移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)中的節(jié)點(diǎn)分簇路由算法

張霖 王蘭

摘要：移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)中的數(shù)據(jù)傳輸具有隨機(jī)性特點(diǎn)，但源節(jié)點(diǎn)和目的節(jié)點(diǎn)的最優(yōu)傳輸路徑選擇問(wèn)題一直是研究的熱點(diǎn)，該文提出一種節(jié)點(diǎn)分簇路由算法，即Node Clustering Routing Algorithm （NCRA）算法，該算法通過(guò)節(jié)點(diǎn)隨機(jī)分簇找出簇頭，再通過(guò)各簇頭節(jié)點(diǎn)的數(shù)據(jù)選擇傳輸，完成數(shù)據(jù)包的轉(zhuǎn)發(fā)，最終將數(shù)據(jù)從源節(jié)點(diǎn)傳輸?shù)侥康墓?jié)點(diǎn)，并找出最優(yōu)信息傳遞路徑。通過(guò)仿真實(shí)驗(yàn)，并與移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)的Epidemic算法和OSNN算法比較，NCRA算法優(yōu)化了網(wǎng)絡(luò)數(shù)據(jù)傳輸路徑，且具有傳輸效率高，能量消耗少，數(shù)據(jù)冗余少的特點(diǎn)。

關(guān)鍵詞：移動(dòng)機(jī)會(huì)網(wǎng)絡(luò);網(wǎng)絡(luò)節(jié)點(diǎn);分簇;數(shù)據(jù)傳輸

中圖分類(lèi)號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）21-0023-03

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

1 引言

信息技術(shù)的高速發(fā)展給人們帶來(lái)了巨大的生活便利，移動(dòng)網(wǎng)絡(luò)，無(wú)線網(wǎng)絡(luò)等的出現(xiàn)更是為人類(lèi)生產(chǎn)和生活縮小了物理距離，使人們即使相隔千里亦可以通過(guò)網(wǎng)絡(luò)連線，實(shí)時(shí)分享生活點(diǎn)滴。特別地，在無(wú)線網(wǎng)絡(luò)環(huán)境中，存在著多種類(lèi)型的網(wǎng)絡(luò)，如無(wú)線傳感器網(wǎng)絡(luò)，AdHoc網(wǎng)絡(luò)，社交網(wǎng)絡(luò)，移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)等。

移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)是一種延遲容忍類(lèi)自組織性網(wǎng)絡(luò)。其特點(diǎn)是源節(jié)點(diǎn)和目的節(jié)點(diǎn)間沒(méi)有預(yù)先規(guī)劃好的傳輸路徑，完全依靠途徑節(jié)點(diǎn)間的移動(dòng)相遇完成信息傳遞，節(jié)點(diǎn)的移動(dòng)規(guī)律是“攜帶一存儲(chǔ)一轉(zhuǎn)發(fā)”。移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)具有較多的應(yīng)用場(chǎng)景，如手持設(shè)備組網(wǎng)，車(chē)載網(wǎng)絡(luò)，野外數(shù)據(jù)收集等。

在移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)環(huán)境中，節(jié)點(diǎn)間的數(shù)據(jù)傳輸效率問(wèn)題一直是研究熱點(diǎn)。許多學(xué)者通過(guò)研究路由算法來(lái)不斷優(yōu)化節(jié)點(diǎn)傳輸過(guò)程，利用數(shù)學(xué)概率計(jì)算，或利用貪心算法，神經(jīng)網(wǎng)絡(luò)等技術(shù)，結(jié)合移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)特點(diǎn)，設(shè)計(jì)開(kāi)發(fā)了多種路由轉(zhuǎn)發(fā)算法，不斷改進(jìn)前人的方案，取得了一定進(jìn)步和成效，但在數(shù)據(jù)傳輸過(guò)程中，仍然存在網(wǎng)絡(luò)資源浪費(fèi)，傳輸安全風(fēng)險(xiǎn)大，傳輸性能不夠等問(wèn)題。

