Optimizing Resource Allocation and VNF Embedding in RAN Slicing
具有网络切片方法的5G无线接入网（RAN）在下一代网络系统的发展中起着关键作用。RAN切片专注于将基底的资源分割成一组自包含的可编程RAN切片。通过网络功能虚拟化（NFV）的杠杆作用，RAN切片由各种虚拟网络功能（VNF）和虚拟链路构成，所述虚拟链路作为实例嵌入在底层节点上。在这项工作中，我们专注于以下基本任务：i）建立用于构建RAN切片恢复优化的VNF映射计划的理论基础，以及ii）开发有效映射/嵌入VNF所需的算法。特别地，我们提出了四种有效的算法，包括基于资源的算法（RBA）、基于连接的算法（CBA）、基于组的算法（GBA）和基于组连接的算法（GCBA）来解决资源分配和VNF映射问题。大量的实验也进行了验证通过所提出的算法的RAN切片的鲁棒性。
2022-07-19 cs.NI
DPoS: Decentralized, Privacy-Preserving, and Low-Complexity Online Slicing for Multi-Tenant Networks
网络切片是5G通信时代实现垂直行业间虚拟化资源共享的关键。有效的资源分配对于在实际业务场景中实现网络切片至关重要。针对当前网络切片算法存在算法复杂度高、隐私泄露、离线设置不现实等问题，提出了一种完全去中心化、低复杂度的在线多资源切片算法DPoS.我们首先将问题表述为全球社会福利最大化问题。接下来，我们设计了基于原始-对偶方法和公布价格机制的在线算法DPoS。在DPoS中，每个租户都被激励根据其真实偏好做出自己的决定，而不会向移动虚拟网络运营商和其他租户披露任何私人信息。我们提供了一个严格的理论分析表明，DPoS具有最佳的竞争比时，每个资源的成本函数是线性的。进行了大量的仿真实验，以评估DPoS的性能。结果表明，DPoS不仅可以实现接近离线最优的性能，而且具有较低的算法开销。
2021-04-07 cs.NI
Low-Complexity Distributed Radio Access Network Slicing: Algorithms and Experimental Results
无线电接入网络（RAN）切片是在5G网络中动态分配网络资源的有效方法。RAN切片的主要挑战之一是它可证明是NP难问题。出于这个原因，我们设计了接近最优的低复杂度分布式RAN切片算法。首先，我们将切片问题建模为一个拥塞博弈，并证明了这种博弈存在唯一的纳什均衡（NE）。然后，我们评估NE的无政府代价（PoA），即，的效率NE相比，社会最优，并证明了PoA的上限为3/2。接下来，我们提出了两个完全分布式的算法，可证明收敛到唯一的NE，而不透露从切片租户的隐私敏感参数。此外，我们引入了一个自适应的无线资源定价机制，以提高网络所有者的利润。我们通过模拟和部署在Amazon EC2云上的实验测试平台来评估我们的算法的性能，两者都基于OpenCellID项目的真实基站数据集。结果表明，我们的算法收敛到网元迅速，并实现近最优的性能，而我们的定价机制有效地提高了网络所有者的利润。
2018-03-20 cs.NI
An agile and distributed mechanism for inter-domain network slicing in next generation mobile networks
网络切片正在成为一种有前途的方法，可以提供广受欢迎的多功能性和灵活性，以应对不断增长的需求。为了实现这种潜在的优势，并满足具有挑战性的要求，各种网络切片按需的方式，我们需要开发一种灵活的和分布式的机制，资源供应到不同的网络切片在异构的多资源多域移动网络环境。我们制定域间资源供应网络切片在这样的环境中作为一个优化问题，最大化网络切片租户之间的社会福利（从而最大限度地提高租户的满意度），同时最小化基础设施服务提供商的运营支出在同一时间。为了解决所设想的问题，我们一方面在网络切片租户之间实现迭代拍卖游戏，另一方面在多个定价子网服务提供商之间实现迭代拍卖游戏。我们表明，所提出的解决方案的方法在分布式隐私保护机制，收敛到所描述的优化问题的最优解的结果。除了提供分析结果来表征所提出的机制的性能，我们还采用数值评估来验证结果，证明所提出的算法的收敛性，并显示所提出的方法（在资源利用率，公平性和运营成本方面）对现有的解决方案的增强性能。
2021-02-21 cs.GT cs.NI
Constrained Network Slicing Games: Achieving service guarantees and network efficiency
网络切片是下一代移动网络的关键能力。它使人们能够在共享基础设施上经济高效地定制逻辑网络。网络切片的关键组成部分是资源分配，其需要确保切片接收支持其移动设备/服务所需的资源，同时优化网络效率。在本文中，我们提出了一种新的方法，基于切片的资源分配命名为保证服务效率的网络切片（GREET）。基本概念是建立一个受约束的资源分配游戏，其中（i）切片单方面优化其分配，以最好地满足其（动态）客户负载，而（ii）施加约束，以保证如果他们希望这样，切片接收预先商定的网络资源份额。由此产生的游戏是著名的费雪市场的变体，其中切片提供预算以争夺网络资源（如在传统的费雪市场中），但（与费雪市场不同）价格受到某些资源的限制，以提供所需的保证。通过这种方式，GREET结合了基于共享的方法（通过灵活共享实现高效率）和基于预留的方法（通过分配固定数量的资源提供保证）的优点。我们描述了纳什均衡，最佳反应动力学，并提出了一个实用的切片策略，可证明的收敛性。广泛的模拟表现出实质性的改进，网络切片国家的最先进的基准。
