DDoS) 攻击，因为这些类型的攻击是易于部署的武器，并且可以应用于许多网络基础设施。阿比什塔等人。 [31] 对使用 DDOS 攻击的动机进行了深入分析，强调了这些威胁的重要性。 Shah 和 Sengupta [32] 提出的一项调查概述了 DOS 攻击如何从目标网络内部或外部演变，攻击也源自云资源。为了应对这些网络威胁，我们提出了一种架构，该架构使用 DTN 覆盖与 5G 网络协同工作，在整个制造环境中传输数据，从而在出现攻击时提供弹性。通过利用 DTN 提供的存储-结转-转发和路由方法优势，该设置将能够在主动网络攻击正在进行时动态地将数据传输到其目的地。

图 4 显示了一个制造设置，其中传感器生成数据并将其发送到远程 I/O 模块。然后，数据从 I/O 模块传输到面向企业公众的文件服务器，然后将其上传到云端。假设传感器、I/O 模块和文件服务器在 5G 网络下执行通信，以处理潜在的大量数据传输。将最终目的地的数据上传到云端对于收集现代制造环境的来源信息至关重要。图 4 中的各个组件在类似于图 1 的现代控制架构的各层中都有自己的位置。例如，传感器可以是 IoT 设备，它们从受监控的硬件或其环境收集数据，并在现场层看到。远程 I/O 模块确保数据从现场设备传输到计算机系统以进行操作或批处理。文件服务器往往是服务器级硬件，位于工厂或企业层，具体取决于其功能或数据的最终目标。最后，云或互联网端点将位于制造商的企业层，因为它不是环境本地的组件，需要在高层合并到网络堆栈中。

在图 5 中，网络中引入了攻击。 DoS 攻击针对面向公众的公司文件服务器。文件服务器上传到云端后会暴露在公共互联网上。 DoS 攻击用于淹没特定服务器的可用资源，使其无法使用。这对数据管道产生不利影响，因为底部 I/O 模块无法将其数据转发到文件服务器。在这种情况下，I/O 模块可以保留数据，但最终它将达到最大存储容量。一旦达到容量，模块将需要清除当前数据，为传入的传感器数据腾出空间，或者拒绝传入的数据。这两种情况都不理想，因为都会发生一定程度的数据丢失。

尽管持续的网络攻击导致文件服务器瘫痪，但在图 6 中，两个 I/O 模块都能够将其数据发送到可用的文件服务器。来自两个传感器的数据最终能够通过使用虚线表示的 DTN 路由到达最终目的地。原始传感器数据传输至 I/O 模块。 DTN 覆盖从 I/O 模块开始，此时传感器数据被封装到数据包中。捆绑包标有最终目的地，因此，只需在整个网络中进行增量跃点即可到达目的地。在此场景中，DTN 覆盖通过 I/O 模块、文件服务器和云端点的 IP 地址进行感知。指定节点之间的联系时间的联系计划用于帮助生成捆绑数据可以采用的路径的路由表。在这种情况下，所有节点之间的联系时间是不确定的，因为不存在计划性断开连接的预期。但是，如果出现意外断开连接，则会重新计算路由以找到下一跳的最佳路径。 DTN 覆盖允许动态更改路由，这在以前是不存在的，从而确保有限的数据丢失或没有数据丢失。解决攻击并使文件服务器重新联机后，底部 I/O 模块和文件服务器之间的链接将重新建立，使数据管道返回到其状态，如图 4 所示。

讨论与限制

所提出的解决方案建议使用 DTN 覆盖，利用其存储结转功能。由于正在进行的 DTN 研究，存在多种可供利用的实现。图 3 中所示的特征提供了良好的基线，但需要对特定 DTN 实施进行进一步研究才能满足工业 4.0 和 5G 要求。 5G 技术的一个特点是数据传输量增加了 Gbps 量级。需要满足高数据传输要求的 DTN 实现。此外，制造环境中的复杂设备和网络基础设施需要灵活的实施，以确保数据成功地从源传输到目的地。

直接的限制是与将 BP 添加到整个网络堆栈相关的未知复杂性。具体而言，在我们的案例中，需要考虑在 5G 网络之上覆盖 DTN 是否会抵消使用 5G 的优势。虽然 DTN 架构在不会定期断开连接的传统网络中运行良好，但添加覆盖可能并不令人感兴趣，因为静态可靠网络中可能不需要 DTN 的紧急属性。根据硬件和软件要求，BP 的集成可能很重要。此外，堆栈中添加的层可能会导致整体速度减慢。每个 DTN 节点都需要计算能力来将数据封装到数据包中、生成路由或验证有效负载校验和。这些潜在的限制尚未经过充分测试和评估。

