ネットワーク差別化QoSとセキュリティ要求のためのVNEソリューション:深層強化学習の展望から【JST・京大機械翻訳】

Wang Chao; Batth Ranbir Singh; Zhang Peiying; Aujla Gagangeet Singh; Duan Youxiang; Ren Lihua

プレプリント

J-GLOBAL ID：202202209765818673 整理番号：22P0283974

ネットワーク差別化QoSとセキュリティ要求のためのVNEソリューション:深層強化学習の展望から【JST・京大機械翻訳】

VNE Solution for Network Differentiated QoS and Security Requirements: From the Perspective of Deep Reinforcement Learning

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 (6件)： , , , , ,
資料名：
発行年： 2022年02月02日プレプリントサーバーでの情報更新日： 2022年02月02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)

ネットワークサービスの急速な発展と展開は,研究者に一連の挑戦をもたらした。一方では,インターネットエンドユーザ/アプリケーションのニーズは,旅行外来の特性を反映して,それらはサービス品質の種々の展望を追求する。他方,大きなデータの時代における情報の爆発的成長によって,多くの個人情報をネットワークに保存する。エンドユーザ/アプリケーションは,ネットワークセキュリティに注意を払い始める。サービス(QoS)とセキュリティの差別化品質の要求を満たすために,本論文は,基板ネットワークのCPU,帯域幅,遅れとセキュリティ属性を狙って,深い強化学習(DRL)に基づく仮想ネットワーク埋込み(VNE)アルゴリズムを提案した。DRLエージェントは,上記の属性によって構築されたネットワーク環境において訓練される。目的は,各基板ノードのマッピング確率を推定し,この確率に従って仮想ノードを写像することである。最後に,幅第一戦略(BFS)を用いて仮想リンクをマッピングした。実験段階において,DRLに基づくアルゴリズムを,長期平均収入,長期収入消費比率,および受容率という3つの観点で他の代表的アルゴリズムと比較した。結果は,本論文で提案したアルゴリズムが良好な実験結果を達成して,それは,アルゴリズムがエンドユーザ/アプリケーション差別化QoSとセキュリティ要求を解決するのに効果的に適用できることを証明した。【JST・京大機械翻訳】

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

データ保護 , 計算機網

, , , , ,

前のページに戻る