针对SDN流量工程中流量预测基于静态时空依赖的问题,提出了一种基于注意力机制的图卷积神经网络(GCN)与门控递归单元(GRU)集成的动态网络流量预测方法——AGCNGRU(attention mechanism for GCNGRU model)。借助GCN捕获网络中节点之间的...针对SDN流量工程中流量预测基于静态时空依赖的问题,提出了一种基于注意力机制的图卷积神经网络(GCN)与门控递归单元(GRU)集成的动态网络流量预测方法——AGCNGRU(attention mechanism for GCNGRU model)。借助GCN捕获网络中节点之间的流量空间依赖性和GRU捕获流量经过网络中各节点的时间依赖性,通过时间注意力机制设计每个隐藏状态的权重,以调整时间点流量信息的重要性,同时通过数据驱动空间注意力机制动态自适应调整Laplace矩阵,实现动态提取网络信息数据时空相关性,最终完成动态流量精准预测。在GEANT的数据集上的实验表明,所提出的方法在均方误差方面比GCNGRU减少24.8%,比GRU减少66.4%,并通过与传统路由算法OSPF、DDPG算法比较,在90%的流量负载强度下,网络性能比OSPF提升了24%,比DDPG提升了8.1%,进一步说明了AGCNGRU算法网络流量准确预测带来的时效性和有效性。展开更多
为解决软件定义无人机自组网路由维护存在的控制开销和数据包延迟偏大的问题,基于现有的OpenFlow协议提出了一种高效自适应的软件定义无人机自组网路由维护机制(Efficient and Adaptive Software-defined Unmanned Aerial Vehicle Ad Ho...为解决软件定义无人机自组网路由维护存在的控制开销和数据包延迟偏大的问题,基于现有的OpenFlow协议提出了一种高效自适应的软件定义无人机自组网路由维护机制(Efficient and Adaptive Software-defined Unmanned Aerial Vehicle Ad Hoc Network Routing Maintenance Mechanism Based on OpenFlow Protocol,OpenFlow-EARM)。新机制采用基于距离估计的自适应转发策略,根据无人机节点的历史流表项信息估算并选择时延最低的方式转发流表项缺失数据包,降低数据包传输时延;同时在路由维护过程中采用了基于周期恢复的消息聚合策略,减少控制包的发包次数,从而降低网络控制开销。仿真结果表明,新机制的平均端到端时延、网络控制开销和丢包率等方面性能优于现有的最优化链路状态路由(Optimal Link State Routing,OLSR)协议和OpenFlow协议。展开更多
文摘针对SDN流量工程中流量预测基于静态时空依赖的问题,提出了一种基于注意力机制的图卷积神经网络(GCN)与门控递归单元(GRU)集成的动态网络流量预测方法——AGCNGRU(attention mechanism for GCNGRU model)。借助GCN捕获网络中节点之间的流量空间依赖性和GRU捕获流量经过网络中各节点的时间依赖性,通过时间注意力机制设计每个隐藏状态的权重,以调整时间点流量信息的重要性,同时通过数据驱动空间注意力机制动态自适应调整Laplace矩阵,实现动态提取网络信息数据时空相关性,最终完成动态流量精准预测。在GEANT的数据集上的实验表明,所提出的方法在均方误差方面比GCNGRU减少24.8%,比GRU减少66.4%,并通过与传统路由算法OSPF、DDPG算法比较,在90%的流量负载强度下,网络性能比OSPF提升了24%,比DDPG提升了8.1%,进一步说明了AGCNGRU算法网络流量准确预测带来的时效性和有效性。
文摘为解决软件定义无人机自组网路由维护存在的控制开销和数据包延迟偏大的问题,基于现有的OpenFlow协议提出了一种高效自适应的软件定义无人机自组网路由维护机制(Efficient and Adaptive Software-defined Unmanned Aerial Vehicle Ad Hoc Network Routing Maintenance Mechanism Based on OpenFlow Protocol,OpenFlow-EARM)。新机制采用基于距离估计的自适应转发策略,根据无人机节点的历史流表项信息估算并选择时延最低的方式转发流表项缺失数据包,降低数据包传输时延;同时在路由维护过程中采用了基于周期恢复的消息聚合策略,减少控制包的发包次数,从而降低网络控制开销。仿真结果表明,新机制的平均端到端时延、网络控制开销和丢包率等方面性能优于现有的最优化链路状态路由(Optimal Link State Routing,OLSR)协议和OpenFlow协议。
