软件定义网络(software defined network,SDN)是一种新兴的网络范式,其解耦了控制平面和数据平面,实现了网络管理的灵活性。然而,控制平面的逻辑集中化带来了新的挑战,即在各种故障情况下确保较高的可用性。文章在带内控制平面的前提下...软件定义网络(software defined network,SDN)是一种新兴的网络范式,其解耦了控制平面和数据平面,实现了网络管理的灵活性。然而,控制平面的逻辑集中化带来了新的挑战,即在各种故障情况下确保较高的可用性。文章在带内控制平面的前提下,提出一种控制平面恢复方法,该方法重复利用旧的控制路径规则,并建立相应的数学模型;最终提出一种考虑复用控制规则的树形恢复算法,并证明当控制路径以最短路径树的形式部署时,算法的近似度为3。实验结果表明,该方法具有较高的有效性。展开更多
针对工业物联网中业务需求多样性和服务质量(Quality of Service,QoS)要求差异性导致的网络资源利用低问题,提出一种基于深度强化学习的网络切片资源分配策略。该策略运用深度强化学习优化网络切片资源分配的准入控制,通过智能体在特定...针对工业物联网中业务需求多样性和服务质量(Quality of Service,QoS)要求差异性导致的网络资源利用低问题,提出一种基于深度强化学习的网络切片资源分配策略。该策略运用深度强化学习优化网络切片资源分配的准入控制,通过智能体在特定时间窗口内处理资源请求,并根据不同网络切片的QoS要求及请求准入结果进行资源的动态分配。实验结果表明,所提策略相比基准算法在提高网络收益、资源利用率和接收率方面分别提升了8.33%、9.84%和8.57%。该策略能够在保证服务质量的同时提高整个网络的效率和性能。展开更多
软件定义网络(Software Defined Network,SDN)是一种革命性的通信网络架构,极大地提高了网络的灵活性和可管理性。然而,SDN面临着众多的数据共享安全威胁和机制缺陷。为了解决这些问题,区块链作为一种去中心化、不可篡改、数据多方维护...软件定义网络(Software Defined Network,SDN)是一种革命性的通信网络架构,极大地提高了网络的灵活性和可管理性。然而,SDN面临着众多的数据共享安全威胁和机制缺陷。为了解决这些问题,区块链作为一种去中心化、不可篡改、数据多方维护的分布式数据账本,提供了潜在的解决方案。首先简要介绍了SDN的基本概念以及在数据共享方面的需求,接着分析了区块链在提升数据安全共享方面的优势。根据安全信任框架、共享数据校验、跨域信息共识和节点安全防护等四个安全应用分类,系统地调研基于区块链的SDN网络数据安全共享的最新研究进展,并突出对比了各种解决方案的主要特性。然后从系统性能角度,分析基于区块链的解决方案可靠性。最后,从隐私保护、认证机制、共识安全和性能效率方面展望了未来的研究工作方向。展开更多
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
文摘软件定义网络(software defined network,SDN)是一种新兴的网络范式,其解耦了控制平面和数据平面,实现了网络管理的灵活性。然而,控制平面的逻辑集中化带来了新的挑战,即在各种故障情况下确保较高的可用性。文章在带内控制平面的前提下,提出一种控制平面恢复方法,该方法重复利用旧的控制路径规则,并建立相应的数学模型;最终提出一种考虑复用控制规则的树形恢复算法,并证明当控制路径以最短路径树的形式部署时,算法的近似度为3。实验结果表明,该方法具有较高的有效性。
文摘针对工业物联网中业务需求多样性和服务质量(Quality of Service,QoS)要求差异性导致的网络资源利用低问题,提出一种基于深度强化学习的网络切片资源分配策略。该策略运用深度强化学习优化网络切片资源分配的准入控制,通过智能体在特定时间窗口内处理资源请求,并根据不同网络切片的QoS要求及请求准入结果进行资源的动态分配。实验结果表明,所提策略相比基准算法在提高网络收益、资源利用率和接收率方面分别提升了8.33%、9.84%和8.57%。该策略能够在保证服务质量的同时提高整个网络的效率和性能。
文摘软件定义网络(Software Defined Network,SDN)是一种革命性的通信网络架构,极大地提高了网络的灵活性和可管理性。然而,SDN面临着众多的数据共享安全威胁和机制缺陷。为了解决这些问题,区块链作为一种去中心化、不可篡改、数据多方维护的分布式数据账本,提供了潜在的解决方案。首先简要介绍了SDN的基本概念以及在数据共享方面的需求,接着分析了区块链在提升数据安全共享方面的优势。根据安全信任框架、共享数据校验、跨域信息共识和节点安全防护等四个安全应用分类,系统地调研基于区块链的SDN网络数据安全共享的最新研究进展,并突出对比了各种解决方案的主要特性。然后从系统性能角度,分析基于区块链的解决方案可靠性。最后,从隐私保护、认证机制、共识安全和性能效率方面展望了未来的研究工作方向。
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。
