CN118660032A - 一种多维标识命名空间及其存储方法 - Google Patents

Abstract

本发明公开了一种多维标识命名空间，包括全局命名空间和局部命名空间，全局命名空间的属性具有唯一性，与设备的硬件特性或生产过程相关联，这些属性在设备制造时被设定，并在全局范围内保持唯一性，确保智能体在网络中的标识唯一；局部命名空间中的属性是可变的和动态的，这些属性描述了智能体在特定环境或条件下的状态和特征，包括智能体的地理位置、安全配置。一种多维标识命名空间的存储方法，用于存储多维标识命名空间，利用张量的数据结构特性，将多维标识命名空间的对象属性、联接属性和应用属性以三维张量的形式表示和存储。本发明中多维标识结合了时间、空间的属性，实现对网络中任意智能体的唯一标识，提高标识的唯一性和多样性。

Description

一种多维标识命名空间及其存储方法

技术领域

本发明涉及标识网络架构下的命名空间技术领域，尤其涉及一种多维标识命名空间及其存储方法。

背景技术

随着互联网的快速发展和信息交流的日益频繁，人们对于信息的需求也越来越高。基于当前TCP/IP网络体系存在的IP细腰问题，一种新型标识网络应运而生，多维标识(Multidimensional Identification，MID)是一种基于时空基准的网络标识，包含时间、空间等多维属性，分为对象、联接和应用三种类型，以多样化的属性组合去描述四类智能体，智能体的全部多维标识则构成了该智能体的多维标识矩阵。在三面四层两环架构中，以多维标识矩阵为基础，实现多样化寻址路由的标识体系，支撑智能体的高效互联。

命名空间指网络中用于标识和区分不同资源、设备或服务的命名机制，这些命名空间可以是域名、IP地址、MAC地址等。尽管网络命名空间是网络运行的基础，但仍然存在一些问题和挑战：

名称冲突：像域名、主机名等都是全局唯一的，但由于人为或意外的重复使用，可能导致名称冲突。这可能会导致通信错误、数据丢失或安全漏洞；管理复杂性：管理网络命名空间需要进行有效的规划和管理，尤其是在大型网络中，频繁的变更、迁移、维护和故障排除可能会增加管理复杂性；可扩展性和灵活性：随着网络规模的增长和技术的进步，网络命名空间需要具备良好的可扩展性和灵活性，以应对不断增长的需求和变化的环境；安全性和隐私保护：网络命名空间的管理需要考虑安全性和隐私保护的问题，例如，确保网络资源的名称不被未经授权的用户或系统访问或篡改，以及保护用户隐私信息；分布式环境：在分布式环境中，如云计算、容器化环境等，网络命名空间的管理和分配可能会更加复杂，需要考虑跨网络域的命名问题；技术标准和互操作性：不同的网络设备、协议和服务可能会采用不同的命名规范和标准，因此确保各种网络设备和服务之间的互操作性是一个挑战。

发明内容

发明目的：本发明的目的是提供一种基于多维标识的命名空间设计方法，实现各类智能体的多维度表征，支撑面向对象、联接和应用三个维度的寻址路由，为智能体之间的通信提供了高效的支持。

技术方案：一种多维标识命名空间，包括全局命名空间和局部命名空间，所述全局命名空间的属性具有唯一性，与设备的硬件特性或生产过程相关联，这些属性在设备制造时被设定，并在全局范围内保持唯一性，确保智能体在网络中的标识唯一；

所述局部命名空间中的属性是可变的和动态的，这些属性描述了智能体在特定环境或条件下的状态和特征，包括智能体的地理位置、安全配置；

作为智能体在网络中与其他智能体通信的身份表征，是由多维标识矩阵在时间维度上扩展而来的，以实现各类智能体的多维度表征，支撑面向对象、联接和应用三个维度的寻址路由；

所属智能体的每一个属性键表示为Key，每一个属性对应的值表示为Value；键具有唯一性，值不具备唯一性。

进一步，所述多维标识矩阵是由智能体全部多维标识信息构成的矩阵，存放智能体的对象属性、联接属性和应用属性，用于唯一标识智能体；

所述多维标识是一种基于时空基准的网络标识，包含时间、空间，分为对象、联接和应用三种类型，旨在从多个维度出发，以多样化的属性组合对网络中的任意智能体进行唯一标识。

一种多维标识命名空间的存储方法，用于存储上述任一多维标识命名空间，利用张量的数据结构特性，将多维标识命名空间的对象属性、联接属性和应用属性以三维张量的形式表示和存储，具体步骤如下：

