マルチベンダネットワークにおける計算リソース制御最適化に向けたAI間連携モデル

2022年度は、各々のベンダネットワーク内におけるネットワーク機能（NF）のCPU利用データ分析に着目し、主に下記２点の研究成果をあげた。（１）非線形回帰分析と重回帰分析の機械学習アルゴリズムをカスケード接続して逐次的に自動分析処理を行う Intelligent Model Pipelining (IMP) 技術をPoC実装した。ローカル環境において簡易検証基盤を構築し、仮想NF及びコンテナNFのデータ分析における学習過程を、各々、約２秒以内及び約６秒以内で達成可能であることを立証した。本技術は、特定期間における秒毎のCPU利用率とピーク利用の双方の予測を自動実行できるといったデータ分析高度化に寄与し、さらに学習過程を秒単位で高速に自動実行可能とする。本研究成果を、国際会議 IEEE APNOMS 2022（招待講演）で発表した。（２）上記 IMP技術における第１段目のアルゴリズムとして適用しているサポートベクター回帰について、コンテナNFを対象に、カーネルパラメータの最適値を自動探索する手法及び分析結果を計算リソース調停に適用する手法を提案した。CPU利用の予測誤差とモデルの汎用性の双方のバランスの良いカーネルパラメータ値を明らかにするとともに、数値解析とシミュレーションの結果、二分探索法の適用によって、線形探索法と比較して40～55%ほど探索時間を低減可能であることを示した。本技術は、NFへの計算リソース動的割当に必要な、特定期間での秒毎のCPU利用予測において、比較的汎用的な予測モデルを高速（数秒以内）で自動導出可能とする。本研究成果を、国際会議 IEEE FNWF 2022 で発表した。以上の２つの成果は、NFの計算リソースの利用状況が時々刻々と変動しても、変化に追従した計算リソース動的調整を可能とし、ユーザへのネットワークサービス品質の維持向上に貢献する。

2022年度は、各々のベンダネットワーク内におけるネットワーク機能（NF）のCPU利用データ分析に着目し、主に下記２点の研究成果をあげた。（１）非線形回帰分析と重回帰分析の機械学習アルゴリズムをカスケード接続して逐次的に自動分析処理を行う Intelligent Model Pipelining (IMP) 技術をPoC実装した。ローカル環境において簡易検証基盤を構築し、仮想NF及びコンテナNFのデータ分析における学習過程を、各々、約２秒以内及び約６秒以内で達成可能であることを立証した。本技術は、特定期間における秒毎のCPU利用率とピーク利用の双方の予測を自動実行できるといったデータ分析高度化に寄与し、さらに学習過程を秒単位で高速に自動実行可能とする。本研究成果を、国際会議 IEEE APNOMS 2022（招待講演）で発表した。（２）上記 IMP技術における第１段目のアルゴリズムとして適用しているサポートベクター回帰について、コンテナNFを対象に、カーネルパラメータの最適値を自動探索する手法及び分析結果を計算リソース調停に適用する手法を提案した。CPU利用の予測誤差とモデルの汎用性の双方のバランスの良いカーネルパラメータ値を明らかにするとともに、数値解析とシミュレーションの結果、二分探索法の適用によって、線形探索法と比較して40～55%ほど探索時間を低減可能であることを示した。本技術は、NFへの計算リソース動的割当に必要な、特定期間での秒毎のCPU利用予測において、比較的汎用的な予測モデルを高速（数秒以内）で自動導出可能とする。本研究成果を、国際会議 IEEE FNWF 2022 で発表した。以上の２つの成果は、NFの計算リソースの利用状況が時々刻々と変動しても、変化に追従した計算リソース動的調整を可能とし、ユーザへのネットワークサービス品質の維持向上に貢献する。