总结以及未来的工作

事实证明，工业 4.0 对于任何现代制造系统的成功都至关重要。 5G是一项重要技术，可以为工业4.0的成功做出重大贡献。虽然可以看到这些领域的许多好处，但仍有一些注意事项需要考虑。在复杂的网络架构中，跟踪网络异常是否存在恶意活动是必要的。这项工作建议在利用 5G 网络的制造环境之上使用延迟容忍网络。 DTN 的使用源于其处理延迟、中断或断开连接的能力，这些都是主动威胁期间网络上存在的场景。 DTN 覆盖在意外网络中断期间通过动态资源分配提供可靠性，并为环境提供紧急行为，有效提高制造和其他关键任务领域中使用的网络的稳健性。

这项研究的后续步骤包括在支持 5G 的制造测试台上添加 DTN 覆盖。这项计划的活动将允许分析多种攻击场景期间的紧急属性，并将提供一个机会来确定我们提出的解决方案的整体有效性。对 HDTN 软件进行了初步调查，因为它是支持高数据传输速率的实现，已经在多个平台上进行了测试，并且得到了 NASA 的积极开发。 HDTN 似乎是在我们提出的架构中进行测试的有希望的候选者。考虑到 DTN 实施，有必要模拟制造环境以查看 DTN 覆盖所产生的紧急行为。使用 HDTN 实施的一个潜在好处是能够在物理硬件上模拟各种制造组件，因为 HDTN 已经在一系列平台上进行了测试。然而，如果安装和运行 HDTN 软件存在复杂性，则可以使用利用虚拟机或容器的虚拟测试台来模拟制造组件。最后，需要量化使用 DTN 覆盖前后变化的指标。我们的架构旨在通过动态资源分配提供高可用性服务。高可用性意味着数据管道保持在线且不丢失数据包。感兴趣的潜在指标包括目的地接收的 DTN 捆绑包、存储的捆绑包、数据速率以及完成传输的总体时间。

---

---

---

下面开始回归到常规的DTN论文

LTP for Reliable Data Delivery From Space Station to Ground Station in the Presence of Link Disruption

Introduction

人们普遍认为，极长的信号传播延迟、长时间且频繁的链路中断、高数据丢失率和高度不对称的信道速率是降低空间网络数据传输性能的主要信道因素。延迟/中断容忍网络 (DTN) [1] 是作为实现星际深空网络 [2] 的基线网络技术而开发的。作为DTN的主要协议，捆绑协议（BP）[3]被开发作为DTN的核心“叠加”协议，在该协议下可以容纳多种传输层协议以满足不同的用户需求。针对太空中 DTN 的主要传输协议，Licklider 传输协议 (LTP) [4]、[5] 预计将在 BP 下运行，以在具有挑战性的网络环境中提供可靠的数据传输服务，无论是否存在随机链路中断和/或极长的传播延迟。 LTP 以连续方式实现其基本协议数据单元（PDU）（即块）的多个并发传输[5]，无需等待确认。此外，为了满足各种用户应用需求，LTP还提供选择性的数据传输服务，包括传输控制协议（TCP）类型的可靠传输服务和用户数据报协议（UDP）类型的不可靠传输服务。

DTN 的最初目的是用于典型的极长链路延迟的深空通信。然而，即使链路延迟很短，DTN也有望在具有随机链路连接的组网环境中具有高效的容忍度。这种应用的一个典型例子是从空间站到地面站的可靠数据传输，其链路传播延迟并不长，但由于地面站在极低轨道上的周期性旋转而经常经历链路中断[6]。主空间站通信系统通常设计为基于中继的架构——数据下行链路路径通过在更高的地球静止轨道（GEO）上运行的高带宽弯管卫星进行中继[7]。即使采用基于继电器的架构，接触窗口也并非始终对齐。在这种情况下，使用 DTN 的“存储转发”服务，可以将数据“存储”在持久内存中，然后在下一跳数据链路可用时“转发”。

