内容分发是互联网最基本的一项功能。通过将网络中一个节点的数字内容转发到另外一个或者多个节点,它能够实现网络节点之间的互联互通。随着无线技术的发展,越来越多的移动设备也参与到内容分发中,移动内容分发由此逐渐发展。然而,由于网络节点类型日益丰富、网络流量逐年递增以及应用场景愈发广阔,如今移动内容分发的设计很难满足用户诸多方面的需求,比如在基础性能方面对内容分发速度的要求以及在更高层次上对用户隐私方面的保障。针对上述问题,本文研究一个具有代表性的大型移动内容分发系统。在深入测量分析的基础上,设计并实现科学、合理、有效的内容分发策略,从而满足用户对于移动内容分发基础性能的需求;同时,研究在具体应用场景下的安全高效的移动内容分发方法,从而满足用户对于移动内容分发高级应用的需求。本文在研究方法论上注重实用性和科学性:从实际系统和应用环境中发现问题并解决问题,提出的解决方案不仅具有理论依据并且具有切实可行性。具体来说,本文的主要创新成果包括:·基于移动内容分发大数据的测量发现:通过对来自旋风下载组件的13.6亿次移动内容分发任务的日志记录进行分析,本文揭示了当前主流内容分发系统中存在的一些性能异常及其根源,由此发现数据源参与时间差异性是指示移动内容分发性能的重要指标,并(首次)量化了文件大小、数据源使用的数量和内容分发速度之间的最佳平衡点,为相关系统的设计人员和使用者提供有益的启发。·基于机器学习的移动内容分发重定向:针对移动内容分发加速后性能下降这个问题,本文为客户端设计了移动内容分发重定向系统,其中利用决策树分类算法辅助内容分发策略选择,并利用增强学习的多摇臂赌博机问题建立基于特征的数据源选择模型,以最大化增加数据源获得的加速回报,同时基于数据源参与时间差异性对内容分发任务进行实时性能优化。·基于曲线重构的安全高效的移动位置轨迹数据分发:为了确保地图服务应用下移动位置轨迹数据分发的安全性和有效性,本文设置了客户端位置轨迹数据上传规则使得上传的数据无序且稀疏,从而降低暴露单个用户移动轨迹的风险,并利用曲线重构中的γ-采样条件量化隐私泄漏程度,同时设计对噪声数据具有较好鲁棒性的基于外壳的地图重构算法为服务器端提供优质的地图更新服务。