Task offloading is a key strategy in Fog Computing (FC). Thedefinition of resource-constrained devices no longer applies to sensors andInternet of Things (IoT) embedded system devices alone. Smart and mobileunits can ...Task offloading is a key strategy in Fog Computing (FC). Thedefinition of resource-constrained devices no longer applies to sensors andInternet of Things (IoT) embedded system devices alone. Smart and mobileunits can also be viewed as resource-constrained devices if the power, cloudapplications, and data cloud are included in the set of required resources. Ina cloud-fog-based architecture, a task instance running on an end device mayneed to be offloaded to a fog node to complete its execution. However, ina busy network, a second offloading decision is required when the fog nodebecomes overloaded. The possibility of offloading a task, for the second time,to a fog or a cloud node depends to a great extent on task importance, latencyconstraints, and required resources. This paper presents a dynamic service thatdetermines which tasks can endure a second offloading. The task type, latencyconstraints, and amount of required resources are used to select the offloadingdestination node. This study proposes three heuristic offloading algorithms.Each algorithm targets a specific task type. An overloaded fog node can onlyissue one offloading request to execute one of these algorithms accordingto the task offloading priority. Offloading requests are sent to a SoftwareDefined Networking (SDN) controller. The fog node and controller determinethe number of offloaded tasks. Simulation results show that the average timerequired to select offloading nodes was improved by 33% when compared tothe dynamic fog-to-fog offloading algorithm. The distribution of workloadconverges to a uniform distribution when offloading latency-sensitive nonurgenttasks. The lowest offloading priority is assigned to latency-sensitivetasks with hard deadlines. At least 70% of these tasks are offloaded to fognodes that are one to three hops away from the overloaded node.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
针对通信网络传输流量调度的难题,创新性地提出结合软件定义网络(Software Defined Network,SDN)与机器学习算法的调度方案,借助SDN控制器的强大功能,全面采集了网络数据层的关键信息。利用先进的机器学习算法,深入分析这些数据,准确预...针对通信网络传输流量调度的难题,创新性地提出结合软件定义网络(Software Defined Network,SDN)与机器学习算法的调度方案,借助SDN控制器的强大功能,全面采集了网络数据层的关键信息。利用先进的机器学习算法,深入分析这些数据,准确预测了未来的网络流量走势。基于这些精准的预测结果,制定了细致入微的流量调度策略,从而实现了网络流量的动态优化和高效管理。实验数据充分证明,与传统方法相比,所提出的方法在降低网络丢包率、提升资源利用率及传输性能等方面均表现出显著优势。这一创新成果不仅有效增强了网络流量的稳定性和规律性,还为通信网络传输流量调度领域开辟了新的研究路径。展开更多