本文研究了一種移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)中的節(jié)點(diǎn)分簇路由算法（Node Clustering Routing Algorithm（NCRA））算法，該算法先根據(jù)節(jié)點(diǎn)分布情況自由組合分簇，并在自由組成的簇中競(jìng)選出簇頭節(jié)點(diǎn)，數(shù)據(jù)傳輸過(guò)程中，只需要考慮各簇頭節(jié)點(diǎn)的傳輸路徑，結(jié)合最短路徑算法將各簇頭節(jié)點(diǎn)間的邏輯距離進(jìn)行比較，得出當(dāng)前節(jié)點(diǎn)的最優(yōu)鄰居節(jié)點(diǎn)，進(jìn)行下一跳選擇傳輸。該算法能有效減少數(shù)據(jù)傳輸過(guò)程中的數(shù)據(jù)冗余和，節(jié)約網(wǎng)絡(luò)資源，優(yōu)化數(shù)據(jù)傳輸過(guò)程。

2 相關(guān)工作

文獻(xiàn)[1]提出了Epidemic路由協(xié)議，該協(xié)議在節(jié)點(diǎn)移動(dòng)過(guò)程中，利用節(jié)點(diǎn)的相遇和移動(dòng)來(lái)完成數(shù)據(jù)交互。其核心思想是講當(dāng)前節(jié)點(diǎn)攜帶的數(shù)據(jù)通過(guò)復(fù)制副本的方式傳輸給相遇節(jié)點(diǎn)。因此每個(gè)傳輸節(jié)點(diǎn)都需要在緩存區(qū)中存儲(chǔ)傳遞數(shù)據(jù)。該協(xié)議的本質(zhì)是一種洪泛的路由協(xié)議。PROPHET路由協(xié)議[2]在Epi-demic協(xié)議基礎(chǔ)上做了技術(shù)改進(jìn)，該方案中，消息傳遞給下一跳節(jié)點(diǎn)前，會(huì)通過(guò)簡(jiǎn)單的數(shù)學(xué)概率計(jì)算，預(yù)先估計(jì)一條數(shù)據(jù)傳輸路線[3]，從而找出更合適的下一跳節(jié)點(diǎn)，優(yōu)化傳輸路徑。文獻(xiàn)[4]利用了數(shù)學(xué)異或運(yùn)算的特點(diǎn)，在數(shù)據(jù)傳輸過(guò)程中，通過(guò)節(jié)點(diǎn)信息的異或比較，找出最優(yōu)的下一跳，從而找出最優(yōu)的傳輸路徑，完成節(jié)點(diǎn)數(shù)據(jù)轉(zhuǎn)發(fā)。

基于復(fù)制的傳輸方案解決了移動(dòng)節(jié)點(diǎn)的數(shù)據(jù)快速傳輸問(wèn)題，但該方案同時(shí)也制造了大量數(shù)據(jù)冗余，浪費(fèi)了網(wǎng)絡(luò)資源，且傳輸性能不高。基于相遇預(yù)測(cè)型的路由協(xié)議通過(guò)對(duì)相遇概率的計(jì)算減少數(shù)據(jù)信息的洪泛傳遞，但根據(jù)歷史信息進(jìn)行概率估計(jì)可能與實(shí)際傳輸情況不符，影響數(shù)據(jù)傳輸?shù)臏?zhǔn)確性[5]。通過(guò)尋找最優(yōu)下一跳的方案較好地優(yōu)化了數(shù)據(jù)傳輸路徑，但卻忽略了各移動(dòng)節(jié)點(diǎn)的能力差異，較大的數(shù)據(jù)運(yùn)算為節(jié)點(diǎn)帶來(lái)了較大的負(fù)擔(dān)。各種路由協(xié)議各有所長(zhǎng)，但也各自存在著相應(yīng)的弊端。

本文基于文獻(xiàn)[4]，改進(jìn)了其傳輸方案，設(shè)計(jì)了移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)中的節(jié)點(diǎn)分簇路由算法，通過(guò)節(jié)點(diǎn)組合分簇方案，結(jié)合最小生成樹(shù)分析法，在獲取最優(yōu)下一跳節(jié)點(diǎn)的同時(shí)，有效減輕弱節(jié)點(diǎn)[6]的傳輸負(fù)擔(dān)，達(dá)到節(jié)約網(wǎng)絡(luò)資源，提升數(shù)據(jù)傳輸性能的目的。

