对等网络(P2P Network)技术发展十分迅速,各种基于对等网络技术的应用软件层出不穷,已经广泛应用到文件共享,分布式计算,边界服务等各个方面。据德国互联网调研机构ipoque称,P2P已经彻底统治了当今的互联网,其中50%~90%的总流量都来自P2P应用程序。随着网络规模的不断扩大,如何快速有效地发现结点、查找资源是P2P要解决的关键问题。典型非结构化对等网络系统Gnutella采用Flooding策略,使用随机扩散的方式搜索资源。即结点将查询消息向所有邻居结点复制转发,不考虑邻居结点的特性,具有很强的盲目性。随着网络结点数目不断增加,网络中的冗余信息也大幅度增长,会大大加重网络的负载,甚至导致整个网络瘫痪。目前,对等网络激励机制以鼓励用户共享资源为主要目的,如eMule和Maze。激励策略保证积分高的结点能够优先获得下载服务,而对于资源的查找效率并没有实质性的提高。本文针对非结构化的P2P网络对资源查找效率低下问题,针对Gnutella系统提出了基于激励机制的搜索技术(ISI)。ISI主要有两部分组成:结点积分策略和结点邻居选择策略。结点积分策略主要是促进结点共享资源;结点邻居选择策略以结点积分为依据有倾向性的构建邻居列表,以及在查询消息转发时采取依据结点积分排序的转发策略。为了验证算法的有效性,论文在NS2平台上进行了仿真实验。实验结果表明,ISI策略不仅较大地提高了资源搜索效率,同时还降低了结点下载资源的时间,提高了带宽的利用率和增大了网络的吞吐量。因此,ISI有助于进一步提高以Gnutella为代表的非结构化对等网络的资源搜索效率,并且进网络资源共享。