Energy-efficient Traffic Allocation in SDN-based Backhaul Networks: Theory and Implementation
预计5G网络将具有高能效，能耗比目前的系统低10倍。实现这样的目标的有效方式是通过控制节点的操作状态和业务流的分配来作用于回程网络。为此，在本文中，我们制定能源效率的流路由的回程网络作为一个优化问题。鉴于其复杂性，这会损害大规模场景中的解决方案，然后我们提出了一种启发式方法。我们的计划，名为EMMA，旨在关闭空闲节点和集中流量的最小可能的一组链路，这反过来又增加了空闲节点的数量。我们在ONOS上实现EMMA，并通过Mininet仿真网络得出实验结果。我们的研究结果表明，EMMA提供了良好的节能性能，接近最佳。在更大的网络场景中，EMMA提供的能耗增益相对于所有节点都处于活动状态的简单基准非常高，在中低流量负载下几乎达到1。
2016-09-15 cs.NI
Isolating SDN Control Traffic with Layer-2 Slicing in 6TiSCH Industrial IoT Networks
IEEE 802.15.4-2015时间调度信道跳变（TSCH）和IETF 6 TiSCH工作组（WG）中的最近标准化努力旨在提供跨受限物联网（IoT）网络的确定性通信和资源的高效分配，特别是在工业IoT（IIoT）场景中。在6 TiSCH中，软件定义网络（SDN）已被确定为在许多关键情况下提供集中控制的手段。然而，在低功耗和有损网络（LLN）中实现集中式SDN架构面临着相当大的挑战：不仅控制器流量由于不可靠的链路和网络争用而受到抖动，而且SDN产生的开销可能严重影响其他流量的性能。本文提出使用6 TiSCH轨道，一种用于跨TSCH网络创建专用转发路径的第2层切片机制，以隔离SDN控制开销。这不仅可以防止控制流量影响其他数据流的性能，而且6 TiSCH轨道的属性允许确定性的低延迟SDN控制器通信。使用我们自己的轻量级SDN实现Contiki操作系统，我们首先展示了SDN控制流量的应用程序数据流通过6 TiSCH网络的影响。然后，我们表明，通过沿着SDN控制路径分配专用资源来切片网络，跟踪提供了一种有效的手段来减轻IEEE 802.15.4-2015 TSCH网络中SDN控制开销的成本。
2019-05-29 cs.NI
SDN-Based Resource Management for Autonomous Vehicular Networks: A Multi-Access Edge Computing Approach
由于用于数据传播的通信流量增加以及自动驾驶车辆上的计算/存储任务数量增加，使得在自动驾驶车辆（AV）之间实现高清（HD）地图辅助协作驾驶以提高导航安全性面临技术挑战。在本文中，提出了一种结合多访问边缘计算（MEC）和软件定义网络（SDN）的新架构，以实现灵活的资源管理和增强的资源利用率。利用MEC，可以实现多种无线接入技术的互通，以利用宽范围的无线电频谱上的分集增益，同时，AV的计算/存储任务由服务器和其他AV协同处理。此外，通过在每个云计算和MEC服务器处启用SDN和网络功能虚拟化（NFV）控制模块，提出了有效的资源分配框架以增强不同网络基础设施之间的全局资源共享。最后通过一个案例分析来验证所提出的资源分配框架的有效性。
2018-09-24 cs.NI
T-s3ra: traffic-aware scheduling for secure slicing and resource allocation in sdn/nfv enabled 5g networks