3 節(jié)點(diǎn)分簇路由算法

3.1 移動(dòng)機(jī)會(huì)模型

移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)通過(guò)各個(gè)節(jié)點(diǎn)的移動(dòng)創(chuàng)造相遇機(jī)會(huì)實(shí)現(xiàn)節(jié)點(diǎn)之間的網(wǎng)絡(luò)通信，但只有在同一個(gè)連通區(qū)域內(nèi)的節(jié)點(diǎn)之間才可以完成通信[7-8]?，F(xiàn)假定在某一個(gè)時(shí)刻s，網(wǎng)絡(luò)由t個(gè)不同的連通區(qū)域組成，其中圖1表示s時(shí)刻隨機(jī)兩個(gè)連通區(qū)域的機(jī)會(huì)網(wǎng)絡(luò)結(jié)構(gòu)圖。

由圖1可得，A、B、C、D、E、F節(jié)點(diǎn)和G、H、I、J、K節(jié)點(diǎn)分別屬于連通區(qū)域1和連通區(qū)域2，由機(jī)會(huì)網(wǎng)絡(luò)的特性可知，連通區(qū)域1內(nèi)的所有節(jié)點(diǎn)可以互相傳遞數(shù)據(jù)信息，如A節(jié)點(diǎn)的數(shù)據(jù)信息可以傳遞給B、C、D、E、F，連通區(qū)域2中節(jié)點(diǎn)的數(shù)據(jù)信息也可以互相傳遞，試想若希望將A節(jié)點(diǎn)的數(shù)據(jù)傳遞到不屬于同一連通區(qū)域的H節(jié)點(diǎn)，則要通過(guò)節(jié)點(diǎn)不斷移動(dòng)到同一連通區(qū)域才可實(shí)現(xiàn)。

3.2 節(jié)點(diǎn)分簇描述

經(jīng)過(guò)上文描述，現(xiàn)將圖1中的任一連通區(qū)域中的各個(gè)節(jié)點(diǎn)實(shí)現(xiàn)分簇處理，分簇方法為，根據(jù)網(wǎng)絡(luò)中節(jié)點(diǎn)的接收信號(hào)強(qiáng)度和節(jié)點(diǎn)連通度確定簇內(nèi)成員，即根據(jù)無(wú)線網(wǎng)絡(luò)中的節(jié)點(diǎn)物理位置相關(guān)性完成節(jié)點(diǎn)分組，定義α為評(píng)價(jià)尺度常量，表示節(jié)點(diǎn)間數(shù)據(jù)傳輸?shù)淖畲缶嚯x門(mén)限值，現(xiàn)將網(wǎng)絡(luò)環(huán)境中以評(píng)價(jià)尺度常量α劃分為若干子區(qū)域，在每個(gè)子區(qū)域中隨機(jī)選中一個(gè)節(jié)點(diǎn)t作為簇頭，若任意節(jié)點(diǎn)v滿(mǎn)足如下規(guī)則：

其中D（T，v）表示節(jié)點(diǎn)間通信鏈路函數(shù)，即表示任意節(jié)點(diǎn)v到簇頭t的通信距離。

節(jié)點(diǎn)v加入當(dāng)前t為簇頭的簇T，分簇后的網(wǎng)絡(luò)形成由各個(gè)簇組成的新的網(wǎng)絡(luò)環(huán)境，在確定簇成員后，簇內(nèi)成員發(fā)送自身數(shù)據(jù)包給簇頭，簇頭接收到各成員的數(shù)據(jù)包后進(jìn)行數(shù)據(jù)融合處理，融合后的簇頭中包含了各個(gè)節(jié)點(diǎn)的數(shù)據(jù)，同時(shí)消除了各節(jié)點(diǎn)中冗余的數(shù)據(jù)信息。