2020-01-06 cs.NI
The Slice Is Served: Enforcing Radio Access Network Slicing in Virtualized 5G Systems
下一代（5G）无线系统的无线电接入网络（RAN）的软件化和虚拟化的概念正在引入应用和服务与设备和网络基础设施物理解耦的愿景。这一关键方面最终将使不同的网络运营商能够在同一物理基础设施上动态部署异构服务。RAN切片是5G虚拟化的一种形式，其允许网络基础设施所有者动态地“切片”和“服务”其网络资源（即，频谱、功率、天线等）提供给不同的移动虚拟网络运营商（MVNO）。一旦切片策略（即，分配给每个MVNO的资源的百分比），主要的挑战是如何以这样的方式向MVNO分配频谱资源：（i）执行由网络所有者定义的切片策略;以及（ii）最小化不同MVNO之间的干扰。在这篇文章中，我们数学形式化的RAN切片实施问题（RSEP），并证明其NP-硬度。出于这个原因，我们设计了三个近似算法，使解决方案可扩展的RSEP的大小增加。我们通过在由8个软件定义的无线电外设组成的测试平台上进行模拟和实验，广泛评估了它们的性能。实验结果表明，我们的算法不仅执行切片政策，但也可以增加一倍的总网络吞吐量时，内MVNO功率控制策略结合使用。
2019-02-01 cs.NI
Adversarial Attacks in AI-Driven RAN Slicing: SLA Violations and Recovery
Polytechnique Montreal（蒙特利尔理工学院）
研究AI驱动RAN切片中对抗攻击的影响，分析预算受限攻击对深度强化学习资源分配的影响，揭示SLA违规及恢复行为。
2026-04-01 cs.AI cs.NI
An Extensible Network Slicing Framework for Satellite Integration into 5G
在过去的几十年里，网络不断发展，以提高其性能和能力，减少浪费，优化资源管理，以保持竞争力并适应市场。如今，消费者使用网络的方式发生了变化，出现了更多具有自己需求的异构服务。这使得网络运营商定义了网络切片范式。网络切片在网络中创建多个分区，每个分区可以专用于特定的服务，允许垂直市场和具有不同要求的多个服务在单个基础设施上运行。为了实现网络切片所需的灵活性，卫星技术必须发展。因此，卫星通信的参与者一直在努力改进卫星设备。试验台遵循理论分析，欧空局目前的项目SATis5使其成为核心课题。在这篇扩展摘要的全文中提出的工作是我们对这些倡议提出的下一步。它侧重于应用于卫星网络的网络切片概念，我们认为这是将卫星完全集成到5G网络中的强制性要求。我们首先描述与卫星切片定义相关的主要挑战。然后，我们强调这样的卫星切片的一组要求。基于这些需求，我们构建并提出了一个完整的卫星切片即服务（S3）框架，该框架将卫星基础设施相互化，以提供与5G网络的无缝集成。
2020-02-12 cs.NI
Ultra-Reliable Low-Latency Communications in Autonomous Vehicular Networks
预计自动驾驶汽车将成为未来十年汽车发展的主要趋势。为了支持自动驾驶汽车，自动驾驶汽车和基础设施网络之间需要超可靠的低延迟通信（URLLC），例如，第五代（5G）蜂窝网络。因此，在5G自主车辆网络中，必须联合研究可靠性和延迟。利用欧几里德范数理论，我们首先提出了一个可靠性和延迟联合函数来评估5G自主车辆网络中可靠性和延迟的联合影响。可靠性和延迟之间的相互作用通过5G自主车辆网络的蒙特卡洛（MC）模拟来说明。为了提高可靠性和延迟性能并实现URLLC，提出了一种新的用于5G自主车辆网络的网络切片解决方案，该方案从资源切片扩展到服务和功能切片。仿真结果表明，所提出的网络切片解决方案能够提高5G自主车载网络的可靠性和延迟性能，并确保URLLC。
2019-03-05 cs.NI
Orchestrating 5G Network Slices to Support Industrial Internet and to Shape Next-Generation Smart Factories
工业4.0旨在通过采用具有更高连接性、传感和驱动能力的智能工业设备来动摇当前的制造业格局。通过探索实时生产信息和先进的远程控制功能，制造企业的服务化为工业运营商和客户提供了新的增值服务。另一方面，工业网络将面临转型过程，以支持下一代制造流程所期望的灵活性，并实现工厂间的合作。在这种情况下，5G系统可以通过扩展网络切片范式来支持工业4.0的关键作用，以专门支持异构域上的工业用例的要求。我们提出了一种新的基于5G的网络切片框架，旨在适应工业4.0的要求。为了将不同的工业站点互连到极端边缘，可以按需实例化不同的逻辑资源切片，以提供所需的端到端连接和处理功能。我们在三个现实的用例中验证了我们提出的框架，这些用例使我们能够突出工业利益相关者的预期利益。
2022-01-05 cs.NI
Prioritized Value-Decomposition Network for Explainable AI-Enabled Network Slicing
提出优先级值分解网络（PVDN），通过XAI分解价值函数并优先化切片输出，在多智能体网络切片中提升吞吐量67%/16%、降低延迟35%/22%。
2025-01-27 cs.NI
