Resource Adjustment and Failure Recovery Techniques with High Efficient In-band Network Telemetry and Machine Learning for Network Slices

点击翻译按钮获取中文摘要

本研究課題では，5G・IoT サービスでの利用が期待されているネットワークスライシングに対して，変動の激しい大容量トラヒックを収容しながら障害から適切に復旧できるように，INT技術および機械学習を用いた資源調整・障害復旧技術を確立する．今年度は，各ネットワークスライスに対してIn-band Network Telemetry の監視用パケットを確率的に割り当てることで，ネットワーク運用者が冗長なトラヒック増加を抑えつつ容易にネットワークスライスの状況を複数のネットワークスライスに対するネットワーク推定を容易に実現した．さらに，P4プログラムを用いた実験環境も構築した．また，収集したデータを基に深層強化学習を用いた資源割り当て技術を確立した．確立した深層強化学習技術の性能はシミュレーションで評価し，限定された環境ではあるがその有効性を示すことができた．また，サービスチェインで利用する複数のVNFを多段多階層ネットワークスライシングと連携して動的に管理するための技術の検討を行い，特にセキュリティ用のVNFを対象としたVNF配置法とサービスチェイン構成法を確立した．ヒューリスティックアルゴリズムも確立し，その性能評価にも取り組んだ．これらの技術の性能をシミュレーションによって評価し，様々なネットワーク環境下でその有効性を調査した．その結果，深層強化学習を用いた技術については，小規模環境での有効性を示すことができた．また，P4を用いた構築した実験環境において，学習データを収集し，その学習データを対象とした制御技術への拡張も行った．