-
公开(公告)号：CN114760202A
公开(公告)日：2022-07-15
申请号：CN202210210347.3
申请日：2022-03-04
Applicant: 重庆邮电大学
IPC: H04L41/082 , H04L41/0823 , H04L41/0895
Abstract: 本发明涉及一种网络切片场景下服务功能链可靠构建与部署方法，属于移动通信技术领域。该方法为：在网络切片场景下，对多个服务请求下的服务功能链SFC进行可靠构建，采用基于共享虚拟网络功能VNF的SFC可靠构建算法，通过VNF的依赖关系及可共享次数构建服务功能图SFG，选择可靠性最高的SFG，完成多个网络切片服务请求的SFC构建；基于SFG的构建结果对其进行可靠映射，采用基于延迟感知和可靠的SFG映射算法，对SFG中的VNF进行映射及备份以满足用户的可靠性需求，并使用基于节点重要度的启发式算法，以在多项式时间内找寻映射方案的最优解。本发明能保证网络中SFC可靠性，有效减少网络资源消耗和整体服务成本。
-
公开(公告)号：CN114423035A
公开(公告)日：2022-04-29
申请号：CN202210031530.7
申请日：2022-01-12
Applicant: 重庆邮电大学
IPC: H04W24/08 , H04L41/0893 , H04L41/14
Abstract: 本发明涉及一种网络切片场景下服务功能链异常检测方法，属于移动通信技术领域。该方法包括为：构建分布式异常检测架构；为挖掘易于网络进行学习的数据深层次特征，对每个VNF中的数据进行特征提取，采用滑动窗口捕获时间序列数据之间的关系；由于VNF数据中存在类不平衡问题，采用生成对抗网络(GAN)学习正常数据特征，并结合时间卷积网络(TCN)和自动编码器(AE)以提升GAN对数据特征的学习能力；采用异常得分函数评判VNF的状态，进而完成对SFC的异常检测。本发明的技术方案可以提供较高的检测准确性和稳定性，快速应对网络因受到攻击而产生的数据异常，提升整体虚拟网络的鲁棒性，增强网络安全性。
-
Patent Agency Ranking
公开(公告)号：CN113490254B
公开(公告)日：2022-03-29
申请号：CN202110919085.3
申请日：2021-08-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于联邦学习双向GRU资源需求预测的VNF迁移方法，属于移动通信技术领域。该方法包括：S1：在网络切片场景下，考虑时变网络流量引起的VNF迁移问题和对VNF的资源需求缺乏预测引起的VNF迁移时延问题，采用FedBi‑GRU算法预测VNF的资源需求；S2：根据资源需求预测结果，计算物理节点的资源利用率，判定网络系统中资源使用过载或者资源使用轻载的物理节点，通过VNF迁移，在保证网络性能的同时实现系统能耗优化和负载均衡；S3：采用DPPO的深度强化学习方法得到VNF迁移的最优决策。本发明能减少虚拟网络功能的迁移次数并降低网络系统能耗，可以保证网络系统的负载均衡。
-
公开(公告)号：CN114374605A
公开(公告)日：2022-04-19
申请号：CN202210031538.3
申请日：2022-01-12
Applicant: 重庆邮电大学
IPC: H04L41/0823 , H04L41/0894 , H04L41/14 , H04L41/147 , H04L41/40 , H04L43/0876
Abstract: 本发明涉及一种网络切片场景下服务功能链动态调整和迁移方法，属于移动通信技术领域。该方法为：S1：在网络切片场景下，考虑由于业务请求变化导致的流量改变，进而引起SFC的迁移问题和对SFC的资源需求缺乏预测而引起的SFC迁移带来的迁移连锁反应，采用一种基于集成深度神经网络算法预测流量变化情况；S2：建立计算、内存、带宽资源约束下的SFC迁移惩罚最小化模型；S3：将流量预测结果转化为SFC未来的资源请求情况，并感知物理节点和链路资源占用情况，通过SFC的迁移，最小化最优策略；S4：得到SFC迁移的最优策略。采用本方法能够降低运营商惩罚，减少迁移连锁反应发生的概率，保证服务可靠性。
-
公开(公告)号：CN113490254A
公开(公告)日：2021-10-08
申请号：CN202110919085.3
申请日：2021-08-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于联邦学习双向GRU资源需求预测的VNF迁移方法，属于移动通信技术领域。该方法包括：S1：在网络切片场景下，考虑时变网络流量引起的VNF迁移问题和对VNF的资源需求缺乏预测引起的VNF迁移时延问题，采用FedBi‑GRU算法预测VNF的资源需求；S2：根据资源需求预测结果，计算物理节点的资源利用率，判定网络系统中资源使用过载或者资源使用轻载的物理节点，通过VNF迁移，在保证网络性能的同时实现系统能耗优化和负载均衡；S3：采用DPPO的深度强化学习方法得到VNF迁移的最优决策。本发明能减少虚拟网络功能的迁移次数并降低网络系统能耗，可以保证网络系统的负载均衡。
-
公开(公告)号：CN114726743A
公开(公告)日：2022-07-08
申请号：CN202210218608.6
申请日：2022-03-04
Applicant: 重庆邮电大学
IPC: H04L41/14 , H04L41/0894 , G06N20/00
Abstract: 本发明涉及一种基于联邦强化学习的服务功能链部署方法，属于移动通信技术领域，包括以下步骤：S1：在云边协同网络场景下，联合网络边缘端和云端共同进行服务功能链SFC部署，实现部署成本和部署能耗联合优化；S2：对时延敏感和资源密集这两大类型的物联网网络应用请求，分别建立两种不同时间尺度的基于参数化深度Q学习P‑DQN的本地SFC部署算法；S3：根据步骤S2得到的多个本地P‑DQN算法参数，建立一种基于联邦学习的全局SFC部署模型训练方法，对时延敏感型的小时间尺度SFC部署建立一种基于窗口值的异步联邦参数聚合方式，对资源密集型的大时间尺度SFC部署建立一种弹性参数更新的同步联邦参数聚合方式。
-
公开(公告)号：CN114390489A
公开(公告)日：2022-04-22
申请号：CN202210210350.5
申请日：2022-03-04
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种端到端网络切片的服务化部署方法，属于移动通信技术领域。该方法包括：S1：构建基于复杂网络理论模型的拓扑信息感知算法；S2：根据拓扑信息定义节点重要性度量指标，分析基础设施网络中物理节点拓扑特性并制定节点部署算法和链路映射算法；S3：最后考虑由于不同服务需求导致的不同部署优化目标，分别为eMBB、mMTC和uRLLC三种类型切片构建专属优化目标模型及主要部署目标模型。本发明能够在保证切片满足各种应用场景服务需求的同时，有效降低网络切片部署成本和部署时间，提高资源利用率。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
