XiaoMi-AI文件搜索系统
World File Search System数据平面
量子数据平面开销对吞吐量的影响
当前，尽管仍然缺少量子数据平面和量子控制平面之间的标准区别，但初步工作表明，在功能上，以单个Qubits和纠缠对的粒度运行的经典控制消息是在功能上，而与控制平面消息更接近经典数据包头。因此，通过为其整体开销做出贡献，它们被视为量子数据平面的一部分。因此，需要在量子互联网中重新定义吞吐量的概念。这篇论文的目的是阐明这一关键方面。具体来说，我们进行了理论分析，以了解确定量子数据平面上开销的因素及其对吞吐量的反射。该分析对于设计任何有效的量子通信方案至关重要且初步。具体来说，我们在不同情况下得出了吞吐量的封闭形式表达式，并披露了吞吐量，纠缠吞吐量和经典比特率之间的非线性关系。最后，我们通过在IBM Q-体验平台上进行的数值结果来验证理论分析。
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。
通过 NN 迈向高级智能网络数据平面...
新兴的可编程网络引发了对智能网络数据平面 (INDP) 的大量研究，该平面实现了基于学习的线速流量分析。INDP 中的现有技术专注于在数据平面上部署树/森林模型。我们观察到基于树的 INDP 方法的一个基本限制：尽管可以在数据平面上表示更大的树/森林表，但数据平面上可计算的流特征从根本上受到硬件约束的限制。在本文中，我们提出 BoS，通过以线速实现神经网络 (NN) 驱动的流量分析来突破 INDP 的界限。许多类型的 NN（例如循环神经网络 (RNN) 和转换器）旨在与顺序数据一起工作，它们比基于树的模型具有优势，因为它们可以将原始网络数据作为输入，而无需进行复杂的特征计算。然而，挑战是巨大的：RNN 推理中使用的循环计算方案与网络数据平面上使用的匹配动作范式有着根本的不同。BoS 通过以下方式应对这一挑战：（i）设计一种新颖的数据平面友好型 RNN 架构，该架构可以在有限的数据平面阶段执行无限的 RNN 时间步骤，从而有效实现线速 RNN 推理；（ii）用基于非开关变压器的流量分析模块补充开关上 RNN 模型，以进一步提高整体性能。我们使用 P4 可编程交换机作为数据平面实现了 BoS 的原型，并在多个流量分析任务中对其进行了广泛的评估。结果表明，BoS 在分析准确性和可扩展性方面均优于最先进的技术。
TimeGAN作为可编程数据平面中强化学习培训的模拟器
摘要 - 这项研究探讨了时间序列GAN在可编程数据平面（PDP）中的应用，以增强计算机网络的背景下，特别是在视频应用程序中。我们应对各种挑战，包括数据集扩展，平衡和实际设置中的扩展RL培训时间。通过利用TimeGAN生成的综合数据，我们加速了实验，增强数据集多样性并简化RL模型训练，最终使用RL试剂评估了PDP的实时设置的TimeGAN对真实设置的性能。这项研究通过直接比较GAN使用率和真实设置，弥合计算机网络文献中的差距，并突出了由RL模型训练的RL模型获得的99％的服务质量相似性，确认TimeGan的潜力是有价值的模拟器，而无需损害RL训练效率。索引术语 - 机器学习，生成对抗网络 - 自主管理
云本地应用程序的数据保护方法
Websembly模块被部署是为了保护基于微服务的架构的数据，在这些架构中，整个应用程序（由于其在云和混合环境中无处不在的部署）的整个应用程序（也称为云本地应用程序）由几个分布式，松散耦合，可扩展的组件组成，并被称为Microservices。该类别应用程序的所有服务（例如，网络，安全策略执行，状态监视，运行时参数的配置）均由称为“服务网格”的集中式独立于应用程序的服务基础结构提供。此服务网格由一个数据平面组成，该数据平面主要由容纳各种服务模块的代理组成。使用代理提供的API家族，使用服务网格的管理/控制平面实现了相关的服务模块（例如，网络路径确定）。WebAssembly是在服务网格的数据平面代理中实现的这样的服务模块生态系统。
