XiaoMi-AI文件搜索系统
World File Search SystemVNF
基于图神经网络的图形结构SFC的节能VNF部署，并限制了深度强化学习
摘要 - 网络函数虚拟化（NFV），该函数将网络函数从硬件中解除，并将其转换为独立于硬件的虚拟网络函数（VNF），是许多新兴网络域，例如5G，Edge，Edge Computing和Data-Center网络。服务功能链（SFC）是VNF的有序集。VNF部署问题是在SFC中找到最佳的部署策略VNF，同时保证服务级协议（SLA）。现有的VNF部署研究主要关注无能量考虑的VNF序列。但是，随着用户和应用程序要求的快速开发，SFC从序列到动态图，服务提供商对NFV的能源消耗越来越敏感。因此，在本文中，我们确定了能节能的图形结构的SFC问题（EG-SFC），并将其作为组合优化问题（COP）提出。受益于COP机器学习的最新进展，我们提出了一个基于约束深度强化学习（DRL）方法的端到端图神经网络（GNN）来求解EG-SFC。我们的方法利用图形卷积网络（GCN）表示DRL中的双重Q-Network（DDQN）的Q网络。提出了掩模机制来处理COP中的资源约束。实验结果表明，所提出的方法可以处理看不见的SFC图，并且比贪婪的算法和传统DDQN更好地表现出更好的性能。
海报：面向网络功能虚拟化的可解释人工智能
网络功能虚拟化 (NFV) 是指在虚拟化 IT 基础架构中将网络功能作为软件化的虚拟网络功能 (VNF) 运行的过程。目前，一些电信服务提供商正从这一概念中受益，因为它能够更快地引入新的网络服务，从而满足不断变化的需求。紧随云服务提供商最初采用的趋势，电信服务提供商也正在将 VNF 分解为微服务（𝜇 服务）。然而，能够管理大量多样化和敏感的网络功能的𝜇基于服务的架构需要新的基于人工智能 (AI) 的方法来应对𝜇基于服务的 NFV 范式的复杂性。本文重点介绍如何使用可解释的人工智能 (XAI) 逐步迁移到 NFV 中的𝜇基于服务的架构。本文首先确定了 XAI 将 NFV 架构转变为 μ基于服务的架构的必要性，然后描述了我们的一些研究目标。之后，我们提出了初步方法和长期愿景。
AF_XDP 套接字：适用于云的高性能网络
云原生技术和原则是将称为云原生网络功能 (CNF) 的网络工作负载扩展到大型云规模的好方法。这项技术正在迅速取代基于虚拟化技术的网络功能虚拟化 (NFV) 及其虚拟网络功能 (VNF)。NFV 难以扩展、升级缓慢、重启缓慢。另一方面，云原生使用 Linux 容器，这些容器只是常规进程，对操作系统及其资源的视图有限。CNF 和 VNF 之间的一个主要区别是，使用 CNF，您通常无法控制它所运行的操作系统。您的 CNF 可以与同一系统上的其他 CNF 和进程共存，甚至可以与公共云提供商中的同一核心共存。为了使云原生提供所需的安全性和共存要求，它必须保留 Linux 安全模型，不需要特定的执行模型，也不需要可能不存在或已被其他东西占用的资源。基本上，它总是独立于环境工作。问题在于，当前提供高速原始数据包网络的技术是基于 SR-IOV 和 SIOV 与用户空间驱动程序相结合，而这些技术需要特定的资源和执行模型，而这些资源和模型在公共云系统中通常无法保证。那么问题是，我们如何为不基于 SR-IOV 或 SIOV 与用户空间驱动程序相结合的 CNF 提供高速网络？
云雷达：电信行业报告
电信公司最初将后台 IT 功能外包，现在已发展到迁移网络工作负载。2012 年，AT&T、德国电信、Orange 和其他主要运营商采用了网络功能虚拟化 (NFV) 框架和虚拟化网络功能 (VNF) 应用程序，这是一个关键的转变。这些基于 NFV 基础设施构建的应用程序现在是云原生的，可以虚拟化传统上由硬件执行的任务和功能，例如路由、防火墙、负载平衡和加密。
云原生数据平面 (CNDP) - 概述
人们对与云原生范式更契合的数据平面软件开发环境的需求正在快速增长。虚拟化数据包处理应用程序可能难以通过云原生平台有效地自动化和编排，因为它们具有专用的资源需求、复杂的软件管理模型（驱动程序、内核、软件版本和固件）以及调试和监控的难度。这些限制与云原生设计原则是正交的。因此，没有明确的路径从虚拟网络功能 (VNF) 迁移到云原生网络功能 (CNF)，导致创建复杂的部署和管理模型来运行移植的应用程序和服务。这些遗留应用程序不是为云原生范式设计的，并且正在追溯适应这个世界。
在边缘网络中启用多播切片
摘要 — 电信网络正在经历一场颠覆性的转变，转向在用户附近具有虚拟化网络功能 (VNF)（例如防火墙、入侵检测系统 (IDS) 和转码器）的分布式移动边缘网络。这一转变将使网络服务（尤其是物联网应用）能够作为具有一系列 VNF 的网络切片进行配置，以保证其连续数据和控制流的性能和安全性。在本文中，我们研究了边缘网络中物联网应用多播流量的延迟感知网络切片问题。我们首先通过将问题转化为整数线性规划 (ILP) 来提出精确解。我们进一步设计了一种具有近似比的近似算法，用于单个多播切片的延迟感知网络切片问题，目标是在网络切片的延迟要求约束下最小化其实施成本。给定多个多播切片请求，我们还提出了一种有效的启发式算法，通过探索总计算资源需求和延迟要求之间的非平凡相互作用的影响，可以接纳尽可能多的用户请求。然后，我们研究了具有给定延迟保证级别的延迟导向网络切片问题，考虑到不同类型的物联网应用具有不同级别的延迟要求，我们提出了一种基于强化学习 (RL) 的有效启发式算法。最后，我们通过模拟和在实际测试平台上的实现来评估所提算法的性能。实验结果表明，所提出的算法很有前景。
TS 128 310 - V18.6.0 - LTE；5G
6 能效解决方案 ................................................................................................................................................ 20 6.1 移动网络数据能效评估解决方案 .............................................................................................................. 20 6.1.1 NG-RAN 能效 ...................................................................................................................................... 20 6.1.2 网络切片能效 ...................................................................................................................................... 21 6.1.2.1 简介 ...................................................................................................................................................... 21 6.1.2.2 空隙 ...................................................................................................................................................... 