网络切片和资源分配在软件定义网络（SDN）/网络功能虚拟化（NFV）辅助的5G网络中起着关键作用。在5G通信中，业务速率很高，需要高数据速率和低延迟。深度学习是克服这些限制的潜在解决方案。安全切片避免了资源浪费;然而，DDoS攻击者可以利用切片网络。因此，我们专注于大规模网络流量下的资源分配安全切片。提出了用于SDN/NFV使能的5G网络上的安全切片和资源分配的调度感知。在这种方法（T-S3 RA）中，使用具有基于密码的密钥导出函数的布尔逻辑来认证用户设备。流量在5G接入点中进行调度，并分别使用SliceNet和HopFieldNet等深度学习模型实现安全的网络切片和资源分配。为了预测DDoS攻击者，我们计算Renyi熵进行数据包分类。实验进行了使用网络模拟器与250个节点的网络拓扑。使用吞吐量、延迟、数据包传输率、数据包丢失率、切片容量、带宽消耗和切片接受率等指标评估性能。T-S3 RA在三个具有不同要求的5G用例中实现，包括大规模机器类型通信，超可靠低延迟通信和增强的移动宽带。
2021-07-11 cs.NI eess.SP
Fronthaul-Aware Software-Defined Joint Resource Allocation and User Scheduling for 5G Networks
软件定义网络（SDN）是在中央控制器的协助下将控制平面和数据平面解耦以创建灵活敏捷的网络的概念。然而，SDN的性能在很大程度上取决于前传的限制，这些限制在现有文献中没有充分讨论。针对带内无线前传约束的5G无线网络，提出了一种前传感知的软件定义资源分配机制。考虑到前传容量，控制器通过实施粗相关均衡（CCE）和激励基站（BS）本地优化其决策，以确保移动用户（MU）的服务质量（QoS）要求，最大化的时间平均网络吞吐量。通过结合李雅普诺夫随机优化和博弈论的工具，我们提出了一种双时标方法，其中控制器给出建议，即，具有低干扰的子载波，而BS在每个时隙中调度它们自己的MU并分配可用资源。数值结果表明，相当大的吞吐量增强和延迟减少非SDN网络基线。
2016-12-23 cs.NI
An SDN-IoT-based Framework for Future Smart Cities: Addressing Perspective
在本章中，我们提出并讨论了一个基于软件定义网络（SDN）的未来智慧城市框架。它还包括分布式寻址方案，以便于动态地向智能城市中的设备分配地址。该框架是动态的，并且可以通过集中控制单元添加和省略模块而不干扰框架的其他组件，并且可以相应地更新其他模块。在所提出的寻址方案中，新的物联网（IoT）设备将从其现有的相邻对等设备之一接收IP地址。这允许城市中的设备充当代理，并从自己的IP地址生成一组唯一的IP地址，然后可以将其分配给新（加入）设备;因此，减少了寻址开销和延迟，并避免了在地址分配过程中发送广播消息的需要。因此，它为物联网设备实现了可观的带宽和能源节省。
2020-07-22 cs.NI
Improving Resource Allocation in Software-Defined Networks using Clustering
软件定义网络（SDN）是简化实施和网络操作的巨大发展，降低了成本，使网络可编程。虽然SDN是解决以前一些问题的合适选择，但它们与任何其他新技术一样存在一些挑战。网络中的资源分配和均衡控制是该技术面临的主要挑战之一，本文对此进行了研究。在这项研究中，提出了一种新的方法来改善网络中的内存资源分配使用负载分布集群。由于在所提出的方法中，K-mean++算法用于聚类，集群的负载均衡可以用来保持网络的负载平衡。在所提出的方法中，具有较高的召回率的数据被传输到高质量的集群中的平均集线器数量和较低的平均延迟之间的服务器和用户。在所提出的方法中，通过增加簇的数量，在网络中创建更高的内存。
2019-09-27 cs.NI
Real-Time Fair Resource Allocation in Distributed Software Defined Networks
计算机网络的性能依赖于带宽如何在不同的流之间共享。公平的资源分配是一个具有挑战性的问题，特别是当流量随着时间的推移而变化时，为了解决这个问题，带宽共享技术，快速反应的流量波动是感兴趣的，特别是在大规模的设置与数百个节点和数千个流。在这种情况下，我们提出了一种分布式算法，解决了公平的资源分配问题，在分布式SDN控制架构。我们的算法不断产生一系列的资源分配解决方案收敛到公平分配，同时始终保持可行的，标准的原始-对偶分解方法往往缺乏的属性。由于所有计算机密集型操作的分布，我们证明了我们可以实时的【形】处理大型实例。
