文献

J-GLOBAL ID：201802249021281489   整理番号：18A1683393

深層学習がデータセンタ間光ネットワーク管理に適合する時:利点と脆弱性【JST・京大機械翻訳】

When Deep Learning Meets Inter-Datacenter Optical Network Management: Advantages and Vulnerabilities

著者 (2件)： Guo Jiannan (School of Information Science and Technology, University of Science and Technology of China, Hefei, China) ,  Zhu Zuqing (School of Information Science and Technology, University of Science and Technology of China, Hefei, China)
資料名： Journal of Lightwave Technology  (Journal of Lightwave Technology)
巻： 36  号： 20  ページ： 4761-4773  発行年： 2018年 
JST資料番号： H0922A  ISSN： 0733-8724  CODEN： JLTEDG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： データセンタ間光ネットワーク(IDCONs)上での費用対効果が良く適応可能なネットワーク制御と管理(NC&M)を実現するために,人々はネットワーク仮想化を考慮して,IDCONの演算子をインフラストラクチャプロバイダ(InP)として利用し,これにより,テナントのためのIDCON上で仮想光ネットワーク(VONs)を生成できる。本論文では,このネットワークシナリオを背景として使用し,IDCONのNC&Mにおける深い学習(DL)ベースのトラヒック予測とその上に生成されたVONsを統合することを試みた。最初に,各テナントがそのVONにおけるトラフィックを予測するためにDLモジュールを使用するサービス提供フレームワークを設計し,それが将来のトラフィックとそのVONにおける割り当てられた資源の間の有意な不整合を意味するときに,InPへのVON再構成要求を提出する。次に,InPはVON再構成を引き起こし,VONを将来のトラフィックのためにより良く調製する。適応可能で拡張可能なDLベースのトラフィック予測器を,相互DCトラフィックの時間的および空間的特性を利用するために,認知サービス提供アルゴリズムと共に提案し,正確でタイムリーなトラヒック予測に基づく効果的サービス提供を達成した。次に,その資源制限を克服するために,テナントが「機械学習」とそのDLモジュールの訓練を第三パーティ実体に出力するという状況を考察し,データ中毒による誘導脆弱性を分析した。著者らのシミュレーション結果は,著者らの提案によって,InPがタイムリーにVON再構成を引き起こすことができて,各々のVONのサービス提供性能を著しく改良することができることを示した。一方,結果は,著者らのデータ中毒方式がDLモジュールの正常な検証を容易にバイパスすることができて,有意な敵の効果を生み出すことができることを実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *データセンタ ,  *学習 ,  リン化インジウム ,  中毒 ,  アルゴリズム ,  *ネットワーク ,  交通予測 ,  不整合 ,  シミュレーション ,  再構成 ,  機械学習 ,  バイパス
準シソーラス用語： テナント ,  *脆弱性 ,  *光ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 光通信方式・機器  (ND10000B)

タイトルに関連する用語 (5件)： 深層学習 ,  データセンタ ,  光ネットワーク ,  利点 ,  脆弱性