22 6.1.2.3 空隙 ...................................................................................................................................................... 22 6.1.2.4 空隙 ...................................................................................................................................................... 22 6.1.2.5 空隙 ...................................................................................................................................................... 22 6.2 节能解决方案 ................................................................................................................................................ 22 6.2.1 概述 ...................................................................................................................................................... 22 6.2.2 集中节能解决方案 ................................................................................................................................ 23 6.2.2.1 程序 ................................................................................................................................................ 23 6.2.2.1.1 节能激活 ................................................................................................................................ 23 6.2.2.1.2 节能停用 ................................................................................................................................ 24 6.2.2.2 管理服务 ...................................................................................................................................... 24 6.2.2.2.1 MnS 组件类型 A ...................................................................................................................... 24 6.2.2.2.2 MnS 组件类型 B ...................................................................................................................... 25 6.2.2.2.2.1 目的和指标 .............................................................................................................................25 6.2.2.2.2.2 控制信息 ...................................................................................................................................... 25 6.2.2.2.3 MnS 组件类型 C ............................................................................................................................. 25 6.2.2.2.3.1 需要优化的参数 ............................................................................................................................. 25 6.2.2.2.3.2 性能测量 ............................................................................................................................. 25 6.2.3 分布式节能解决方案 ............................................................................................................................. 28 6.2.3.0 用于分布式 SON ES 解决方案的管理服务组件 ............................................................................. 28 6.2.3.1 管理服务 ............................................................................................................................................. 28 6.2.3.1.1 MnS 组件类型 A ............................................................................................................................. 28 6.2.3.1.2 MnS 组件类型 B ............................................................................................................................. 28 6.2.3.1.2.1 目的和指标 ...................................................................................................................................... 