S11，将对象属性、联接属性和应用属性抽象为一个平面两个维度，其中每个轴代表一个属性，将这些属性按照一定顺序排列，形成一个平面，其中的每个属性对应平面上的一个坐标，形成一个二维张量；二维张量通过时间维度进行展开，形成了一个带有时间轴的三维张量，将多维标识数据以张量形式进行统一组织和存储，时间轴代表不同时间点的属性值；

S12，将原始的多维标识命名空间数据划分成若干子矩阵块，并对每个子矩阵块进行压缩操作，实现对数据的管理和存储；

S13，定义智能体的每个属性所代表的维度，然后将属性值映射为张量的坐标位置；哈希函数将智能体的属性值作为输入，并通过哈希算法生成一个唯一的哈希码，哈希码被映射到张量存储中的特定位置，通过映射函数来确定最终的坐标值。

进一步，实现对数据的管理和存储的步骤如下：

S121，将原始的多维标识命名空间数据划分成若干个子矩阵块，子矩阵块按照一定的规则进行划分；

S122，对每个子矩阵块进行稀疏矩阵压缩操作，采用零元素压缩，仅存储非零元素的值和索引，而忽略所有的零元素；

在编码过程中，首先扫描输入数据，并标记出所有的非零元素及其位置信息，对于每个非零元素，将其值和位置信息记录下来，作为压缩后的数据的一部分；所有的零元素被忽略；

在解码过程中，根据压缩后数据中记录的非零元素的值和位置信息，重构原始的数据，对于每个非零元素，根据其位置信息将其值写入到解压缩后的数据中，同时将所有未显示存储的位置填充为零；

S123，将每个子矩阵块存储为一个压缩后的稀疏矩阵，其中仅包含非零元素及其对应的索引信息；采用的数据结构包括：值数组V、行索引数组R和列索引数组C，公式表示如下：

V＝{v₁,v₂,...,v_n}，其中v_n是子矩阵块中的非零元素值；

R＝{r₁,r₂,...,r_m}，其中r_m是指示值数组中对应元素的行位置；

C＝{c₁,c₂,...,c_m}，其中c_m是指示值数组中对应元素的列位置；

S124，当需要检索特定位置的元素时，系统通过查找相应的行指针数组确定子矩阵块的位置，然后在该子矩阵块的值数组中找到对应的非零元素的值，并通过列索引数组确定其列位置，实现数据检索操作。

本发明与现有技术相比，其显著效果如下：

1、本发明中多维标识结合了时间、空间等多个维度的属性，使得对智能体进行唯一标识更加准确和全面；通过对象、联接和应用三种类型的属性组合，实现了对网络中任意智能体的唯一标识，提高了标识的唯一性和多样性；

2、多维标识命名空间作为智能体在网络中与其他智能体通信的身份表征，通过时间维度上的扩展，实现了各类智能体的多维度表征；同时支撑了面向对象、联接和应用三个维度的寻址路由，为智能体之间的通信提供了高效的支持；

3、张量存储技术将多维标识命名空间抽象成二维张量的数据结构，以时间为基准展开，使得整个命名空间在结构上更加清晰；这种张量化的命名空间设计，提高了命名空间的可管理性和可扩展性，有助于更好地组织和处理大规模的多维标识数据。

附图说明

图1为命名空间属性图；

图2为命名空间结构图；

图3为命名空间张量存储示意图。

具体实施方式

下面结合说明书附图和具体实施方式对本发明做进一步详细描述。

如图1所示为命名空间属性图，本实施例中，多维标识体系通过多维标识命名空间，实现各类智能体的多维度表征，支撑面向对象、联接和应用三个维度的寻址路由。多维标识命名空间包含了智能体的对象属性、联接属性和应用属性及其历史信息，是智能体在网络中与其他智能体通信的身份表征，由多维标识矩阵在时间维度上扩展而来。利用张量存储技术，使得整个命名空间在结构上更加清晰，同时保持灵活性和可扩展性。

(一)多维标识命名空间的设计

多维标识是一种基于时空基准的网络标识，包含时间、空间等多维属性，分为对象、联接和应用三种类型，旨在从多个维度出发，以多样化的属性组合对网络中的任意智能体进行唯一标识。