Dynamic SDN-based Radio Access Network Slicing with Deep Reinforcement Learning for URLLC and eMBB Services
无线接入网（RAN）切片是使5G网络能够支持通用服务的异构需求的关键技术，即超可靠低延迟通信（URLLC）和增强型移动宽带（eMBB）。在本文中，我们提出了一个两个时间尺度的RAN切片机制，以优化URLLC和eMBB服务的性能。在大的时间尺度中，SDN控制器根据eMBB和URLLC业务的要求向gNodeB分配无线电资源。在短时间尺度中，每个gNodeB将其可用资源分配给其终端用户，并且如果需要，则从相邻gNodeB请求附加资源。我们制定这个问题作为一个非线性二元规划，并证明其NP-困难。接下来，对于每个时间尺度，我们建模的问题作为一个马尔可夫决策过程（MDP），其中大的时间尺度被建模为一个单一的代理MDP，而较短的时间尺度被建模为一个多代理MDP。我们利用指数权重算法探索和开发（EXP 3）来解决大时间尺度MDP的单智能体MDP和多智能体深度Q学习（DQL）算法来解决短时间尺度资源分配的多智能体MDP。大量的仿真结果表明，我们的方法是有效的，在不同的网络参数配置，它优于最近的基准解决方案。
2022-02-13 cs.NI
A Unified QoS-Aware Multiplexing Framework for Next Generation Immersive Communication with Legacy Wireless Applications
针对沉浸式通信与现有无线应用隔离导致的性能下降问题，提出基于Lyapunov漂移的统一QoS感知多路复用框架及自适应对抗切片方案，实现吞吐量提升、延迟降低并优化收敛时间。
2025-05-02 cs.NI
On Modeling Network Slicing Communication Resources with SARSA Optimization
Salvador University (UNIFACS)（萨尔瓦多大学（UNIFACS））；University of Paris Saclay（巴黎萨克雷大学）；University of Evry（埃夫里大学）
网络切片是支持5G/6G移动网络、物联网感知网络、电子医疗系统等网络动态行为以及车联网（IoV）和工业4.0等垂直行业所需的虚拟网络基础设施的组成和部署的关键推动因素。通信切片及其分配的通信资源在用于资源编排和分配、虚拟网络功能（VNF）部署和切片操作功能的切片架构中是必不可少的。通信切片提供支持切片操作、SLA保证和QoS/QoE应用要求所需的通信能力。因此，本文提出了一个网络切片的概念模型，以制定通信切片之间的通信资源共享相关的优化问题。首先，我们提出了一个网络切片的概念模型，然后我们制定了分析模型和优化问题的一些方面来解决。接下来，我们建议使用SARSA代理来解决问题并实现概念验证原型。最后，我们提出了所获得的结果，并讨论它们。
2023-01-11 cs.AI cs.NI
Online Admission Control and Resource Allocation in Network Slicing under Demand Uncertainties
迈向下一代网络（如5G/6 G）的最重要方面之一是以有效的方式实现网络切片。最具挑战性的问题是计算和通信需求的不确定性。由于切片在不同的时间到达网络，并且它们的生命周期不同，因此解决方案应该动态地响应在线切片请求。建立了考虑能耗的在线接纳控制和资源分配联合问题的数学模型。它基于二进制线性规划（BLP），其中，利用$Γ$ -鲁棒性概念来克服虚拟链路（VL）带宽和虚拟网络功能（VNF）工作负载的不确定性。然后，提出了一种优化算法。对于现实世界和大规模网络，这种最佳算法无法在合理的时间内解决。为了有效地找到近似最优解，提出了一种新的启发式算法。评估的结果表明，启发式算法的效率对于增加接受的请求数量、降低功耗以及分别针对VNF工作负载和VL流量的不确定性提供可调容差至关重要。考虑到接受率和功耗这两个重要组成部分的目标函数，启发式有约7%和10%的最优性差距，分别，而约30倍的速度比最优算法。
2022-04-14 cs.NI
Deep Reinforcement Learning-Based RAN Slicing with Efficient Inter-Slice Isolation in Tactical Wireless Networks
针对战术网络动态带宽共享与 RAN 切片隔离冲突的问题，提出两阶段 DRL 带宽分配机制并在 O-RAN 中部署，基于三种算法实现并与多基线评估。
2025-06-10 cs.NI
Mitigating xApp conflicts for efficient network slicing in 6G O-RAN: a graph convolutional-based attention network approach
针对6G O-RAN网络切片中xApp冲突问题，提出基于图卷积注意力机制的多智能体强化学习零接触管理方案，减少通信开销，提升资源分配效率与可扩展性。
2025-04-24 cs.NI
Physical Wireless Resource Virtualization for Software-Defined Whole-Stack Slicing