2017-11-27 cs.NI
Virtual Network Migration on the GENI Wide-Area SDN-Enabled Infrastructure
虚拟网络（VN）包含分配给网络底层中的底层物理资源的虚拟节点和链路的集合。VN迁移是将VN的逻辑拓扑重新映射到一组新的物理资源以提供故障恢复、节能或防御攻击的过程。提供对正在运行的应用程序透明的VN迁移是一项重大挑战。有效的迁移机制高度依赖于部署在物理基底中的技术。之前的工作考虑了数据中心和PlanetLab基础设施中的迁移。然而，很少有针对SDN启用广域网环境的努力-未来网络基础设施的重要组成部分。在这项工作中，我们有兴趣在设计，实施和评估的VN迁移在GENI作为这样一个未来的网络的一个工作例子。我们确定并提出技术，以解决关键的挑战：迁移过程中的资源的动态分配，管理主机连接到VN，流表迁移序列，以尽量减少数据包丢失。我们发现，GENI的虚拟化架构使得透明和高效的迁移具有挑战性。我们建议的替代品，可能会在GENI中采用，是值得采用的虚拟网络提供商，以促进迁移。
2017-01-06 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
Multi-Path Alpha-Fair Resource Allocation at Scale in Distributed Software Defined Networks
计算机网络的性能依赖于带宽如何在不同的流之间共享。公平的资源分配是一个具有挑战性的问题，特别是当流量随着时间的推移而变化时。为了解决这个问题，带宽共享技术，快速反应的流量波动的兴趣，特别是在大规模的设置与数百个节点和数千个流。在这种情况下，我们提出了一种分布式算法的基础上交替方向乘法（ADMM），解决了多路径公平资源分配问题，在分布式SDN控制架构。我们的ADMM为基础的算法不断产生一系列的资源分配解决方案收敛到公平分配，同时始终保持可行的，标准的原始-对偶分解方法往往缺乏的属性。由于所有计算机密集型操作的分布，我们证明了我们可以大规模处理大型实例。
2018-09-12 cs.NI
SOARAN: A Service-oriented Architecture for Radio Access Network Sharing in Evolving Mobile Networks
移动网络正经历向软件定义网络（SDN）基础设施的快速演进，以适应不断增长的移动流量，并克服技术创新和服务市场不断加速演进所导致的网络管理噩梦。演进的载波无线网络倾向于在多个（虚拟）网络运营商之间共享无线电接入网络（RAN）以便增加网络容量并降低费用。然而，现有的RAN共享模型是面向运营商的，为了资源共享的目的，其向参与的网络运营商暴露了大量的资源细节，例如基础设施和频谱。这些老式的模型违反了SDN抽象的设计原则，并且无法管理按需定制服务的蓬勃发展的流量。本文提出了一种面向服务的移动网络RAN共享框架SOARAN，该框架用于从LTE/LTE高级演进到软件定义载波无线网络（SD-CWNs）的移动网络中，通过提供应用级差异化服务，从无线资源上为网络运营商提供服务。SOARAN定义了一系列具有不同体验质量（QoE）要求的抽象应用。中央控制器周期性地计算关于运行时业务需求和信道条件的用于每个无线电元件的应用级资源分配，并且将这些分配决定作为面向服务的策略传播到各个元件。无线电元件然后独立地确定每个应用内的流级资源分配以实现这些策略。我们制定的应用程序级资源分配作为一个优化问题，并开发了一个快速算法来解决它与一个可证明的近似保证。
2015-08-03 cs.NI
Resource Cooperation in MEC and SDN based Vehicular Networks
本文面向MEC与SDN车载网络提出四层任务处理架构和基于非对称纳什谈判解的部分空闲资源策略PIRS，通过V2V共享空闲CPU资源减少云端卸载，仿真显示相比NCS和AIRS分别最高提升28%和10%。