28 6.2.3.1.2.2 控制信息 ...................................................................................................................................... 29 6.2.3.1.3 MnS 组分类型 C ............................................................................................................................. 29 6.2.3.1.3.1 需要优化的参数 ............................................................................................................................. 29 6.2.3.1.3.2 性能测量 ...................................................................................................................................... 29 6.2.3.2 程序 ...................................................................................................................................................... 32 6.2.3.2.1 节能激活 ............................................................................................................................................. 32 6.2.3.2.2 节能停用 ............................................................................................................................................. 32 6.3 能耗解决方案 ............................................................................................................................................. 33 6.3.1 PNF 能耗解决方案........................................................................................................... 33 6.3.2 VNF/VNFC 能耗解决方案 .........................................................................................................33 6.3.2.1 简介 ................................................................................................................................................ 33 6.3.2.2 基于 VM 的 VNF/VNFC 解决方案 ........................................................................................................ 34 6.3.2.2.1 基于虚拟计算资源 vCPU 使用率的解决方案 ................................................................................ 34 6.4 意图驱动的 RAN 节能解决方案 ............................................................................................................. 35
从标准到算法 - 电子档案
网络控制、管理和编排需要在网络功能虚拟化 (NFV) 基础设施中动态放置、配置和调配虚拟网络功能 (VNF)。这些操作的复杂性大大超过了传统 4G LTE 网络中的等效任务。在那里，一刀切的核心和无线接入网络域中相对有限的变量数量适应了主要依赖专家监控和干预的管理模式。相反，传统的以人为本的方法在虚拟化的 5G 网络中几乎不可行，因为异构移动服务、多样化网络需求和租户定义的管理策略共存，需要专门的和随时间变化的基础设施部署。这反过来又要求在网络的控制、管理和编排方面采用自动化解决方案。人工智能 (AI) 是支持新兴的自主网络运营和管理需求的自然选择。3GPP 和其他标准开发组织 (SDO) 已开始规划将 AI 集成到移动网络架构中的道路。这一过程始于在网络基础设施中有效收集数据并从这些数据中进行知识推理，这对于有效的 AI 辅助决策至关重要。从这个意义上说，SDO 正在努力定义基于 AI 的数据分析框架，这些框架适用于自主和高效的移动网络控制、管理和编排。例如，3GPP 已将以下模块纳入其标准化架构：(i) 网络数据
洪水风险分析：-Theses.fr
感谢：Anne Rozan、Robert Mosé 和 Sylvain Payraudeau，他们陪伴我完成了整个论文工作，帮助我提出好问题并开发回答这些问题所需的方法工具；Beatrice Pipart (CUS)、Nicolas Kreis (CG68) 和 Régis Creusot (DREAL Alsace) 在研究期间探讨的案例研究的数据和知识方面做出了宝贵贡献；论文指导委员会的所有成员，Roland Nussbaum (MNR)、Guy Rouas (VNF)、Frédéric Grelot (IRSTEA)、Thierry Leviandier (LHyGeS-ENGEES)；Yves Kovacs (SEPIA Conseil)、Thierry Lepelletier (Hydratec) 和 Mathieu Hellegouarch (DHI group) 在实施模型方面提供的想法和支持； Daniel Martinez、Yi Zhang、Alicia Martinez、Raul Gauna、Cyriaque Hattemer 和 Mathieu Dupont，这些实习生对本研究的发展做出了直接贡献；Eric Sauquet (IRSTEA)、Jean-Claude Deutsch (LEESU-ENPC) 和 Heiko Apel (GFZ- Potsdam) 提供的方法论建议；我的论文委员会所有成员对我所开展的研究工作的赞赏；UMR GESTE 的所有成员接待我加入他们的团队；我在这段时间遇到的博士生同学 / 年轻医生，从他们身上我学到了很多关于各种主题的知识；所有以这样或那样的方式为本研究的科学发展做出贡献并为本研究的实现创造良好环境的人；MAIF 基金会提供资金支持。