无线电接入网络（RAN）虚拟化正在获得越来越多的发展，并有望重新构建下一代蜂窝网络。现有的RAN虚拟化研究和解决方案主要集中在共享通信容量上，并且往往需要跨网络切片使用相同的PHY和MAC层。这种方法没有考虑不同切片需要不同PHY和MAC层的场景，例如，对于完全不同的服务和无线生活实验室中的全栈研究，其中新的PHY和MAC层需要与相同物理基础设施上的现有层同时部署。为了实现全栈切片，其中不同的PHY和MAC层可以部署在不同的切片中，我们开发了PV-RAN，这是第一个开源虚拟RAN平台，可以在多个切片中共享相同的SDR物理资源。通过API Remoting，PV-RAN可以在不同的切片上运行OpenAirInterface（OAI）的半虚拟化实例，而无需修改OAI源代码。PV-RAN有效地利用了Xen的域间通信机制，通过共享内存传输时间敏感的I/Q样本，使得通信中的虚拟化开销几乎可以忽略不计。我们对PV-RAN进行了详细的性能基准测试，并证明了其低开销和高效率。我们还将PV-RAN与CyNet无线生活实验室集成，用于智能农业和交通。
2020-12-23 cs.NI
AdaSlicing: Adaptive Online Network Slicing under Continual Network Dynamics in Open Radio Access Networks
针对开放无线接入网中网络切片方法难以适配持续动态、性能下降的问题，提出结合软隔离RAN虚拟化框架与融合贝叶斯学习和ADMM的AdaOrch算法的AdaSlicing系统，实验验证其在成本和性能上均显著优于现有方案。
2025-01-12 cs.NI
Multivariate, Multi-step, and Spatiotemporal Traffic Prediction for NextG Network Slicing under SLA Constraints
本研究提出一种面向NextG网络切片的多变量、多步时空流量预测方法，利用RAN特征和移动性聚类设计基于SLA的参数化损失函数，实验表明单小区和基于切片的模型显著优于多小区及基线模型。
2023-09-07 cs.IT cs.NI eess.SP
Joint Network Slicing, Routing, and In-Network Computing for Energy-Efficient 6G
本文针对6G网络提出联合网络切片、路由与网内/云计算资源分配问题，证明其NP难性，并设计WF-JSRIN启发式算法，在最大化接纳用户数的同时最小化能耗，实验表明其能以显著更短时间获得近最优解。
2024-01-12 cs.DC cs.NI cs.PF
Intelligible Protocol Learning for Resource Allocation in 6G O-RAN Slicing
本文提出STEP框架，结合信息瓶颈理论与DQN，使6G O-RAN切片中的智能体在运行中动态涌现通信协议，以降低切片间冲突、资源利用不足和时延。
2024-06-30 cs.NI
Network Slicing Games: Enabling Customization in Multi-Tenant Networks
在多个租户（网络运营商和/或服务）之间实现资源共享的网络切片被认为是下一代移动网络的关键功能。本文分析了一种著名的资源共享模型，即“份额约束比例分配”机制，以实现网络切片。这种机制使租户能够获得共享的性能优势，同时保留自定义自己的用户分配的能力。这导致网络切片游戏，其中每个租户对其他租户的用户分配做出反应，以便最大化其自身的效用。我们表明，在适当的条件下，与这种战略行为相关联的博弈收敛到一个纳什均衡。在纳什均衡，租户总是实现与静态资源分区相同或更好的性能，因此提供与这种静态分区相同的保护级别。我们进一步分析了由此产生的分配的效率和公平性，为无政府状态和无嫉妒的无政府代价提供了严格的界限。我们的分析和广泛的模拟结果证实，该机制提供了一个全面的实用的解决方案，实现网络切片。我们的理论结果也填补了文献中关于分析战略参与者下的资源分配模型的空白。
2017-02-19 cs.GT cs.NI
Traffic-cognitive Slicing for Resource-efficient Offloading with Dual-distillation DRL in Multi-edge Systems
针对动态多边系统中流量波动与异构资源导致的切片和卸载难题，提出SliceOff框架，结合自注意力流量预测、随机舍入自适应切片及双重蒸馏DRL，提升资源效率与ESP利润。
2024-11-28 cs.NI
Sharing gNB components in RAN slicing: A perspective from 3GPP/NFV standards
为了实现存在于每个无线电接入网络（RAN）切片子网中的下一代节点B（gNB），网络功能虚拟化（NFV）使得能够将一些gNB组件部署为虚拟网络功能（VNF）。为这些组件部署单独的VNF实例可以保证每个RAN切片子网的自定义。然而，由于VNF的多样性，与单个VNF实例承载所有RAN切片的聚合流量的情况相比，所需的虚拟资源量将更大。在RAN切片之间共享gNB组件可以优化定制、隔离和资源利用之间的权衡。在这篇文章中，我们阐明了第三代合作伙伴计划（3GPP）/NFV标准中用于共享gNB组件的关键方面。首先，我们确定了四种可能的情况下共享gNB组件。然后，我们分析了共享对每个RAN切片子网的定制级别的影响。稍后，我们将确定实现RAN切片间隔离的主要因素。最后，我们提出了一个基于3GPP/NFV的描述模型来定义共享gNB组件的生命周期管理