具体地，智能体指所有构成标识网络的物理设备，包括移动终端、路由器、交换机、服务器等；所述对象属性指网络中的智能体所具有的能够表征其本身的一些固有信息和具有物理意义的信息，包括地理位置、设备类型、硬件配置信息，地理位置可以帮助确定设备所在的具体位置，设备类型和硬件配置则反映了设备的功能和性能特征；所述联接属性指网络中的智能体在与其他智能体进行数据交互时，所需要的能够支撑数据传输的一些信息，包括路由协议、子网归属、寻址模式，可以帮助确定设备之间的通信路径和数据传输方式；所述应用属性指智能体所拥有的具体网络业务场景，反映用户请求的业务类型，存储应用维度的信息，包括接入方式、位置查询、安全服务，描述了设备如何接入到网络中，位置查询则指的是设备在网络中定位的方式，而安全服务则关乎到网络安全方面的问题，包括身份验证、数据加密；

多维标识矩阵是由智能体全部多维标识信息构成的一种特殊矩阵，是多维标识的一种具体表现形式，以矩阵为载体，存放智能体的对象属性、联接属性和应用属性，用于唯一标识智能体。

具体地，多维标识矩阵是一种高度结构化的数据表示形式，旨在综合描述智能体在多个方面的标识信息。此矩阵可以被视为一个二维表格，其中行和列分别代表了不同的属性和特征，通过矩阵的不同维度，涵盖了智能体的多个方面，从身份属性到行为特征，再到与外部环境的关联。每个单元格存储着特定属性在相应维度上的取值，这些取值可以是离散的，如设备类型，也可以是连续的，如地理位置。通过这种高度结构化的表示，能够清晰地呈现智能体在各个方面的具体特征和状态。例如，可以通过检查特定单元格，了解某个智能体的设备类型是手机还是电脑，或者其地理位置的具体经纬度坐标。这种细粒度的信息表示不仅能够帮助理解智能体的特性，还能为智能体在不同场景下的行为和决策提供基础。

多维标识命名空间是智能体在网络中与其他智能体通信的身份表征，由多维标识矩阵在时间维度上扩展而来，通过多维标识命名空间，实现各类智能体的多维度表征，支撑面向对象、联接和应用三个维度的寻址路由。

具体地，多维标识命名空间，智能体在网络中与其他智能体通信的身份表征，由多维标识矩阵在时间维度上扩展而来，多维标识命名空间的设计旨在提供一种统一而灵活的方法，用于管理和描述智能体的身份和特征。

多维标识命名空间的构成分为两部分，即全局命名空间和局部命名空间，如图2所示，通过将全局命名空间与局部命名空间区分开来，可以确保对于固有属性和动态属性的有效管理和使用。

全局命名空间的属性具有唯一性，通常与设备的硬件特性或生产过程相关联。例如，设备的MAC地址是全局命名空间的一种典型属性。这些属性在设备制造时被设定，并在全局范围内保持唯一性，从而为智能体在网络中的唯一标识提供了保障。

局部命名空间中的属性通常是可变的和动态的。这些属性描述了智能体在特定环境或条件下的状态和特征。例如，智能体的地理位置、安全配置等属性可能随着时间和环境的变化而不断调整，因此属于局部命名空间。

在整个多维标识网络中，属性的数量远远少于属性值的数量，即某种属性可能包含多种值，多维标识命名空间采用键值对的方式进行描述，智能体的每一个属性由两部分组成，即将每一个属性键表示为Key，每一个属性对应的值表示为Value，键和值为实现定义好的映射规则。在每一个多维标识命名空间中，键具有唯一性，但值不具备唯一性，使用键值对的方式提高了对值符号的复用性。

(二)多维标识命名空间的存储方法

所述张量存储技术，是一种多维数组或矩阵的泛化概念，它可以表示各种数据用于高效存储和处理张量数据结构，设计基于三维张量的命名空间搭建技术将多维标识命名空间抽象成三维张量的数据结构，以时间为基准展开，使得整个命名空间在结构上更加清晰；

具体地，基于三维张量的命名空间搭建技术旨在利用张量的数据结构特性，将多维标识命名空间的对象属性、联接属性和应用属性以三维张量的形式表示和存储。如图3所示，具体步骤如下：

步骤11，张量表示：多维标识命名空间中的对象属性、联接属性和应用属性被抽象为一个平面两个维度，其中每个轴代表一个属性，将这些属性按照一定顺序排列，形成一个平面，其中的每个属性对应平面上的一个坐标，形成一个二维张量。二维张量通过时间维度进行展开，形成了一个带有时间轴的三维张量，将多维标识数据以张量形式进行了统一组织和存储，这个时间轴代表了不同时间点的属性值。通过在时间维度上的展开，可以将多个时间点的属性值组织在同一个张量中，便于对时间序列数据进行处理和分析。

