随着互联网的发展,越来越多设备的接入导致网络流量的不断增长,当前IP网络架构的瓶颈逐渐展现出来,因此信息中心网络作为一种新型的互联网架构被提出。信息中心网络的架构中,主要的通信模式不再是由主机到主机的通信,而变成的内容之间的通信,且不关心内容的来源,内容消费者可以通过内容名或一个标识来获取内容,这些内容能被路由器缓存从而增加网络效率,以此解决当前骨干网压力过大的问题。然而信息中心网络中内容生产者的移动以及缓存污染检测问题等仍未得到良好的解决,这些问题也是当前信息中心网络中亟待解决的问题。首先,在信息中心网络中,内容的传递是内容消费者驱动的,当内容生产者移动时,内容消费者无法感知移动,内容仍然会沿着移动前的方向传递,可能出现内容传输时延增加或中断,导致网络中缓存冗余增加。本文针对该问题提出了一种基于重定向的缓存路由优化策略,该策略在内容生产者移动后以发送控制包的方式通知原接入位置,通过反馈机制使得内容消费者可以感知移动,内容消费者可以重定向到新的位置来获取资源。同时,该策略能够在沿途路由中缓存位置变更信息,使得网络拥有良好的移动感知能力。此外,该策略具有良好的路径伸缩特征,能够减少缓存冗余,使得数据缓存可以得到高效利用,且保持良好的兴趣包汇聚能力。本文通过对比实验验证了该路由策略能够在保障内容高效分发的同时减少缓存冗余和传输时延。其次,缓存是信息中心网络中非常重要的部分,因此,缓存污染攻击是信息中心网络中一种破坏效果最为严重的攻击,在缓存污染检测问题研究中,现有的大多数研究都采用人工设置阈值的方式来进行缓存污染检测,这种方式的适用性较弱,对于不同网络环境可能需要重新设置阈值,检测结果的准确性也与阈值设定有关。对此,本文提出一种基于梯度提升树的缓存污染检测算法,该算法可以通过模型学习得到缓存污染的检测方式;在特征选择上,算法提取了节点状态特征和路径信息特征作为模型输入,节点状态特征可以反映请求的分布,路径信息特征代表了请求的路径,使用这两种特征可以使得该方法在准确率上有所提高。本文通过对比实验证明了该方法在检测准确率上的提升。