IDC市场景观：全球数据现代化服务2024供应商评估
随着组织希望成为数据驱动的企业，他们将需要全面的企业情报策略和架构，以确保数据成为提供业务价值的资产。在四个企业智能体系结构的四个平面中：数据平面，数据控制平面，数据分析平面和决策平面（IDC＃US50793023，2023年6月），IDC建议组织将企业智能策略重点放在数据平面上，从而使许多人求助于数据，从而使数据相反，并且在我们的界面方面进行了相反的态度，从而使求职者的界限为距离，并且在我们的组织中进行了相反的组织。提高决策速度的最终目标。但是，每个平面都取决于其下方平面的性能。
Cisco Security Analytics和Logging（在房屋上）v3.3.0
在安全分析和记录（ONPREM）部署中，您可以使用安全的网络分析设备来存储来自另一个Cisco产品部署的数据。在安全防火墙部署的情况下，您可以从管理中心管理的安全防火墙威胁防御设备向经理到经理存储该信息的安全事件和数据平面事件。
续第一部分 - 印度知识产权
(57) 摘要：本公开涉及通用文件虚拟化 (UFV)，其功能类似于单个虚拟数据中心，跨越各种数据孤岛的内部存储、存储在 IaaS、PaaS 和 SaaS 中的数据中心云数据资源、远程办公室和分支机构以及混合云，主要提供结合网络弹性技术、信息安全、文件存储和对象存储技术的二级数据存储。本发明建立在分解的控制平面、安全平面和分散的数据平面架构之上。系统控制器、安全控制器和通用文件系统模块对通过它的数据实施各种文件虚拟化、安全或数据服务算法。所有技术都应用于各种内部数据库、云提供商、存储站点和云服务。本公开内容还引入了称为 UFV 的新概念，实现了一种安全的 UFS，涵盖了公司分布在各个地域和云服务中的所有不同数据源，具有集中控制平面、安全平面和由数据控制器控制的安全保险库构建的分散数据平面。图 7
计算机网络
随着终端用户和服务提供商对网络连接的需求不断增加，网络也变得高度复杂；其生命周期管理也变得如此。自动化、数据分析、人工智能、分布式账本技术（例如区块链）和数据平面编程技术的最新进展激发了研究人员社区探索和利用这些技术实现可信自动驾驶网络（SelfDN）这一迫切愿景的希望。本着这一思路，本文提出了一个新颖的框架，以支持跨多个域的完全分布式可信 SelfDN。该框架愿景通过以下方式实现：（i）利用可编程数据平面的功能实现实时网络内遥测收集；（ii）利用 P4（作为数据平面编程语言的重要示例）和 AI 的潜力（重写）网络组件的源代码，使网络能够自动将策略意图转换为可在网络组件上执行的可执行操作；以及（iii）利用区块链和联邦学习的潜力实现域间去中心化、安全和可信的知识共享。介绍并讨论了相关用例，以证明预期愿景的可行性。获得并讨论了令人鼓舞的结果。
ITU-T Y.QKDNi-SDNC量子密钥分发网络...
SDN 被定义为一种控制框架，它通过分离数据平面和控制平面来支持网络功能和协议的可编程性，而数据平面和控制平面目前在大多数网络设备中是垂直集成的。SDN 提出了一种逻辑集中式架构，其中控制实体（SDN 控制器）负责通过应用程序编程接口 (API) 提供网络资源的抽象。这种抽象使 SDN 能够执行网络虚拟化，即对物理基础设施进行切片并创建多个共存的网络切片（虚拟网络），独立于底层无线或光学技术和网络协议。理想情况下，SDN 架构基于单个控制域，该控制域由多个网络节点组成，这些节点采用不同供应商提供的不同技术，并通过标准接口进行控制。对于 QKDN 的互通场景，需要多域网络编排，因为每个域可以由不同的供应商提供，每个域都可以通过其自己的客户 SDN 控制器进行独立控制。本建议书提出了 SDN 编排和虚拟化的框架，该框架允许规范化控制，从而允许在抽象级别上组合跨多个域的端到端配置服务。编者注：随着工作的进展，将添加有关两个 QKDN 提供商之间 QKDNS 互通的 SDN 控制概念的进一步描述