喷气推进实验室（JPL）、加州理工学院和其他学术团体联合做出了广泛的努力来练习 LTP [8]、[9]、[10]、[11]、[12]、[13] 、[14]、[15] 和 BP [16]、[17]、[18]、[19]、[20]、[21]、[22]、[23]、[24]、[25]、在月球和火星通信中。美国国家航空航天局（NASA）已实施使用DTN从国际空间站（ISS）到地球地面站的数据传输[6]。然而，在研究 LTP 在从空间站到地面站的可靠数据/文件传输方面的性能方面所做的工作还很少，特别是在链路中断的情况下。需要开展大量工作来对 LTP 进行可靠的性能评估，以便通过空间站和地面站之间基于中继的通信架构实现可靠的文件传输。

在本文中，使用基于 PC 的实验基础设施研究了链路中断事件对 LTP 的影响。本文的主要贡献是对空间站和地面站之间链路中断时 LTP 数据传输的实验性能评估。给出了真实的数据传输实验结果，重点关注数据传输过程中发生的链路中断的影响。分析是在干净的通道（即，没有由通道错误引起的数据丢失）和具有高通道错误率的有损通道上完成的。

据我们所知，这篇文章首次对链路中断对使用LTP在国际空间站和地面站之间基于中继的通信体系结构上进行可靠文件传输的影响进行了实验研究。用实验方法收集的定量结果有助于表征LTP的操作和传输性能，以实现从空间站到地面站的可靠文件传输。

DTN PROTOCOLS AND RELIABLE TRANSMISSION MECHANISMS OF LTP FOR SPACE

如前所述，DTN 旨在作为实施空间网络的基准技术。 BP作为DTN的核心协议，旨在构建一个“存储转发”的覆盖网络，为DTN提供基于托管的数据传输服务。图 1 说明了可以部署在太空网络中的基于 BP 的 DTN 协议栈 [18，有变化]。作为空间DTN的覆盖协议，BP通过接口“汇聚层适配器”（CLA）利用底层数据传输协议的服务来实现可靠或不可靠的数据传输。如图所示，采用多种可在BP下操作的数据传输协议来满足异构网络的各种用户需求。这些数据协议可能是部署最广泛的 TCP、UDP 或最近开发的 LTP。

为了提高数据传输效率并最大限度地提高链路利用率，LTP 被设计为以连续的方式对数据块的多个并发传输进行操作。这是使用传输“会话”来实现的。 “会话”被定义为为成功传输单个数据块而进行的 LTP 段交换序列。 LTP 允许在数据传输的不同阶段同时运行多个块会话。一个会话对应于每秒传输一个块。块的数据大小等于通道每秒的最大数据速率。块会话的传输机制期望通过充分利用数据链路容量来最大化空间链路利用率。另一方面，它充当 LTP 的流量控制。

选择性数据传输机制可用于 LTP：针对任何单个块的 LTP 服务可以是可靠的、不可靠的或两者兼而有之[5]。也就是说，LTP可以可靠地(以TCP的方式)或不可靠地(以UDP的方式)传输整个块，或者可替代地，它可以可靠地传输块的一部分而其余部分不可靠地传输。通过将数据字节指定为“红色”数据而将其余数据指定为“绿色”数据来实现单个块或其一部分的可靠传输。

由于本研究主要关注空间站通信中使用的LTP的可靠传输服务，因此我们仅概述一个块配置为完全“红色”时的传输情况。对于“绿色”块或块的“绿色”和“红色”部分混合的传输，请参阅[5]。 “红色”数据块通常根据块大小和数据链路帧大小分为多个红色 LTP 数据段 (RDS)，最后一个段标记为异步检查点 (CP)。 CP 段还充当红色部分结束 (EORP) 和块结束 (EOB)。一旦排队的 CP/EORP/EOB 段被发送，CP 段的重传超时 (RTO) 计时器（称为 CP 计时器）就会在发送方启动。与 TCP 的操作类似，如果在 CP 定时器到期时没有从 LTP 接收器接收到确认报告段 (RS)，则重传 CP 段（不是整个块）。

RS段由接收LTP响应于CP段的接收而发送，以报告整个块的传送状态； RS请求重传任何未成功接收的数据段。如果所有红色数据段都被报告为已成功接收，则发送方响应于 RS 发送报告确认（RA）段。然而，如果任何分段报告丢失（即未传送），则立即重传。该块的最后一个重传片段再次被标记为CP，其请求另一个RS报告这些重传片段的传送状态。重复该过程，直到原始块的所有段都成功传送到接收方。有关传统 TCP/IP 和运行 BP 的 LTP 之间以表格形式进行的并排比较，请参阅 [8]。