2020-01-07 cs.NI
Intelligent Data-Driven Architectural Features Orchestration for Network Slicing
Universidade Federal de Viçosa (UFV)（维索萨联邦大学）；Universidade Federal de Uberlândia (UFU)（乌贝兰迪亚联邦大学）；Universidade do Minho（米尼奥大学）；Universidade de São Paulo (USP)（圣保罗大学）；Universidade Salvador (UNIFACS)（萨尔瓦多大学）
本文针对网络切片中缺乏智能特征编排的问题，提出在SFI2架构中嵌入机器学习智能体、联邦学习和数据驱动方法，并通过攻击防护案例验证其架构特征编排的有效性。
2024-01-12 cs.AI cs.LG cs.NI
Distributed Online Anomaly Detection for Virtualized Network Slicing Environment
由于网络切片是通信网络中的关键使能器之一，承载多个虚拟网络元件的底层网络中的一个异常物理节点（PN）或物理链路（PL）可能导致多个网络切片的显著性能降级。为了在短时间内从异常中恢复基底网络，快速准确地识别PN和PL中是否存在异常是至关重要的。可以实时分析系统数据的在线异常检测方法是首选。此外，由于映射到PN和PL的虚拟节点和链路分散在多个切片中，因此需要分布式检测模式来适应虚拟化环境。根据这些要求，本文首先提出了一种基于分散单类支持向量机（OCSVM）的分布式在线PN异常检测算法，该算法通过分析分布式映射到PN的虚拟节点的实时测量值来实现。具体来说，解耦OCSVM的目标函数，我们将原来的问题转化为一组分散的二次规划问题，通过引入共识约束。采用乘子交替方向法实现分布式在线PN异常检测。其次，利用相邻虚拟节点测量值的相关性，提出了一种基于典型相关分析的分布式在线PL异常检测算法。该网络只需要存储当前数据的协方差矩阵和均值向量，就可以计算典型相关向量，用于实时PL异常分析。仿真实验结果表明了本文提出的分布式在线异常检测算法的有效性和鲁棒性。
2022-01-06 cs.NI
Towards Sustainability in 6G Network Slicing with Energy-Saving and Optimization Methods
Universidade Federal de Viçosa (UFV)（弗拉门多联邦大学）
针对6G网络切片架构缺乏嵌入型节能方法的研究空白，提出在SFI2网络切片参考架构中部署原生机器学习智能体，结合对比学习实现资源动态编排优化与节能，助力6G可持续发展。
2025-05-17 cs.ET cs.LG cs.NI
Statistical Multiplexing and Traffic Shaping Games for Network Slicing
下一代无线架构有望实现共享无线基础设施的切片，这些切片是针对特定移动运营商/服务定制的。考虑到基础设施成本和移动服务空间负载的随机性，非常希望在这些切片之间实现高效的统计复用。我们研究了一个简单的动态资源共享策略，分配一个“共享”的（分布式）资源池的每个切片共享约束比例公平（SCPF）。我们给出了静态切片和一般处理器共享的SCPF的性能增益的表征。我们发现，当一个切片的空间负载是更多的“不平衡”，和/或“正交”，总的网络负载时，获得更高的增益，并且跨切片的整体增益是积极的。然后，我们解决相关的尺寸问题。在SCPF下，传统的网络规模确定转化为耦合的共享规模确定问题，其特征在于给定切片的预期负载和性能要求的可行共享分配的存在。我们提供了一个解决方案，以强大的共享规模为基础的SCPF网络切片。切片可能希望经由准入控制来单方面地管理其用户的性能，该准入控制使其承载的负载最大化以满足性能要求。我们表明，这可以被建模为一个“交通塑造”的游戏，一个可实现的纳什均衡。在高负载下，平衡被明确表征，SCPF与静态切片下承载负载的增益也是如此。一个无线基础设施，支持多个切片异构移动负载的详细模拟显示我们的模型的保真度和我们的高负载均衡分析的有效性范围。
2018-05-15 cs.DC cs.NI
Customized Slicing for 6G: Enforcing Artificial Intelligence on Resource Management
下一代无线网络预计将支持各种垂直行业，并提供无数新兴用例。为了满足多样化业务的严格要求，网络切片技术应运而生，它通过将基础设施网络裁剪成多个逻辑网络来实现面向业务的资源分配。然而，在动态和不确定的环境下，端到端（E2E）切片的跨域多维资源管理仍然存在一些挑战。在保证服务质量的同时权衡资源分配的收入和成本对租户来说很重要。因此，本文提出了一种分层的资源管理框架，利用深度强化学习对不同租户的资源请求进行准入控制，并在每个租户的准入切片内进行资源调整。特别是，我们首先讨论了6G定制资源管理的挑战。其次，阐述了将人工智能应用于多租户切片资源定制的动机和背景。第三，将E2E资源管理问题分解为基于切片级反馈的多维资源分配决策问题和以避免服务质量下降为目标的实时切片自适应问题。仿真结果验证了基于人工智能的定制切片的有效性。最后，几个重大的挑战，需要在实际实施中加以解决的调查。
2021-02-21 cs.IT cs.NI eess.SP
