文献

J-GLOBAL ID：202202260531164995   整理番号：22A0959955

5Gにおけるブロックチェーン可能リソース取引と深層強化学習ベース自律RANスライシング【JST・京大機械翻訳】

Blockchain-Enabled Resource Trading and Deep Reinforcement Learning-Based Autonomous RAN Slicing in 5G

著者 (6件)： Boateng Gordon Owusu (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Ayepah-Mensah Daniel (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Doe Daniel Mawunyo (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Mohammed Abegaz (School of Mathematics, Zhejiang Normal University, Jinhua, China) ,  Sun Guolin (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Liu Guisong (School of Economic Information Engineering, Southwestern University of Finance and Economics, Chengdu, China)
資料名： IEEE Transactions on Network and Service Management  (IEEE Transactions on Network and Service Management)
巻： 19  号： 1  ページ： 216-227  発行年： 2022年 
JST資料番号： W2434A  ISSN： 1932-4537  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： 無線アクセスネットワーク(RAN)スライシングの出現は,5Gとそれ以上で単一インフラストラクチャに異なる仮想化ネットワークを収容するための新しいパラダイムとして想像されている。その結果,インフラストラクチャプロバイダ(InP)は,効果的な資源管理のために,それらの部分学習資源を共有するための仮想化ネットワークを望む。それにもかかわらず,無線ネットワークにおけるセキュリティとプライバシーの課題は,資源取引のために互いに協力して協力する。最近,ブロックチェーン技術は,そのセキュリティ特性のおかげで,安全な資源取引のために圧倒的に注目されている。本論文は,5G RANにおける自律資源スライシングのために,ピアツーピア(P2P)モバイル仮想ネットワークオペレータ(MVNO)の間のブロックチェーンベースの資源取引のための新規な階層的フレームワークを提案した。特に,ハイパーレッダースマート契約(SC)をサポートするコンソーシアムブロックチェーンネットワークを,売り手と買い手MVNOの間の安全な資源取引を設定するために配備した。公正なインセンティブ機構を設計する目的で,販売者と買い手の価格決定と需要問題を,2段階Stackelbergゲームとしてモデル化し,そこでは,売り手MVNOがリーダであり,買い手MVNOが追従者である。定式化されたゲームのためのStackelberg平衡(SE)を達成するために,交渉間隔における自律資源割付のための最適価格決定と需要政策を達成するために,lingり深いQネットワーク(Dueling DQN)方式を設計した。包括的なシミュレーション結果分析は,提案した方式が資源取引設定において12%だけ二重支出攻撃を減らし,プレーヤーのユーティリティを最大化することを証明した。また,提案した方式は,スライスとシステムレベル満足と資源利用に関して,深いQ-Network(DQN),Q-学習(QL)と greedy欲アルゴリズム(GA)より優れている。Copyright 2022 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： アルゴリズム ,  シミュレーション ,  価格決定 ,  *学習 ,  ゲーム ,  通信網 ,  ネットワーク ,  資源割付 ,  モデリング ,  無線伝送 ,  *取引 ,  インフラストラクチャー ,  定式化 ,  携帯電話 ,  サイバー攻撃
準シソーラス用語： 無線ネットワーク ,  仮想化 , 【Automatic Indexing@JST】

分類 (2件)： 無線通信一般  (ND08010L) ,  ゲーム理論  (KA03060T)

タイトルに関連する用語 (8件)： 5G ,  ブロックチェーン ,  リソース ,  取引 ,  深層強化学習 ,  自律 ,  Ran ,  スライシング