空间站的主要通信架构

众所周知，在频繁、随机的链路中断的情况下，空间通信应采用基于中继的组网架构，以实现更多的连接性和更高的数据传输效率。最近的深空任务表明，如果使用基于中继的网络架构，可以显着增加向地球传输的数据量。考虑到链路连接方面的相似性，在近地太空飞行任务中应该更广泛地使用基于中继的通信架构。对于国际空间站和中国的“天宫”空间站来说，它们并不例外。

以国际空间站为例，由于其在极低轨道上运行速度快，直接与地球的通信信道在其运行的大部分时间内都会受到干扰。因此，国际空间站的通信系统被设计为使其主要数据下行链路路径通过跟踪和数据中继卫星系统（TDRSS）[7]在更高的GEO处进行中继。通过TDRSS的弯管中继服务，从国际空间站到地球的数据传输效率大大提高。然而，即使使用TDRSS的中继服务，链路中断也是不可避免的，因为在数据传输过程中TDRSS与地球地面站之间的接触窗口并不总是对齐。

对于TDRSS等中继GEO卫星架构，单颗卫星可以覆盖地球面积的1/3。理论上，三颗卫星可以覆盖地球大部分表面区域。通过在非常高的轨道上提供中继地球静止轨道卫星，空间站可以通过弯曲型中继服务轻松地与地球上的地面站建立和维持链路（在大多数情况下）。

空间站通信广泛采用两种通过GEO卫星的中继架构——典型的一跳中继架构和两跳中继架构。一跳中继是指以单个GEO卫星作为空间站和地球地面站之间的中继节点的架构。相比之下，两跳中继是指两颗GEO卫星在空间站和地面站之间提供中继服务，每颗卫星作为一个中继节点。

空间站的飞行时间约为90分钟。空间站在飞行过程中与位于不同位置的三颗中继卫星进行通信，以将数据可靠地传送到地球站。当空间站进入下一颗卫星的覆盖范围时，由于所采用的链路路径不同，每个状态的链路延迟也不同。当需要联系时，数据链路路径可以在单跳中继和两跳中继之间切换。

空间站与地球站之间链路中断的不同场景

空间站的周期性运动以及由此产生的端到端链路中断是可以预测的。然而，由于其他因素，例如接触窗口未对齐、天气或太阳风暴等，链路中断也可能随机发生。这些中断场景通常发生在两种不同的情况下：1）从空间站到地面站的下行链路发生链路中断； 2）地面站到空间站的上行链路发生链路中断。图 2 说明了在两种情况下都经历过链路中断的 LTP 块传输的传输场景。

案例 1：从空间站到地面站的下行链路中断

在太空通信中，主要目标是通过下行链路将科学数据（从航天器）成功传送到地球地面站。空间站通信也不例外。也就是说，空间站到地球地面站的下行链路的链路中断主要影响空间站发送的数据的传输。就BP/LTP而言，它影响块的LTP段（常规数据段和/或CP段）的传输。

图2(a)示出了LTP块传输的传输场景，该LTP块传输在LTP块的数据段的传输期间经历了链路中断。当发生链路中断事件时，所有已发送出去的数据段（在接收方传送之前）的传输都会失败。也就是说，它们在数据链路上丢失了。接收方仅接收链路中断之前传送的数据段，块的其余段（包括最后一个 CP 段）将丢失。由于 CP 的传递失败，接收器不会被触发发送 RS。因此，在 RTO 定时器到期时，CP 段会在发送器处重新发送。假设重新发送 CP 段时链路恢复，则重新发送的 CP 成功传递，触发接收器获取传递状态。接收方使用 RS 来响应发送方，报告需要重新发送的块中丢失的段。然后，重新传输丢失的数据段。

案例 2：从地面站到空间站的上行链路中断

从地面站到空间站的反向上行链路主要用于ACK段的传输。这意味着对于LTP的操作，从地球地面站到空间站的上行链路的链路中断仅影响接收器发送的RS的传输。图 2(b) 说明了这种情况下的传输场景。

由于RS传输过程中发生链路中断，导致RS在上行链路上丢失。与CP的重传机制类似，当没有接收到相应的RA时，RS也会在其RTO定时器到期时重传。由于RS的传递失败，发送方不会被触发发送RA段。结果，RS在其RTO定时器到期时在接收器处重新发送。