任意選擇一個(gè)t時(shí)刻的某個(gè)網(wǎng)絡(luò)環(huán)境M為研究切人點(diǎn)，做出如下假設(shè)，假設(shè)M中有n個(gè)節(jié)點(diǎn)，將其根據(jù)物理位置相關(guān)性隨機(jī)生成6個(gè)連通區(qū)域，即同時(shí)形成6個(gè)簇，隨機(jī)指定各簇頭，簇頭將各自?xún)?nèi)部的節(jié)點(diǎn)信息數(shù)據(jù)融合處理，將分好的6個(gè)簇用集合表示為U={A，B，C，D，E，F(xiàn) 1，其中每個(gè)簇都能實(shí)現(xiàn)數(shù)據(jù)的轉(zhuǎn)發(fā);設(shè)當(dāng)前時(shí)刻A為起始節(jié)點(diǎn)，且當(dāng)前網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)保持不變，構(gòu)建如下網(wǎng)絡(luò)連通圖，如圖2所示。根據(jù)圖2得到連通圖G=（U，v）其中，初始狀態(tài)U={A}，V={B，C，D，E，F(xiàn)} ，圖2中各節(jié)點(diǎn)間的橫線表示各節(jié)點(diǎn)之間的邏輯傳輸距離。

3.3下一跳節(jié)點(diǎn)選取過(guò)程

每個(gè)簇節(jié)點(diǎn)中存放了各個(gè)簇中經(jīng)過(guò)數(shù)據(jù)融合處理的數(shù)據(jù)信息，假設(shè)在當(dāng)前時(shí)刻T，網(wǎng)絡(luò)環(huán)境M中存在如上圖2中的連通圖。從A出發(fā)，尋找最優(yōu)傳輸路徑過(guò)程如下。

1）起始狀態(tài)，只有A為當(dāng)前節(jié)點(diǎn)，即U={A}，V={B，C，D，E.F}。

2）從A節(jié)點(diǎn)出發(fā)，比較V中的各代價(jià)邊，分別標(biāo)記各節(jié)點(diǎn)與初始節(jié)點(diǎn)A的邏輯距離，如D（A，3），B（A，6），E（A，5），C（A，∞），F(xiàn)（A，∞）。通過(guò)邏輯距離比較得到，當(dāng)前最小邊為D（A，3），即確定下一跳節(jié)點(diǎn)為D，此時(shí)，U={A，D），V={B，C，E，F(xiàn)）。

3）更新V中各個(gè)頂點(diǎn)與U的代價(jià)邊，即B（D，2），C（D，6），E（A，5），F(xiàn)（A，。。），通過(guò)邏輯距離比較得到當(dāng)前最小邊為B（D，2），即確定下一跳節(jié)點(diǎn)為B，此時(shí)，U={A，D，B}，V={C，E，F(xiàn)）。

4）更新V中各個(gè)頂點(diǎn)與U的代價(jià)邊，即C（B，7），E（B，4），F(xiàn)（B，6），通過(guò)邏輯距離比較得到當(dāng)前最小邊為E（B，4），即確定下一跳節(jié)點(diǎn)為E，此時(shí)，U={A，D，B，E}，v={C，F(xiàn)）。

5）更新V中各個(gè)頂點(diǎn)與U的代價(jià)邊，即C（B，7），F(xiàn)（E，1），通過(guò)邏輯距離比較得到當(dāng)前最小邊為F（E，1），即確定下一跳節(jié)點(diǎn)為F，此時(shí)，U={A，D，B，E，F(xiàn)），V={C}。

6）更新V中各個(gè)頂點(diǎn)與U的代價(jià)邊，即C（F，4），確定下一跳節(jié)點(diǎn)為C，此時(shí)，U={A，D，B，E，F(xiàn)，C），到此，路徑規(guī)劃結(jié)束。

8）統(tǒng)計(jì)依次插入的節(jié)點(diǎn)為A、D、B、E、F、C。則A一>D一>B一>E一>F一>C為當(dāng)前最優(yōu)路徑。

3.4 算法設(shè)計(jì)

通過(guò)上一節(jié)內(nèi)容總結(jié)出NCRA算法執(zhí)行過(guò)程描述如下。

第一步：將當(dāng)前節(jié)點(diǎn)存入集合V，其初始值為通信信息的第一個(gè)節(jié)點(diǎn)，該節(jié)點(diǎn)為當(dāng)前節(jié)點(diǎn)m，把m并人集合U中，令U={ml。

