抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】