Cross-Layer Optimization and System-Level Design of Next-Generation Wireless Networks via Intelligent RAN Control
Northeastern University（东北大学）
本研究针对下一代无线网络，结合开放RAN与AI技术，提出DRL方案、PandORA框架等多项核心成果，完成RIS相关设计与系统级验证，满足6G无线研究的产业与学术需求。
2026-08-07 cs.NI
Highly Accurate and Reliable Wireless Network Slicing in 5th Generation Networks: A Hybrid Deep Learning Approach
University of Swabi（斯瓦比大学）；Northumbria University（诺森比亚大学）；University of Hull（赫尔大学）；Institute of Management Sciences（管理科学学院）；Instituto De Telecomunicaces（电信研究所）
在当今时代，像第五代（5G）和第六代（6G）网络这样的下一代网络需要高安全性、低延迟以及高可靠标准和容量。在这些网络中，可重构无线网络切片被认为是5G和6G网络的关键要素之一。可重新配置的切片允许运营商使用单个基础设施来运行网络的各种实例，以获得更好的服务质量（QoS）。QoS可以通过使用人工智能和机器学习算法重新配置和优化这些网络来实现。为了开发用于网络管理和限制网络切片故障的智能决策机制，需要支持机器学习的可重构无线网络解决方案。在本文中，我们提出了一种由卷积神经网络（CNN）和长短期记忆（LSTM）组成的混合深度学习模型。CNN执行资源分配、网络重新配置和切片选择，而LSTM用于统计信息（负载均衡、出错率等）。关于网络切片。通过使用多个未知设备，切片故障，过载条件下，所提出的模型的适用性进行验证。所提出的模型，反映了其适用性的整体准确度为95.17%。
2021-10-07 cs.LG cs.NI eess.SP
Realizing ICN in 3GPP's 5G NextGen Core Architecture
所提出的3GPP的5G下一代（NextGen）核心架构（5GC）使得能够在网络切片的上下文中引入新的用户和控制平面功能，以允许在处理异构设备和应用时具有更大的灵活性。在本文中，我们讨论了这种架构与未来的网络技术的集成，重点是信息中心网络（ICN）技术。为此，我们首先提供了一个简短的描述，建议5GC，这是随后的讨论扩展到5GC的控制和用户平面，以支持协议数据单元（PDU）会话从ICN。为了说明在5GC中启用ICN的价值，我们重点介绍ICN数据网可以启用的两种重要网络服务。第一种情况针对联网汽车用例的移动边缘计算，而第二种情况针对ICN会话的无缝移动性支持。我们在考虑3GPP的23.501和23.502技术规范提出的过程的情况下提出这些讨论。
2017-11-07 cs.NI
Temporal Characterization of XR Traffic with Application to Predictive Network Slicing
在过去的几年里，由于其广泛的工业和商业应用，延展实境（XR）吸引了越来越多的兴趣，预计其受欢迎程度将在未来十年呈指数级增长。然而，XR的交互性质所施加的严格的服务质量（QoS）约束要求网络切片（NS）解决方案支持其在无线连接上的使用：在这种情况下，准恒定比特率（CBR）编码是一种有前途的解决方案，因为它可以增加流的可预测性，使网络资源分配更容易。然而，XR流的流量特征仍然是一个很大程度上未探索的主题，特别是这种编码。在这项工作中，我们从实际设置中捕获的超过4个小时的踪迹中表征XR流，分析它们的时间相关性，并提出两个预测未来帧大小的模型。我们的研究结果表明，即使是最先进的H.264 CBR模式也会有显着的帧大小波动，这会影响NS优化。我们提出的预测模型可以应用于不同的轨迹，甚至不同的内容，实现非常相似的性能。我们还展示了网络资源效率和XR QoS之间的权衡在一个简单的NS用例。
2022-01-18 cs.MM cs.NI eess.IV
Generative AI for O-RAN Slicing: A Semi-Supervised Approach with VAE and Contrastive Learning
School of Electrical and Computer Engineering, College of Engineering, University of Tehran（电气与计算机工程学院，工程学院，德黑兰大学）
本文提出一种结合VAE与对比学习的半监督生成式AI架构，通过专用xApp优化O-RAN中的网络切片与资源分配，在动态网络中实现了更高的资源管理精度与模型泛化能力。
2025-06-27 cs.LG cs.NA cs.NI
Multi-objective Optimization of Space-Air-Ground Integrated Network Slicing Relying on a Pair of Central and Distributed Learning Algorithms
本文针对天地一体化网络中的高吞吐量、低时延和广覆盖三类RAN切片，提出集中式与分布式相结合的CDMADDPG算法，联合优化吞吐量、时延和覆盖面积，仿真表明其逼近Pareto最优并优于基准方案。
2023-09-22 cs.NI eess.SP
