随着互联网信息化的高速发展,云计算、大数据、边缘计算等重要技术在各个领域中不断呈现,互联网业务主体逐渐向信息内容服务转变。同时,传统TCP/IP互联网通信模式逐渐暴露出IP地址空间耗尽、安全性等问题。在此背景下,一种支持内容共享、面向信息内容服务的新型网络架构——命名数据网应运而生。然而,命名数据网各研究领域仍存在一系列亟待解决的问题和挑战,特别是其内容路由器转发平面中转发信息的有效聚合、名称数据的快速索引、转发信息的高效存储、名称匹配机制的有效支持等问题。针对以上问题,本论文开展了支持转发信息分类、聚合的内容路由器索引技术研究,提出支持转发信息分类、聚合的高效索引结构方案,设计高性能、可应用部署的PIT存储结构及其数据检索算法。本论文的主要工作及创新点如下:第一,提出了基于字符卷积神经网络的索引结构C＆I。C＆I通过学习路由名称数据的语义信息分布规律以及索引内容在存储器中的分布情况,得到索引内容与逻辑索引地址之间的函数映射关系,使数据在存储器中的映射更加均匀,相同语义信息分布规律的数据更加聚合,从而支持不同应用场景下的实际需求。仿真实验结果表明,C＆I在模型预测准确率、存储消耗以及名称数据聚合程度方面具备优秀的性能表现。第二,基于C＆I索引结构设计并提出性能高效的待定兴趣转发表存储结构C＆I-PIT,以快速检索变长名称数据、高效存储转发信息、支持兴趣包泛洪攻击检测、支持ANPM、ENM检索机制。仿真实验结果表明,C＆I-PIT能够有效的聚合相同名称前缀的名称数据,快速精准的定位恶意前缀,支持高效的兴趣包泛洪攻击检测。当数据量达百万级别时,C＆I-PIT索引结构可部署在SRAM上,实现高效的转发信息存储。同时,C＆I-PIT吞吐量达到1.42MPPS,可即时处理网络中百万级别的数据包请求。