文献

J-GLOBAL ID：202002278201937813   整理番号：20A1575995

SDN-IoTのための深層強化学習ベースのQoSを意識したセキュアルーティング【JST・京大機械翻訳】

Deep-Reinforcement-Learning-Based QoS-Aware Secure Routing for SDN-IoT

著者 (4件)： Guo Xuancheng (College of Mathematics and Informatics, Fujian Normal University, Fuzhou, China) ,  Lin Hui (College of Mathematics and Informatics, Fujian Normal University, Fuzhou, China) ,  Li Zhiyang (Information Science and Technology College, Dalian Maritime University, Dalian, China) ,  Peng Min (College of Mathematics and Informatics, Fujian Normal University, Fuzhou, China)
資料名： IEEE Internet of Things Journal  (IEEE Internet of Things Journal)
巻： 7  号： 7  ページ： 6242-6251  発行年： 2020年 
JST資料番号： W2432A  ISSN： 2327-4662  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： 最近,通信デバイスの増殖により,モノのインターネット(IoT)は,異種ネットワークにより接続性で可能にできる大規模デバイスを容易にする新興技術になってきた。しかし,それは,通常,そのような膨大な数のデバイスを効率的方法で扱うための従来のネットワークにとって技術的挑戦である。最近,そのアジリティと弾性を有するソフトウェア定義ネットワーク(SDN)技術をIoTに組み込み,潜在的スケールと柔軟性要求を満たし,SDN-IoTとしても知られる新しいIoTアーキテクチャを形成した。SDN-IoTのサイズが増加するにつれて,低待ち時間と高セキュリティを有する効率的ルーティングプロトコルが必要であり,一方,SDNのデフォルトルーティングプロトコルは,特にネットワークが攻撃下にあるとき,フロー制御規則の動的変化にまだ脆弱である。上記の問題に取り組むために,本論文では,深層強化学習ベース品質サービス(QoS)意識安全ルーティングプロトコル(DQSP)を提案した。QoSを保証する間,著者らの方法は,根底にあるネットワーク環境との相互作用によって,履歴トラフィック要求から知識を抽出することができて,動的に経路選定方針を最適化した。いくつかのネットワーク性能計量に関して大規模なシミュレーション実験を行い,DQSPが良好な収束と高い有効性を持つことを示した。さらに,DQSPは,従来のOSPFルーティングプロトコルよりも,ほとんどの場合,少なくとも10%の相対的性能利得を凌駕する。Copyright 2020 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： 最適化 ,  シミュレーション ,  相互作用 ,  *ネットワーク ,  弾性 ,  経路選定 ,  通信 ,  利得 ,  待ち時間 ,  計算機アーキテクチャ ,  セキュリティ
準シソーラス用語： ルーティングプロトコル ,  ネットワーク性能 ,  ネットワーク環境 ,  *モノのインターネット , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (6件)： SDN ,  IoT ,  深層強化学習 ,  QOS ,  意識 ,  セキュアルーティング