针对激光通信网络在灵活组网管控、动态拓扑及传输时效等方面的需求,提出一种基于软件定义网络(Software Defined Networking,SDN)的激光通信网络管控软件设计方案。该软件通过SDN控制器实现网络集中式策略管理,消除传统网络中控制设备...针对激光通信网络在灵活组网管控、动态拓扑及传输时效等方面的需求,提出一种基于软件定义网络(Software Defined Networking,SDN)的激光通信网络管控软件设计方案。该软件通过SDN控制器实现网络集中式策略管理,消除传统网络中控制设备与转发设备的耦合,采用拓扑识别、智能算路和SDN流量工程等关键技术,完成对激光通信网络的高效管理。实验结果表明,所设计的软件可有效优化激光通信网络资源的弹性分配机制,降低传输时延并增强网络的可扩展性,有效满足激光通信网络动态多变的业务需求。展开更多
探讨基于软件定义网络(Software Defined Network,SDN)的动态流量控制在通信网络安全中的应用。SDN将网络控制平面与数据平面分离,实现可编程和集中化管理。基于SDN的动态流量控制具有实时监测与响应、灵活流量调度、增强安全策略执行...探讨基于软件定义网络(Software Defined Network,SDN)的动态流量控制在通信网络安全中的应用。SDN将网络控制平面与数据平面分离,实现可编程和集中化管理。基于SDN的动态流量控制具有实时监测与响应、灵活流量调度、增强安全策略执行等优势,可用于网络攻击检测和防御、数据泄露防范及网络资源优化分配。通过实时监测异常流量、结合入侵检测系统/入侵防御系统(Intrusion Detection System/Intrusion Prevention System,IDS/IPS)、监控数据流量、加密与访问控制等手段提升安全性,同时实现流量负载均衡和资源分配优化,为通信网络安全提供有力保障。展开更多
探讨软件定义网络(Software Defined Network,SDN)技术在输电网通信网络中的集成与优化,详细分析SDN的原理、控制平面与数据平面分离、网络虚拟化方法。通过网络拓扑优化和流量工程,显著提升了输电网通信网络的可靠性和传输效率。实验...探讨软件定义网络(Software Defined Network,SDN)技术在输电网通信网络中的集成与优化,详细分析SDN的原理、控制平面与数据平面分离、网络虚拟化方法。通过网络拓扑优化和流量工程,显著提升了输电网通信网络的可靠性和传输效率。实验结果显示,SDN技术在提高带宽利用率、降低网络延迟和丢包率方面具有显著优势,为输电网的智能化管理和高效运行提供了技术保障。展开更多
基于IPv6的段路由(segment routing over IPv6,SRv6)作为下一代网络架构的关键使能技术,通过引入灵活的段路由转发平面,为提升网络智能化水平、拓展业务服务能力带来革新机遇.旨在全面梳理近年来SRv6的演进趋势和研究现状.首先,系统总结...基于IPv6的段路由(segment routing over IPv6,SRv6)作为下一代网络架构的关键使能技术,通过引入灵活的段路由转发平面,为提升网络智能化水平、拓展业务服务能力带来革新机遇.旨在全面梳理近年来SRv6的演进趋势和研究现状.首先,系统总结SRv6在网络架构与性能、网络管理与运维以及新兴业务支撑等方面的应用,凸显了SRv6精细调度、灵活编程、服务融合等独特优势.与此同时,深入剖析SRv6在性能与效率、可靠性与安全性、部署与演进策略这3个方面所面临的关键挑战,并重点讨论当前主流的解决思路和发展趋势.最后,立足产业生态构建、人工智能引入、行业融合创新等视角,对SRv6未来的发展方向和挑战进行前瞻性思考和展望.研究成果将为运营商构建开放、智能、安全的新一代网络提供理论参考和实践指导.展开更多
为充分利用SDN(Software Defined Network,软件定义网络)节点的优势来优化网络性能,混合SDN的流量工程成为当前的研究热点,而路由优化是实现流量工程目标的重要策略之一。但是,当前混合SDN的流量工程中未考虑网络整体的负载均衡以及SDN...为充分利用SDN(Software Defined Network,软件定义网络)节点的优势来优化网络性能,混合SDN的流量工程成为当前的研究热点,而路由优化是实现流量工程目标的重要策略之一。但是,当前混合SDN的流量工程中未考虑网络整体的负载均衡以及SDN节点的处理能力。针对上述问题,提出了一种多目标路由优化算法——MCS(Minimum Cost Sum,最小化代价和),综合考虑整个网络的传输延迟与链路利用率,同时保证SDN节点的处理能力满足实际约束,最终实现全网综合性能的最优化。实验结果表明,当网络整体负载较轻,MCS与现有的SOTE(SDN/OSPF Traffic Engineering,软件定义网络/开放最短路径优先流量工程)算法性能相近;而当网络负载加重时,MCS相比于SOTE,可将网络负载降低约9%,因此,MCS算法具有更高的优化能力。展开更多
针对移动数据流量分载问题,提出在SDN架构下综合考虑基站成本和接入点消耗的网络服务成本最小化问题模型。针对基于对偶分解的流量分载算法在收敛速度和隐私安全方面存在的缺陷,提出基于近似雅可比交替方向乘子法（ADMM,alternating dir...针对移动数据流量分载问题,提出在SDN架构下综合考虑基站成本和接入点消耗的网络服务成本最小化问题模型。针对基于对偶分解的流量分载算法在收敛速度和隐私安全方面存在的缺陷,提出基于近似雅可比交替方向乘子法（ADMM,alternating direction method of multipliers）的流量分载算法,所设计的具体实施方案确保了隐私安全。同时,仿真实验表明基于近似雅可比ADMM的算法在收敛速度方面显著优于基于对偶分解的算法。展开更多
基金funded by the Deanship of Scientific Research,Princess Nourah bint Abdulrahman University,through the Program of Research Funding after Publication,Grant No. (PRFA–P–42–10).
