随着终端普及程度的加深,内容分享产生流量的占比大幅提升,以主机为中心的传统网络越来越难满足以内容中心的高层应用的需求。在此背景下,内容为中心的内容中心网络(Content-Centric Networking,CCN)被提出。在CCN中,用包含唯一标识符的兴趣包和数据包取代了传统网络中的IP包,即兴趣包的路由过程就是内容的检索过程,从而更关注内容本身。具备网内缓存功能的CCN路由器可以直接响应兴趣包的请求,所以可以在一定程度上降低网络负载,改善网络性能。如何高效、灵活的利用网内缓存,使更多的兴趣包在网内缓存中就得到响应,是缓存策略研究要解决的问题。本文基于不同内容的流行度、不同节点的中心性都具有差异性的特点提出了分层差异缓存的思想。分层是指根据CCN路由节点在网络拓扑中的介数中心性不同,利用分层窗口函数对它们进行分层;差异缓存是给不同层设计不同的缓存概率。分层差异缓存的思想把缓存概率细分成了层缓存概率和内容缓存概率。在中心性不同的节点中,层缓存概率具有差异性,内容缓存概率具有统一性。针对Prob(p)缓存策略中,缓存概率在中心性不同的节点中缺少差异性的问题,基于分层差异缓存的思想,引入层缓存概率,提出了HD-Prob(p)缓存策略。该策略通过降低介数中心性较高的节点的缓存概率,提高了缓存数据包的整体流行度,使性能得到优化。针对CL4M缓存策略中,缓存节点缓存的数据包频繁替换的问题,基于分层差异缓存的思想,引入内容缓存概率和层缓存概率,提出了 HD-CL4M缓存策略。该策略降低了数据包替换频率,同时提高了缓存数据包的整体流行度,使性能得到优化。最后,基于Icarus仿真平台,分别对HD-Prob(p)和HD-CL4M缓存策略进行了仿真,仿真结果验证了分层差异缓存对Prob(p)缓存策略和CL4M缓存策略的性能都有优化,提高了缓存命中率、降低了网络平均时延。