第二步：采用節(jié)點(diǎn)邏輯路徑比較訪問(wèn)法標(biāo)記當(dāng)前環(huán)境下的各節(jié)點(diǎn)邏輯距離，找出最小邏輯距離節(jié)點(diǎn)i，并將i并入集合U，令U={m，ij，

第三步：更新節(jié)點(diǎn)距U中最新節(jié)點(diǎn)的邏輯距離，找到下一最小邏輯距離節(jié)點(diǎn)k，并將k并人集合U=（m，j，k），

第四步，重復(fù)第三步，直到U中存在所有節(jié)點(diǎn)為止。

第五步：輸出集合U中的所有節(jié)點(diǎn)，該集合順序即為節(jié)點(diǎn)信息傳輸?shù)淖顑?yōu)路徑。

4 仿真與實(shí)驗(yàn)分析

為驗(yàn)證NCRA算法的性能，實(shí)驗(yàn)采用ONEl.4仿真平臺(tái)工具，通過(guò)與Epidemic算法和OSNN路由協(xié)議進(jìn)行比較，在保證節(jié)點(diǎn)個(gè)數(shù)、節(jié)點(diǎn)傳輸范圍以及節(jié)點(diǎn)移動(dòng)速度一致的前提下分別采用三種算法進(jìn)行仿真實(shí)驗(yàn)，在一定的時(shí)間內(nèi)，觀察節(jié)點(diǎn)密度變化對(duì)傳輸成功率，傳輸延遲以及路由開(kāi)銷(xiāo)的影響程度，將三種結(jié)果進(jìn)行比對(duì)，綜合分析得出實(shí)驗(yàn)結(jié)論。

圖3中節(jié)點(diǎn)密度直接影響數(shù)據(jù)的傳輸成功率，節(jié)點(diǎn)密度較小時(shí)三個(gè)算法的傳輸成功率幾乎都保持在10%-15%，但當(dāng)節(jié)點(diǎn)密度不斷增大時(shí)，NCRA算法的傳輸成功率明顯優(yōu)于另外兩種算法，結(jié)合理論分析不難解釋該仿真結(jié)果，NCRA算法通過(guò)節(jié)點(diǎn)分簇后比較節(jié)點(diǎn)邏輯距離選取傳播距離最小的節(jié)點(diǎn)進(jìn)行數(shù)據(jù)傳遞，因此取得較高的數(shù)據(jù)傳播成功率。

由圖4可以得出的結(jié)論是三種路由協(xié)議算法對(duì)數(shù)據(jù)傳輸延遲的影響都不是很大，其中Epidemic算法的延遲最小，NCRA算法較OSNN算法的傳輸延遲略小。出現(xiàn)這種情況的原因是Epidemic算法的特點(diǎn)為“遍地撒網(wǎng)”式，不對(duì)下一跳節(jié)點(diǎn)優(yōu)化處理就直接轉(zhuǎn)發(fā)，因此傳輸延遲小，而NCRA算法和OSNN算法在傳輸過(guò)程中要通過(guò)不同的處理方式選擇下一跳路徑，而選擇過(guò)程就造成了傳輸延遲略高于Epidemic算法。另外，OSNN算法需要對(duì)每個(gè)節(jié)點(diǎn)進(jìn)行計(jì)算比較，而NCRA算法只針對(duì)簇頭節(jié)點(diǎn)進(jìn)行比較計(jì)算，因此優(yōu)化了傳輸流程，同時(shí)降低了傳輸延遲。

圖5中，當(dāng)節(jié)點(diǎn)密度很小時(shí)，三種算法的路由開(kāi)銷(xiāo)相差無(wú)幾，通過(guò)不斷增加節(jié)點(diǎn)密度，Epidemic算法的路由開(kāi)銷(xiāo)明顯增大，且一直處于高速上升狀態(tài)，而OSNN和NCRA算法造成的路由開(kāi)銷(xiāo)明顯低于Epidemic算法，其原因是OSNN和CNDTR算法是擇優(yōu)選擇下一跳傳輸數(shù)據(jù)，因此每一跳只選擇最優(yōu)節(jié)點(diǎn)傳輸，因此造成路由開(kāi)銷(xiāo)比較小，而Epidemic算法是洪泛式傳遞，因此節(jié)點(diǎn)密度越大，其路由開(kāi)銷(xiāo)就會(huì)越大。由圖看出，隨著節(jié)點(diǎn)密度不斷增大，NCRA算法造成的路由開(kāi)銷(xiāo)最小。