仿真

[8]、[9]、[10]、[11]、[12]和[13]中使用的基于PC的空间通信和网络测试台（SCNT）被用作数据块传送实验的基础设施。本文。测试平台已得到验证。由于测试平台在之前的工作[13]中进行了广泛的描述，因此这里不再详细讨论。采用 NASA JPL 开发的星际覆盖网络（ION）发行版 v4.1.1 [26] 作为实验的 LTP 协议实现。

对于协议配置，LTP被配置为在重叠BP（即BP/LTP）下运行。 BP 贸易交接选项被禁用，从而消除了 BP 可靠性服务对 LTP 传输的影响。由此，可以对LTP唯一可靠的数据传送服务进行评估。为了配置LTP的可靠传输服务，LTP块的所有数据字节都被指定为“红色”数据。 LTP 块长度配置为 400 KB。该块被分成数据段进行传输，每个数据段有 1400 字节。

对于空间信道配置，采用0.35秒的延迟来模拟不可避免的单向链路延迟。这一延迟模拟从空间站通过 GEO 中继卫星到地球地面站的每个下行链路信道以及相反方向的上行链路信道的单向光时间传播延迟。

通道速率不对称对文件传输的影响也被纳入实验中。通过配置250 KB/s的下行链路信道速率和25 KB/s的上行链路信道速率来实现信道不对称，从而导致信道比率（CR）为10/1。

针对“空间站到地球站链路中断的不同场景”中的两种链路中断场景，进行了两组实验，分别为Set 1和Set 2。 Set 1 对应 Case 1，在数据传输开始后 7 s 时开始中断。第 2 组对应于情况 2，在数据传输开始后 16.35 秒处开始中断。 Set 1 导致下行链路上的 CP 段丢失，Set 2 导致上行链路上的 RS 丢失。为了研究不同链路中断持续时间对 LTP 的影响，为每组实验配置了 6 个链路持续时间：10 秒、24 秒、38 秒、52 分钟、66 分钟和 80 分钟。为了评估链路中断和信道错误的联合影响，实验配置了三种不同的信道误码率：10×6、5、10×6 和10×5。

Delay/Disruption-Tolerant Networking-based the Integrated Deep-Space Relay Network: State-of-the-Art

research directions

第一个挑战是网络开销和效率之间的权衡。当以高精度为目标同时满足不同的服务质量要求时，需要更复杂的计算。可靠性和效率要求需要额外的计算和消息交换，而这又依赖于足够的能量、带宽和处理资源。网络结构的任何变化都会导致大量传输、接收和存储的消息，这些消息通过转发、路由和存储操作耗尽网络资源，从而产生开销。此外，参与通信的节点可能是资源有限的小型设备，其网络信息不确定且不频繁。深空通信资源有限的问题涉及与远离地球的航天器或卫星建立和维持通信链路时遇到的困难。因此，可用于深空通信的有限带宽需要高效的数据压缩技术优先级以及先进的数据传输调制方案，以确保关键数据首先在有限的带宽内传输。持续需要解决的一个重要问题是将 DTN 集成到深空通信中所造成的额外开销的程度。

此外，采用先进的纠错技术来保证数据完整性，尽管信号退化。这些技术涉及向传输的数据添加冗余信息，从而允许在接收端进行错误检测和纠正[146]。此外，已经提出了几种面向资源的路由技术，例如具有公平共享带宽策略的时间调度捆绑速率管理，以及高效的功率管理和重传技术[147,148]。这些技术支持 IPN 上的缓冲区管理，处理链路容量和捆绑包速率传输，并通过在并发捆绑包之间分配可用带宽来提高捆绑包交付率。总体而言，通过优化网络资源利用率，这些技术有助于提高深空互联网服务的可靠性。然而，尽管做出了这些努力，深空通信资源的稀缺仍然构成重大挑战。需要进一步的研究和技术进步来克服其局限性，并实现与深空要素更有效、更可靠的通信。

[146] H. Xie, Y. Zhan, G. Zeng, X. Pan, LEO mega-constellations for 6G global coverage:
Challenges and opportunities, IEEE Access 9 (2021) 164223–164244.
[147] F. De Rango, M. Tropea, DTN architecture with resource-aware rate adaptation
for multiple bundle transmission in interplanetary networks, IEEE Access 10
(2022) 47219–47234.
[148] L. Yang, R. Wang, X. Liu, Y. Zhou, L. Liu, J. Liang, K. Zhao, Resource Consumption
of a Hybrid Bundle Retransmission Approach on Deep-Space Communication
Channels, IEEE Aerospace and Electronic Systems Magazine 36 (11) (2021)
34–43.