An Intelligent Native Network Slicing Security Architecture Empowered by Federated Learning
Federal University of Viçosa (UFV)（维索萨联邦大学）；Federal University of Espírito Santo (UFES)（圣埃斯皮里图联邦大学）；Salvador University (UNIFACS)（萨尔瓦多大学）；Federal University of Ceará (UFC)（塞阿拉联邦大学）；University of São Paulo (USP)（圣保罗大学）；University of Minho (UMinho)（米尼奥大学）
针对现有网络切片架构缺乏内在智能安全能力的问题，提出安全原生架构，将基于机器学习的智能微服务作为联邦智能体部署，利用非侵入式遥测检测攻击，取得了优异的准确率，为网络切片安全提供了新方向。
2024-10-04 cs.AI cs.CR cs.ET
Toward Safe and Accelerated Deep Reinforcement Learning for Next-Generation Wireless Networks
Queen’s University（女王大学）；Cairo University（开罗大学）；University of Calgary（卡尔加里大学）
深度强化学习（Deep Reinforcement Learning，DRL）算法近年来在无线网络领域得到了广泛的关注。它们被认为是解决下一代网络中动态无线资源管理（RRM）问题的有前途的方法。由于DRL算法能够构建无线网络环境的近似和不断更新的模型，因此可以处理此类环境的多方面复杂性。然而，一些挑战阻碍了商业网络中DRL的实际采用。在本文中，我们首先讨论了两个关键的实际挑战，面临的，但很少解决时，开发基于DRL的RRM解决方案。我们认为，这是不可避免的，以解决这些DRL相关的挑战，DRL找到自己的方式RRM商业解决方案。特别是，我们讨论了需要有安全和加速的DRL为基础的RRM解决方案，减轻DRL算法所表现出的收敛速度慢和性能不稳定。然后，我们审查和分类的主要方法中使用的RRM域开发安全和加速DRL为基础的解决方案。最后，进行了案例研究，以证明具有安全和加速的基于DRL的RRM解决方案的重要性。我们采用多种变体的迁移学习（TL）技术，以加速智能无线电接入网络（RAN）切片DRL为基础的控制器的收敛。我们还提出了一种基于TL的混合方法和基于S形函数的奖励，作为基于DRL的RAN切片中安全探索的示例。
2022-09-16 cs.AI cs.LG cs.NI
FORSLICE: An Automated Formal Framework for Efficient PRB-Allocation towards Slicing Multiple Network Services
Indian Statistical Institute（印度统计研究所）；Ericsson Research（爱立信研究）
本文提出FORSLICE框架，通过形式化方法实现多网络服务切片中的PRB高效分配，确保公平性和PRB最优性。
2026-04-09 cs.NI cs.SY eess.SY
An Architecture for Provisioning In-Network Computing-Enabled Slices for Holographic Applications in Next-Generation Networks
本文提出一种支持网内计算切片供给的下一代网络架构，用于部署全息应用，并通过概念验证与仿真证明其在带宽、时延和抖动方面优于边缘计算。
2023-07-18 cs.NI
Slice Agent: Identifying and Isolating Slices in Shared Open Radio Unit
University of Vale do Rio dos Sinos (UNISINOS)（南里奥达斯苏诺斯河谷大学）；Universidade Federal de Goiás (UFG)（戈亚斯联邦大学）
本文提出在共享开放射频单元中嵌入切片代理，通过专用路径实现时间敏感的灵活切片，以支持超低延迟的切片识别和隔离，适用于5G和6G开放RAN部署。
2026-04-28 cs.NI
Design and Evaluation of Next-Generation Cellular Networks through Digital and Physical Open and Programmable Platforms
Northeastern University（东北大学）
本研究通过数字和物理开放可编程平台设计和评估下一代蜂窝网络，提出CaST框架和X5G测试平台，实现智能RAN应用和实时推理。
2026-01-26 cs.NI
Feasibility Analysis of Fifth-generation (5G) Mobile Networks for Transmission of Medical Imaging Data