步骤12，BCRS存储：BCRS(Block-Compressed Row Storage)存储是一种用于高效存储稀疏矩阵数据的技术，适用于大规模和高维度的数据集。将原始的多维标识命名空间数据划分成若干子矩阵块，并对每个子矩阵块进行压缩操作，以实现对数据的有效管理和存储。

步骤121，矩阵划分：原始的多维标识命名空间数据被划分成若干个子矩阵块，子矩阵块按照一定的规则进行划分，可以按照行划分或按照列划分，划分后的子矩阵块通常具有较小的规模，可更好地利用存储资源。

步骤122，稀疏矩阵压缩：对每个子矩阵块进行稀疏矩阵压缩操作，采用零元素压缩(Zero Compression)，仅存储非零元素的值和它们的索引，而忽略所有的零元素，从而减少存储空间的占用。在编码过程中首先扫描输入数据，并标记出所有的非零元素及其位置信息，对于每个非零元素，将其值和位置信息(行索引和列索引)记录下来，作为压缩后的数据的一部分，所有的零元素被忽略，因为它们并不影响压缩后数据的重构。在解码过程中，根据压缩后数据中记录的非零元素的值和位置信息，重构原始的数据，对于每个非零元素，根据其位置信息将其值写入到解压缩后的数据中，同时将所有未显示存储的位置填充为零。

步骤123，在BCRS存储中，每个子矩阵块被存储为一个压缩后的稀疏矩阵，其中仅包含非零元素及其对应的索引信息。通常采用的数据结构包括三个数组：值数组(ValuesArray)、行索引数组(Row Index Array)和列索引数组(Column Index Array)。这些数组可以通过公式表示如下：

Values Array(值数组)：V＝{v₁,v₂,...,v_n}，其中v_n是子矩阵块中的非零元素值；

Row Index Array(行索引数组)：R＝{r₁,r₂,...,r_m}，其中r_m是指示值数组中对应元素的行位置；

Column Index Array(列索引数组)：C＝{c₁,c₂,...,c_m}，其中c_m是指示值数组中对应元素的列位置；

步骤124，检索操作：当需要检索特定位置的元素时，系统通过查找相应的行指针数组确定子矩阵块的位置，然后在该子矩阵块的值数组中找到对应的非零元素的值，并通过列索引数组确定其列位置，实现快速和准确的数据检索操作。

步骤13，坐标生成与映射：坐标根据智能体的属性值生成相应的张量坐标，首先需要定义每个属性所代表的维度，然后将属性值映射为张量的坐标位置；哈希函数将智能体的属性值作为输入，并通过哈希算法生成一个唯一的哈希码，哈希码可以被映射到张量存储中的特定位置，通常通过映射函数来确定最终的坐标值。

具体的应用实施例

实施例1：多维标识命名空间生成过程

当一种未注册入网的通信终端设备进入多维标识网络通信范围后向多维标识服务器发送入网请求数据，请求注册到通信网络中。其中所发送的请求数据包括其自身的各种属性字段；多维标识服务器接收到入网请求数据后，对请求中携带的智能体属性字段进行抽取和融合，这些属性字段包括设备类型(移动终端)、地理位置(基于GPS坐标)、通信协议(ECP)等，并通过预先定义好的键值对映射规则进行属性值配对；基于收集到的属性值字段，多维标识服务器完成对该通信终端的多维标识矩阵构建，每个单元格存储着智能体在相应属性上的取值；利用人工智能模型预测，对多维标识矩阵进行时间维度的扩展，通过分析历史数据和环境变化趋势，预测智能体属性在未来时间点上的变化情况，从而实现时间维度的扩展；在完成时间维度的扩展后，多维标识服务器根据构建好的多维标识矩阵，生成每个智能体的多维标识命名空间，该多维标识命名空间包含了智能体在多个维度上的属性信息，为后续的通信过程提供基础与支撑；生成的多维标识命名空间同步到多维标识服务器、智能路由交换设备和注册终端中，整个通信网络中的设备都能够实时获取到最新的智能体信息，为后续的通信过程提供准确的路由和定位信息，确保通信的顺利进行和指挥的有效实施。