Unified Implementation

DTN的实施因环境而异，导致缺乏明确网络模型、评估移动性和衡量网络效率的标准化框架。因此，每个 DTN 实施都会根据支持的应用程序选择自己的网络和移动模型，这些应用程序具有不同的资源限制和延迟标准。为了确保不同空间通信系统之间的一致性和互操作性，需要全面且标准化的实施方法。这种方法将有助于将 DTN 协议无缝集成到现有基础设施中，最终提高太空通信的整体可靠性和效率。正如第 3.2 节中提到的，已经提出了几种 DTN 实现 [64,66 和 84] 来解决这个问题并提供有益的功能和结果。值得注意的是，μD3TN 是一个轻量级开源 DTN 协议栈，实现了最新版本的捆绑协议 (BP)。在3.3节[129]中，演示了μD3TN和ION（一个功能丰富的DTN协议栈）之间的互操作性。

另一方面，μD3TN的模块化设计包括多个CLA，可以通过各种网络协议进行数据传输。其应用程序适配点 (AAP) 提供了一种与任何 DTN 节点交互的简化且独立于语言的方式，从而简化了 DTN 应用程序的开发和部署。最后，μD3TN 公司中的路由组件具有确定性下一跳确定方法，以及联系人和缓冲区管理功能。这些方面有助于优化资源使用，确保高效的数据传输，并最终提高空间通信的效率、资源利用率和可靠性。此外，DTN 的数学建模仍然是一项具有挑战性的任务。统一的数学模型对于分析性能、优化网络和预测 DTN 协议在空间通信场景中的行为至关重要。如果没有这样的模型，就很难比较不同的 DTN 协议、评估其性能并就其部署和优化做出明智的决策。

[64] [66] [84] [129]

[64] Delay Tolerant Networking Research Group. DTN Reference Implementation,
August 2006. http://www.dtnrg.org/docs/code/.

[66] Burleigh, S. (2007). Interplanetary overlay network: An implementation of the
dtn bundle protocol.

[84] Walter, F., (2023),” µD3TN”, https://d3tn.com/ud3tn.html.

[129] M. Feldmann, J.A. Fraire, F. Walter, S.C. Burleigh, Ring road networks: Access for
anyone, IEEE Communications Magazine 60 (4) (2022) 38–44

Security

在综合空间网络中，安全及其应用相关要求构成了一个重大问题，需要仔细规划和实施。通过网络节点之间的转发过程来破坏和操纵任何消息以保护其目的地的可能性是一个令人担忧的问题。为了确保安全的数据传输，目前已经提出了各种安全解决方案，包括安全切换、安全传输控制、密钥管理和安全路由方法[122-123]。这些解决方案涉及使用强大的加密策略、实施身份验证和访问控制机制以及定期监控网络流量是否存在可疑活动。然而，由于身份验证和加密等安全功能与延迟间歇性链路和受限计算供应等深空通信功能问题之间的冲突，这些解决方案有其局限性。这些限制导致显着的开销。因此，建立明确的协议来处理敏感信息至关重要，这可能涉及限制对某些数据的访问或实施多因素身份验证措施。

根据[149]，提出的带有密码套件的自主 DTN 通信框架为确保深空节点之间的安全通信提供了高效且安全的解决方案。该框架包括身份验证和加密作为其全面安全功能的一部分。由于该框架被设计得非常轻量级和高性能，因此密码套件的实现已经使用 ION 进行了广泛的测试，这表明安全功能的任何潜在开销都是最小的，并且不会显着影响通信框架的性能。此外，虽然安全BP提供的密码、认证和加密服务（BIB）和（BCB）机制支持深空环境中端到端和逐跳完整性的中间路由，但有必要确定通过开发可以有效集成到基于 DTN 的系统的合适管理和分发解决方案来提高盈利能力。最后，在考虑间歇性连接和潜在恶意攻击的同时确保 DTN 中的安全通信需要进一步的研究和开发。

[122] I. Ahmad, J. Suomalainen, P. Porambage, A. Gurtov, J. Huusko, M. H¨oyhty¨a,
Security of Satellite-Terrestrial Communications: Challenges and Potential
Solutions, IEEE Access 10 (2022) 96038–96052.
[123] X. Wu, Y. Du, T. Fan, J. Guo, J. Ren, R. Wu, T. Zheng, Threat analysis for space
information network based on network security attributes: a review, Complex &
Intelligent Systems (2022) 1–40.
[149] M. Adalier, A. Riffel, M. Galvan, B. Johnson, S. Burleigh, Efficient and Secure
Autonomous Communications for Deep Space Missions, in: 2020 IEEE Aerospace
Conference, IEEE, 2020, pp. 1–15.