通過(guò)仿真實(shí)驗(yàn)以及結(jié)合理論知識(shí)的分析可得，NCRA算法能夠在傳輸數(shù)據(jù)的同等條件下降低路由開(kāi)銷(xiāo)，并提高數(shù)據(jù)傳輸成功率。不可否認(rèn)的是，因下一跳選擇時(shí)需要計(jì)算選擇，造成了傳輸延遲，但就總體性能而言，相對(duì)其他經(jīng)典傳輸算法，NCRA算法具有一定優(yōu)勢(shì)。

5 結(jié)束語(yǔ)

本文提一種移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)中的節(jié)點(diǎn)分簇路由算法（NodeClustering Routing Algorithm （NCRA》算法，通過(guò)將節(jié)點(diǎn)融合成簇后采用簇頭節(jié)點(diǎn)通過(guò)節(jié)點(diǎn)間的邏輯距離比較，每次都選擇最短路徑來(lái)確定下一跳，最終獲得最優(yōu)傳輸路徑，實(shí)現(xiàn)高效網(wǎng)絡(luò)數(shù)據(jù)的傳輸，減少網(wǎng)絡(luò)資源的浪費(fèi)，節(jié)省路由開(kāi)銷(xiāo)。通過(guò)仿真實(shí)驗(yàn)驗(yàn)證，與Epidemic、OSNN算法進(jìn)行比較，CNDTR算法可以節(jié)省路由開(kāi)銷(xiāo)的同時(shí)減少網(wǎng)絡(luò)數(shù)據(jù)冗余。

參考文獻(xiàn)：

[1] Vahdat A，Becker D.Epidemic Routing for Partially ConnectedAd Hoc Networks[J]，Master Thesis. 2000.

[2] Lindgren A， Doria A， Davies E，Grasic S.Probabilistic routingprotocol for intermittently connected networks[J]，lnternet Engi-neering Task Force （IETF）， 2007.

[3]任智，黃勇，陳前斌，等，機(jī)會(huì)網(wǎng)絡(luò)路由協(xié)議[J].計(jì)算機(jī)應(yīng)用研究，2010，30（3）：723-72.

[4]張霖，陳志剛，吳嘉，等.最優(yōu)化選擇鄰居節(jié)點(diǎn)路由協(xié)議[J].小型微型計(jì)算機(jī)系統(tǒng)，2017（1）.

[5] Luo J ， Yu F R ， Chen Q ， et al. Adaptive Video StreamingWith Edge Caching and Video Transcoding Over Software-De-fined Mobile Networks： A Deep Reinforcement Learning Ap-proach[J]. IEEE Transactions on Wireless Communications，2020， 19（3）：1577-1592.

[6] Wen R ， Feng C ， Tang J ， et al. On Robustness of WetworkSlicing for Next-Generation Mobile Networks[J]. IEEE Trans-actions on Communications， 2019， 67（1）：430-444.

[7] Chhabra， Anshuman， Vashishth， et al. A fuzzy logic and gametheory based adaptive approach for securing opportunistic net-works against black hole attacks[J]. International Journal ofCommunication Systems， 2018.

[8] Fu X ， Yao H ， Postolache 0 ， et al. Message forwarding forWSN-Assisted Opportunistic Network in disaster scenarios[J].Journal of Network and Computer Applications， 2019， 137：11- 24.

基金項(xiàng)目：重慶第二師范學(xué)院青年項(xiàng)目（KY201926C）

作者簡(jiǎn)介：張霖（1993-），女（土家族），湖南常德人，助教，碩士研究生，研究方向?yàn)闊o(wú)線網(wǎng)絡(luò)、網(wǎng)絡(luò)安全;王蘭（1991-），女，四川宜賓人，助教，碩士研究生，研究方向?yàn)樾畔踩?/p>