除了更高的数据率和更低的延迟，即将到来的第五代移动网络标准将引入一个新的服务生态系统。多访问边缘计算或网络切片等概念将使服务水平需求能够适应特定的用例。在医学成像中，研究人员和临床医生目前正在努力提高扫描仪的便携性。这包括i）将小型扫描仪在医院内推到床边，ii）通过卡车向偏远地区提供常规扫描仪。这两个用例都引入了对遵守高安全标准并提供高数据率的移动网络的需求。第五代移动网络可以满足这些要求。在这项工作中，我们分析了使用第五代移动网络（3GPP Release 15）的发展现状来传输医学成像数据的可行性。我们展示了使用现有的消费级硬件达到100 Mbit/s上传速率的潜力。此外，我们显示了一个有效的平均数据吞吐量为50 Mbit/s时，使用开箱即用的开源软件在医学数字成像和通信（DICOM）标准的基础上传输医学图像。在传输过程中，我们对无线电频段进行采样以分析移动无线电网络的特征。此外，我们还讨论了新功能的潜力，例如将在即将发布的版本中引入的网络切片。
2021-07-30 cs.NI eess.SP
A Secure Dynamic Edge Resource Federation Architecture for Cross-Domain IoT Systems
5G通信、人工智能（AI）和物联网（IoT）技术的快速集成有望使下一代网络（NGN）能够为智慧城市提供各种智能服务和用户定义的应用。然而，构建一个可扩展且高效的基础设施，以满足跨多个管理域的异构物联网应用程序的各种性能，安全性和管理需求仍然具有挑战性。本文提出了一种动态边缘资源联邦架构，该架构集成了网络切片（NS）和区块链的概念，以提高多域物联网应用的可扩展性，动态性和安全性。一种支持NS的动态边缘资源联合框架采用智能机制来支持满足不同的服务质量（QoS）和安全需求的高效多域服务协调。我们提出了一个分层集成联邦分类帐（HIFL），其目的是保证分散的安全性和隐私保护的属性，在多域资源编排和服务重新调整。作为一种安全的设计解决方案，HIFL有望支持高效、可信和安全的端到端物联网服务。一个初步的概念验证原型已经实施比较内部和域间的性能预期。
2022-08-02 cs.NI
Guidelines for 5G End to End Architecture and Security Issues
黑客攻击的目标是系统中最脆弱的部分。因此，一个系统的强大程度取决于它最薄弱的部分，类似于Cannikin定律，该定律指出，一桶水的容量取决于最短而不是最长的木头的高度。为了确保5G网络的安全性，我们首先需要了解整个5G架构并检查潜在的威胁，而不仅仅是设置防火墙。然而，5G网络将具有巨大的覆盖范围。5G技术的发展需要大量的资源，这导致了试图发展5G网络的国家之间的激烈竞争。许多优秀的论文讨论了开发5G架构特定方面的技术，但据我们所知，很少有论文提供完整的5G网络概述。这给我们带来了一个困难的局面，因为我们需要考虑整体架构，以确保5G网络的安全性。为了解决这个问题，在本文中，我们提供了理解5G架构的基本指南。我们介绍了5G场景，概述了网络架构，并强调了5G网络各个组件的潜在安全问题。本文旨在促进对5G架构以及各个组件可能存在的安全问题的初步了解。端到端（E2 E）5G网络架构由下一代无线接入网（NG-RAN）、多接入边缘计算（MEC）、虚拟演进分组核心（vEPC）、数据网（DN）和云服务组成。网络切片（NS）、网络功能虚拟化（NFV）、NFV管理和配置（MANO）以及软件定义网络（SDN）也是实现5G网络架构的重要技术。
2019-12-21 cs.NI
A Survey on XAI for 5G and Beyond Security: Technical Aspects, Challenges and Research Directions
University College Dublin（都柏林大学学院）；Montimage（蒙蒂玛奇公司）；VTT Technical Research Centre of Finland（芬兰技术研究中心）
本文综述了可解释人工智能（XAI）在5G及未来网络安全中的应用，强调通过提升ML安全系统的透明性和可问责性，覆盖ORAN、零接触管理和端到端切片等B5G技术，并给出挑战与研究方向。
2024-09-30 cs.AI cs.CR cs.NI
TriSLA: A Preventive and Closed-Loop SLA-Aware Architecture for Multidomain Decision-Making with Explainable Artificial Intelligence in 5G Networks
Universidade do Vale do Rio dos Sinos (UNISINOS)（圣路易斯河谷大学）；Instituto Nacional de Telecomunicações (Inatel)（国家电信研究所）
TriSLA是面向5G多域决策的预防性闭环SLA感知架构，结合XAI实现100%SLA满意度，预测准确率达99.51%，处理开销小，可消除部署后SLA违规。
2026-09-02 cs.NI
Multiple Access in the Era of Distributed Computing and Edge Intelligence
Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）；Artificial Intelligence & Cyber Systems Research Center, Lebanese American University (LAU)（黎巴嫩美国大学人工智能与网络系统研究中心）
本文综述了6G网络中下一代多址接入技术及其与边缘计算、空中计算、语义通信、机器学习和数字孪生的共存，旨在提升网络效率与可靠性。
2024-02-26 cs.LG cs.NI eess.SP