Congestion

在基于DTN的深空环境中转发数据的另一个重要问题是在间歇转发期间每个节点的内部存储的高占用率。这种高占用率可能会导致整个网络拥塞，因为节点被缓冲的数据包和片段卡住，从而导致缓冲区溢出。因此，拥塞的节点拒绝转移其他路由包的保管权，导致排队延迟增加和丢弃包的数量增加。这种情况会阻碍转发操作并使网络开销最大化。不同 DTN 架构实现中拥塞控制的验证和集中演示正在进行中。此外，还引入了各种方法和程序来解决这个问题，包括扩展内部存储、逐跳智能流量控制、替换策略、协作缓存以及其他深空通信管理解决方案。这些解决方案已在[124]中进行了总结和调查。

此外，已经提出了几种拥塞管理技术，这些技术依赖于修改CGR算法来提高其管理拥塞的性能。正如[150]中，作者建议对 CGR 算法进行两项增强。这些增强功能包括作为被动管理技术的本地路径感知 CGR (LPA-CGR) 以及作为主动技术的全局路径感知 CGR (GPA-CGR) 和进化 GPA-CGR (EGPA-CGR)。 LPA-CGR考虑了整个数据传输路径上所有节点的容量。这使得 LPA-CGR 能够更好地管理本地流量引起的拥塞，并提高 DTN 系统中的整体数据传输性能。另一方面，GPA-CGR采取主动的方式，在数据传输的整个路径上预留资源，确保数据传输时不出现拥塞。 EGPA-CGR 算法依赖于定制的联系计划，该计划是通过考虑流量模式和每个节点的缓冲区容量而生成的。通过模拟对主动技术的性能评估优于其他反应技术。此外，EGPA-CGR 还记录了有效负载的最小拥塞率和最大传输率。

类似地，最近的一项研究 [151] 解决了 DTN 卫星网络中的拥塞避免问题，同时通过修改 CGR 算法来考虑处理不同类型流量的服务质量 (QoS) 需求，以在选择时纳入传输时间和跳数的估计。路线。增强的CGR算法集成了拥塞缓解策略，例如路由表管理技术和部分队列信息的共享。此外，它还结合了机会性和概率性联系，允许节点利用意外的通信机会并最大限度地减少拥塞风险。与原始 CGR 算法相比，所提出的算法在现实的 Walker-Delta 星座场景中进行了评估，展示了卓越的传输率、增强的能源效率和减少的拥塞，同时满足指定的 QoS 要求。

此外，一份有前途的预印本引入了拥塞梯度搜索（CGS）算法[152]，该算法优化了网络资源利用率并减少了延迟容忍网络中的拥塞。 CGS 算法采用梯度搜索方法，根据当前和预期的拥塞程度动态调整路由，从而增强调度、资源感知、组合调度-路由方法以及考虑先前分配的任务。通过模拟，CGS 算法为卫星任务调度提供了有效的解决方案，在不影响交付延迟的情况下增加了满足的请求。另一方面，[153]中引入的拥塞控制方法旨在通过减轻洪泛攻击来增强车辆网络的安全性和可靠性。所提出的机制根据重要性和紧急程度对消息进行优先级排序，降低拥塞期间的转发概率，并结合考虑节点信誉的基于信任的路由协议，以防止恶意中继并提高网络可靠性。

最近，人们对将机器学习技术集成到拥塞控制策略中越来越感兴趣。除了第 5 节中回顾的利用深度学习进行中心缓冲区管理和流量控制的选择性智能解决方案之外，[125 和 154] 中还介绍了其他最近的研究。参考文献[125]提出了一种自适应分布式拥塞感知框架，可以根据网络及其节点的动态自动调整其操作。该框架利用强化学习通过与网络的交互来不断提高其性能。众所周知，强化学习特别适用于环境起着关键作用并且不假设有关目标环境的先验知识的问题。类似地，[154]中提出了一种用于深空物联网（IoDST）通信的智能 TCP 拥塞控制方案。作者建议使用深度强化学习算法来搜索制定的强化学习问题的最优策略函数，该问题涉及连续状态和动作空间。这种方法在 IoDST 通信等具有挑战性的环境中非常有用，在这种环境中获取样本来评估链路条件至关重要。所提出的基于 TCP 的智能方案在吞吐量、文件传输时间和公平性方面优于现有的基于窗口的拥塞控制方案。总体而言，该方案有望解决深空任务中可靠通信的独特挑战。最后，虽然在所审查的研究中没有讨论有关所提出的拥塞控制策略的实质性限制或缺点，但重要的是要对其在各种 DTN 场景和条件下的性能和可扩展性进行彻底的研究和全面评估。

