自動ネットワーク制御のためのグラフニューラルネットワークベースのサービス機能連鎖【JST・京大機械翻訳】

Heo DongNyeong; Lange Stanislav; Kim Hee-Gon; Choi Heeyoul

プレプリント

J-GLOBAL ID：202202203379560531 整理番号：22P0189902

自動ネットワーク制御のためのグラフニューラルネットワークベースのサービス機能連鎖【JST・京大機械翻訳】

Graph Neural Network based Service Function Chaining for Automatic Network Control

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年09月11日プレプリントサーバーでの情報更新日： 2020年09月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ソフトウェア定義ネットワーキング(SDN)とネットワーク機能仮想化(NFV)は,支出量を減らすことによって,ソフトウェアベースの制御技術における大きな発展に導いた。サービス機能連鎖(SFC)は,ネットワークサーバにおける効率的な経路を見つけるための重要な技術であり,要求された仮想化ネットワーク機能(VNF)のすべてを処理する。しかし,SFCは複雑な状況でさえ高いサービス品質(QoS)を維持する必要があるので,挑戦的である。深層ニューラルネットワーク(DNN)のような高レベルインテリジェントモデルを有するそのようなタスクに対していくつかの研究が行われているが,それらの手法はネットワークのトポロジー情報を利用するのに効率的でなく,それらのモデルがトポロジーが固定されていると仮定するので,動的に変化するトポロジーを有するネットワークに適用できない。本論文では,ネットワークトポロジーのグラフ構造化特性を考慮したグラフニューラルネットワーク(GNN)に基づくSFCのための新しいニューラルネットワークアーキテクチャを提案した。提案したSFCモデルは符号器と復号器からなり,符号器はネットワークトポロジーの表現を見出し,次に,復号器は近傍ノードの確率とVNFを処理する確率を推定する。実験では,提案アーキテクチャはDNNベースベースラインモデルの以前の性能より優れていた。さらに,GNNベースのモデルを再設計および再訓練なしで新しいネットワークトポロジーに適用することができる。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

計算機網 , 通信網

, ,

前のページに戻る