实施例2：多维标识命名空间存储过程

针对多维标识网络中的智能体，如移动终端等通信节点，将其原始的多维标识命名空间数据划分成若干子矩阵块，存储特定区域或特定类型通信节点的属性信息，如设备类型、地理位置等，对每个子矩阵块进行稀疏矩阵压缩操作，去除冗余的零元素，仅存储非零元素的值和其对应的索引信息，以节省存储空间，比如在车载终端节点的子矩阵块中，仅存储实际通信节点状态为在线或离线的元素及其位置信息；在需要检索特定通信节点属性信息时，系统通过查找相应的行指针数组确定子矩阵块的位置，然后在该子矩阵块的值数组中找到对应的非零元素的值，实现快速和准确的数据检索操作，以支持多维标识通信网络的实时管理和监控。

Claims (4)

1.一种多维标识命名空间，其特征在于，包括全局命名空间和局部命名空间，所述全局命名空间的属性具有唯一性，与设备的硬件特性或生产过程相关联，这些属性在设备制造时被设定，并在全局范围内保持唯一性，确保智能体在网络中的标识唯一；

所述局部命名空间中的属性是可变的和动态的，这些属性描述了智能体在特定环境或条件下的状态和特征，包括智能体的地理位置、安全配置；

作为智能体在网络中与其他智能体通信的身份表征，是由多维标识矩阵在时间维度上扩展而来的，以实现各类智能体的多维度表征，支撑面向对象、联接和应用三个维度的寻址路由；

所属智能体的每一个属性键表示为Key，每一个属性对应的值表示为Value；键具有唯一性，值不具备唯一性。

2.根据权利要求1所述多维标识命名空间，其特征在于，所述多维标识矩阵是由智能体全部多维标识信息构成的矩阵，存放智能体的对象属性、联接属性和应用属性，用于唯一标识智能体；

所述多维标识是一种基于时空基准的网络标识，包含时间、空间，分为对象、联接和应用三种类型，旨在从多个维度出发，以多样化的属性组合对网络中的任意智能体进行唯一标识。

3.一种多维标识命名空间的存储方法，用于存储权利要求1-2任一项所述多维标识命名空间，其特征在于，利用张量的数据结构特性，将多维标识命名空间的对象属性、联接属性和应用属性以三维张量的形式表示和存储，具体步骤如下：

S11，将对象属性、联接属性和应用属性抽象为一个平面两个维度，其中每个轴代表一个属性，将这些属性按照一定顺序排列，形成一个平面，其中的每个属性对应平面上的一个坐标，形成一个二维张量；二维张量通过时间维度进行展开，形成了一个带有时间轴的三维张量，将多维标识数据以张量形式进行统一组织和存储，时间轴代表不同时间点的属性值；

S12，将原始的多维标识命名空间数据划分成若干子矩阵块，并对每个子矩阵块进行压缩操作，实现对数据的管理和存储；

S13，定义智能体的每个属性所代表的维度，然后将属性值映射为张量的坐标位置；哈希函数将智能体的属性值作为输入，并通过哈希算法生成一个唯一的哈希码，哈希码被映射到张量存储中的特定位置，通过映射函数来确定最终的坐标值。

4.根据权利要求3所述多维标识命名空间的存储方法，其特征在于，实现对数据的管理和存储的步骤如下：

S121，将原始的多维标识命名空间数据划分成若干个子矩阵块，子矩阵块按照一定的规则进行划分；

S122，对每个子矩阵块进行稀疏矩阵压缩操作，采用零元素压缩，仅存储非零元素的值和索引，而忽略所有的零元素；

在编码过程中，首先扫描输入数据，并标记出所有的非零元素及其位置信息，对于每个非零元素，将其值和位置信息记录下来，作为压缩后的数据的一部分；所有的零元素被忽略；

在解码过程中，根据压缩后数据中记录的非零元素的值和位置信息，重构原始的数据，对于每个非零元素，根据其位置信息将其值写入到解压缩后的数据中，同时将所有未显示存储的位置填充为零；

S123，将每个子矩阵块存储为一个压缩后的稀疏矩阵，其中仅包含非零元素及其对应的索引信息；采用的数据结构包括：值数组V、行索引数组R和列索引数组C，公式表示如下：

V＝{v₁,v₂,...,v_n}，其中v_n是子矩阵块中的非零元素值；

R＝{r₁,r₂,...,r_m}，其中r_m是指示值数组中对应元素的行位置；

C＝{c₁,c₂,...,c_m}，其中c_m是指示值数组中对应元素的列位置；

S124，当需要检索特定位置的元素时，系统通过查找相应的行指针数组确定子矩阵块的位置，然后在该子矩阵块的值数组中找到对应的非零元素的值，并通过列索引数组确定其列位置，实现数据检索操作。