[124] A.P. Silva, S. Burleigh, C.M. Hirata, K. Obraczka, A survey on congestion control
for delay and disruption tolerant networks, Ad Hoc Networks 25 (2015) 480–494.

[150] P.G. Madoery, J.A. Fraire, J.M. Finochietto, Congestion management techniques
for disruption-tolerant satellite networks, International Journal of Satellite
Communications and Networking 36 (2) (2018) 165–178.

[151] P.G. Madoery, G.K. Kurt, H. Yanikomeroglu, P. Hu, K. Ahmed, S. Martel,
G. Lamontagne, Routing Heterogeneous Traffic in Delay-Tolerant Satellite
Networks, IEEE Journal of Radio Frequency Identification (2023).

[125] A.P. Silva, K. Obraczka, S. Burleigh, J.M. Nogueira, C.M. Hirata, A congestion
control framework for delay-and disruption tolerant networks, Ad Hoc Networks
91 (2019), 101880.

[154] A. Masood, T. Ha, D.S. Lakew, N.N. Dao, S. Cho, Intelligent TCP congestion
control scheme in the internet of deep space things communication, IEEE
Transactions on Network Science and Engineering (2022).

Scalability

大规模间歇性 DTN 深空网络链路中与可扩展性和可靠数据路由相关的挑战因路由信息的延迟确认和传播而变得更加复杂。这些困难在网络的确定性部分尤其明显，在这些部分中，预先安排的联系被认为是精确的，但在涉及多个运营商的广泛网络中情况可能并非如此。此外，如第 4.1.4 节中所讨论的，路由方法在管理具有大量节点和触点的大规模空间网络时面临局限性。随着联络计划规模的扩大，路由计算的复杂性也会大大增加，可能会在联络计划范围内的一天或几个小时内包含数千个联络。这对机载计算和联络规划操作提出了挑战。同样如第 4.1.4 节中所述，为了解决这些问题并有效处理可扩展的 DTN 网络，已经提出了基于区域的路由方法和 CGR 的其他变体，如第 (4.1.4) 节中所讨论的。

此外，[126] 中引入了一种称为 SDDTN 架构的混合方法，以解决基于 DTN 的 DSN 中的延迟响应问题。这种方法将 SDN 技术与将大型 DTN 网络划分为较小的集群相结合，从而实现更可靠的联系计划分发。这些集群由集中控制器管理，从而在本地邻域规模和单个节点级别上实现更高效、更可靠的路由决策。此外，一些研究提案专门针对空间网络研究了 SDN 与 DTN 架构的集成，探索主要技术和挑战 [127]。此外，值得一提的是 NASA 格伦研究中心开发的 HDTN 项目[142]，它是逐步构建自主网络实现的基础起点，可以感知和适应以优化网络和系统级别的性能[155,156 ]。

[126][126] D. Ta, S. Booth, R. Dudukovich, Towards Software-Defined Delay Tolerant
Networks, Network 3 (1) (2022) 15–38.
[127] [127] W. Jiang, Software-defined satellite networks: A survey, Digital Communications
and Networks, 2023.
[142] NASA Glenn Research Center. (2022, Sep.). High Rate Delay Tolerant Networking
(HDTN). Available online: https://www1.grc.nasa.gov/space/scan/acs/tech-stu
dies/dtn/ (accessed on 1 September 2022).
[155] A. Hylton, D. Raible, G. Clark, A delay tolerant networking-based approach to a
high data rate architecture for spacecraft, in: 2019 IEEE Aerospace Conference,
IEEE, 2019, pp. 1–10.
[156] [156] A. Hylton, J. Cleveland, R. Dudukovich, D. Iannicca, N. Kortas, B. LaFuente,
A. Wroblewski, New Horizons for a Practical and Performance-Optimized Solar System Internet, in: 2022 IEEE Aerospace Conference (AERO), IEEE, 2022,
pp. 1–15.