文摘Task offloading is a key strategy in Fog Computing (FC). Thedefinition of resource-constrained devices no longer applies to sensors andInternet of Things (IoT) embedded system devices alone. Smart and mobileunits can also be viewed as resource-constrained devices if the power, cloudapplications, and data cloud are included in the set of required resources. Ina cloud-fog-based architecture, a task instance running on an end device mayneed to be offloaded to a fog node to complete its execution. However, ina busy network, a second offloading decision is required when the fog nodebecomes overloaded. The possibility of offloading a task, for the second time,to a fog or a cloud node depends to a great extent on task importance, latencyconstraints, and required resources. This paper presents a dynamic service thatdetermines which tasks can endure a second offloading. The task type, latencyconstraints, and amount of required resources are used to select the offloadingdestination node. This study proposes three heuristic offloading algorithms.Each algorithm targets a specific task type. An overloaded fog node can onlyissue one offloading request to execute one of these algorithms accordingto the task offloading priority. Offloading requests are sent to a SoftwareDefined Networking (SDN) controller. The fog node and controller determinethe number of offloaded tasks. Simulation results show that the average timerequired to select offloading nodes was improved by 33% when compared tothe dynamic fog-to-fog offloading algorithm. The distribution of workloadconverges to a uniform distribution when offloading latency-sensitive nonurgenttasks. The lowest offloading priority is assigned to latency-sensitivetasks with hard deadlines. At least 70% of these tasks are offloaded to fognodes that are one to three hops away from the overloaded node.
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。
文摘针对通信网络传输流量调度的难题,创新性地提出结合软件定义网络(Software Defined Network,SDN)与机器学习算法的调度方案,借助SDN控制器的强大功能,全面采集了网络数据层的关键信息。利用先进的机器学习算法,深入分析这些数据,准确预测了未来的网络流量走势。基于这些精准的预测结果,制定了细致入微的流量调度策略,从而实现了网络流量的动态优化和高效管理。实验数据充分证明,与传统方法相比,所提出的方法在降低网络丢包率、提升资源利用率及传输性能等方面均表现出显著优势。这一创新成果不仅有效增强了网络流量的稳定性和规律性,还为通信网络传输流量调度领域开辟了新的研究路径。
文摘针对激光通信网络在灵活组网管控、动态拓扑及传输时效等方面的需求,提出一种基于软件定义网络(Software Defined Networking,SDN)的激光通信网络管控软件设计方案。该软件通过SDN控制器实现网络集中式策略管理,消除传统网络中控制设备与转发设备的耦合,采用拓扑识别、智能算路和SDN流量工程等关键技术,完成对激光通信网络的高效管理。实验结果表明,所设计的软件可有效优化激光通信网络资源的弹性分配机制,降低传输时延并增强网络的可扩展性,有效满足激光通信网络动态多变的业务需求。
文摘探讨软件定义网络(Software Defined Network,SDN)技术在输电网通信网络中的集成与优化,详细分析SDN的原理、控制平面与数据平面分离、网络虚拟化方法。通过网络拓扑优化和流量工程,显著提升了输电网通信网络的可靠性和传输效率。实验结果显示,SDN技术在提高带宽利用率、降低网络延迟和丢包率方面具有显著优势,为输电网的智能化管理和高效运行提供了技术保障。
文摘基于IPv6的段路由(segment routing over IPv6,SRv6)作为下一代网络架构的关键使能技术,通过引入灵活的段路由转发平面,为提升网络智能化水平、拓展业务服务能力带来革新机遇.旨在全面梳理近年来SRv6的演进趋势和研究现状.首先,系统总结SRv6在网络架构与性能、网络管理与运维以及新兴业务支撑等方面的应用,凸显了SRv6精细调度、灵活编程、服务融合等独特优势.与此同时,深入剖析SRv6在性能与效率、可靠性与安全性、部署与演进策略这3个方面所面临的关键挑战,并重点讨论当前主流的解决思路和发展趋势.最后,立足产业生态构建、人工智能引入、行业融合创新等视角,对SRv6未来的发展方向和挑战进行前瞻性思考和展望.研究成果将为运营商构建开放、智能、安全的新一代网络提供理论参考和实践指导.
文摘针对移动数据流量分载问题,提出在SDN架构下综合考虑基站成本和接入点消耗的网络服务成本最小化问题模型。针对基于对偶分解的流量分载算法在收敛速度和隐私安全方面存在的缺陷,提出基于近似雅可比交替方向乘子法（ADMM,alternating direction method of multipliers）的流量分载算法,所设计的具体实施方案确保了隐私安全。同时,仿真实验表明基于近似雅可比ADMM的算法在收敛速度方面显著优于基于对偶分解的算法。
