XiaoMi-AI文件搜索系统
World File Search System数据平面
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
Juniper Networks vSRX 3.0 虚拟防火墙非专有...
表 1 – 加密模块测试配置 ................................................................................................................ 4 表 2 – 安全要求的安全级别 ................................................................................................................ 4 表 3 – 端口和接口 ................................................................................................................................ 6 表 4 – 数据平面批准的加密功能 ...................................................................................................... 9 表 5 – 控制平面 QuickSec 批准的加密功能 ...................................................................................... 9 表 6 – OpenSSL 批准的加密功能 ................................................................................................ 10 表 7 – OpenSSH 批准的加密功能 ................................................................................................ 11 表 8 – LibMD 批准的加密功能 ................................................................................................ 11 表 9 – 内核批准的加密功能 ............................................................................................................. 12 表 10 – 允许的加密功能 ................................................................................................................ 12 表 11 – FIPS 模式下允许的协议 ............................................................................................................. 12 表 12 –
技术 - 触发 - 智能 - 塞列米 - 开放 - ran- ...
作为其DU的一部分，Mavenir利用Intel®Flexran™参考体系结构，该体系结构是VRAN参考实现，可在Intel Xeon可伸缩处理器上有效执行无线访问工作负载。Flexran由几个模块化的虚拟控制功能组成，具有明确定义的接口，可灵活且可编程的1层无线基础结构。Mavenir还利用开源数据平面开发套件（DPDK），尤其是基本设备（BBDEV）库的O-RAN标准AAL实现，以更好地整合PHY层处理中的加速器或FPGA。
Cisco Catalyst 9400系列开关的发行说明，Cisco IOS XE都柏林17.11.x
他们提供了与统一访问数据平面（UADP）2.0和UADP 3.0的ASIC体系结构有关的Cisco Catalyst 9000系列开关的完整收敛。该平台运行一个开放的Cisco iOS XE，该XE支持模型驱动的可编程性，具有托管容器的能力，并在交换机内本身运行第三方应用程序和脚本（借助X86 CPU架构，本地存储，本地存储和更高的内存足迹）。本系列构成了SD-Access的基础构建块，这是Cisco的Lead Enterprise Architecture。
云中的软件定义的网络（SDN）...
软件定义的网络（SDN）已成为云计算中的变革性范式，在网络管理中提供了前所未有的灵活性，可扩展性和效率。通过解开控制和数据平面并集中网络智能，SDN可以在云环境中启用动态资源分配，网络虚拟化和增强的安全性。尽管云计算中的SDN采用仍在不断发展，正在进行的研究，实验和协作中，学术界，工业和标准化机构将推动创新并加速采用。克服诸如性能优化，可扩展性和与现有云平台集成之类的挑战对于实现SDN在重塑云计算未来的全部潜力中至关重要。
Sandia-HPC-报告-2024.pdf
桑迪亚国家实验室模拟的一个独特进展是实施“合成仪器”。实际仪器数据收集的采样模式用于保存速度数据，而不是沿平面或线查看模拟数据，从而可以对模拟数据和仪器数据进行一对一的比较。例如，激光雷达使用来自空气中粒子散射的激光的视线多普勒数据。激光的指向具有特定的模式，可以绘制出指定区域的速度。合成激光雷达使用与现场激光雷达相同的位置和时间模式记录模拟中的速度。该团队正在将这种方法用于激光雷达、双 X 波段雷达、系留气球和气象站。图 4 显示了数据平面与合成激光雷达和雷达图像的比较。
启用低延迟工作负载技术指南
许多NFV工作负载必须以低潜伏期的形式交付才能满足严格的服务水平协议。这些工作负载中的许多具有独特的特征。该软件通常以轮询模式运行，从CPU的角度来看，利用率为100％。这是因为指令总是由CPU核心执行。使用数据平面开发套件（DPDK）的应用程序是此软件体系结构的典型特征。对于内核驱动程序，DPDK中使用的轮询模式驱动程序（PMD）似乎是100％忙碌的，即使可能有很少的数据包流动。因此，在100％利用案件中的内核电源州长并不总是适合电源管理，因为由于投票驱动程序的投票性质，核心利用总是被视为100％忙碌。除了投票外，DPDK软件线程通常不会与其他工作负载共享内核，并且通常与OS调度程序隔离，这意味着它们可以控制电源技术而不会影响核心上运行的其他软件。
迈向 6G 网络中的原生人工智能
摘要 — 移动通信系统已转变为支持所有行业部门数字化需求的基本基础设施，而 6G 的设想将远远超出单纯的通信用途。人们逐渐达成共识，6G 将以人工智能 (AI) 为基石，并具有提供“智能包容”的潜在能力，这意味着任何人都可以随时随地访问人工智能服务。显然，智能包容愿景对 6G 中相应的网络架构设计产生了深远的影响，值得重新思考。在本文中，我们提出了 6G 的端到端系统架构设计范围，并讨论了整合独立数据平面和新型智能平面的必要性，特别强调端到端人工智能工作流编排、管理和操作。我们还强调了在网络功能平面上提供融合连接和计算服务的优势。我们相信，受益于这些方法，6G 将转向“一切即服务”（XaaS）平台，商业价值将显著增强。
云计算的可靠性和可用性 - 2012 - Bauer ...
3 服务可靠性和服务可用性 29 3.1 错误和故障 30 3.2 八要素框架 31 3.3 服务可用性 34 3.3.1 服务可用性指标 35 3.3.2 MTBF 和 MTTR 36 3.3.3 服务和网络元素影响中断 37 3.3.4 部分中断 38 3.3.5 可用性评级 40 3.3.6 中断归因 41 3.3.7 计划或预定停机时间 42 3.4 服务可靠性 43 3.4.1 服务可靠性指标 44 3.4.2 有缺陷的交易 45 3.5 服务延迟 46 3.6 冗余和高可用性 50 3.6.1 冗余 51 3.6.2 高可用性53 3.7 高可用性和灾难恢复 56 3.8 流媒体服务 58 3.8.1 控制和数据平面 58 3.8.2 服务质量指标 59 3.8.3 等时数据 60 3.8.4 延迟预期 60 3.8.5 流媒体质量受损 61 3.9 云计算的可靠性和可用性风险 62