2023-08-08 cs.NI
Software Defined Networking Enabled Wireless Network Virtualization: Challenges and Solutions
下一代（5G）无线网络预计将支持海量数据，并以具有成本效益、灵活和敏捷的方式适应具有不同要求的各种服务/用例。作为一种有前途的解决方案，无线网络虚拟化（WNV）或网络切片使多个虚拟网络能够按需共享公共基础设施，并针对不同的服务/用例进行定制。本文重点讨论实现WNV的网络范围的资源分配。具体而言，动机，使平台，和西尼罗河的好处，首先审查。然后，资源分配西尼罗河随着技术挑战进行了讨论。然后，提出了一个支持软件定义网络（SDN）的资源分配框架，以促进WNV，包括关键过程和相应的建模方法。最后，以西尼罗河流域资源分配为例进行了案例研究。最后，一些开放的研究课题，西尼罗河病毒的必要性进行了讨论。
2017-04-05 cs.NI
Latency Reduction in Vehicular Sensing Applications by Dynamic 5G User Plane Function Allocation with Session Continuity
本文针对5G车辆传感场景中的低时延需求，提出基于SDN的动态UPF分配优化框架，在保持会话连续性的同时减少网络跳数，并通过实验证明其能支持静态或集中式方案无法实现的时延关键型应用。
2024-03-28 cs.NI
Measurement-based Resource Allocation and Control in Data Centers: A Survey
本综述系统回顾了数据中心中基于网络测量的资源分配与控制研究，涵盖网络测量技术、流量特征、网络监控演进、集群调度框架及机器学习驱动的资源分配，旨在提供云性能保障并指出未来方向。
2024-08-23 cs.NI
Open5G: A Software-Defined Networking Protocol for 5G Multi-RAT Wireless Networks
当今的移动网络包括多种无线电接入技术（RAT），例如，4G LTE、无线局域网（WLAN）和即将到来的5G-New Radio（5G-NR）。这些RAT的接入网络由RAT专用实体控制，例如，位于单个LTE eNB内部的资源管理功能用于eNB控制，或者接入控制器用于控制WLAN接入点。即使在具有支持多种RAT的公共核心的3GPP的5G架构中，也在各个RAT内独立地进行无线电接入相关的决策。由于多RAT无线电接入网络（RAN）中的控制平面的碎片化性质，网络资源的统一全局视图不可用，从而阻碍了资源的优化分配。这也给涉及多个RAT的特征带来复杂性，例如，双重连接。为了解决这些问题，我们在早期的工作中引入了基于SDN的多RAT RAN架构（SMRAN）[arXiv：1812.11825]，其中RAN控制平面与数据平面分离。作为SMRAN架构的一部分，我们定义了一个逻辑上集中的多RAT RAN控制器和各个RAT特定的数据平面功能。在目前的工作中，我们定义了一个称为Open 5G的协议，用于SMRAN数据平面的控制和管理。Open 5G基于OpenFlow（OF）和OF-Config，这是基于SDN的有线网络和数据中心中常用的协议。
2020-02-06 cs.NI
Toward a Smart Resource Allocation Policy via Artificial Intelligence in 6G Networks: Centralized or Decentralized?
在本文中，我们设计了一种新的智能软件定义无线电接入网络（RAN）架构，具有灵活性和流量感知等重要属性，适用于第六代（6G）无线网络。特别是，我们认为一个分层的资源分配框架，提出的智能软RAN模型，其中软件定义网络（SDN）控制器是第一层的框架。该单元动态监测网络，根据分布式或集中式资源分配架构选择网络操作类型，智能决策。在本文中，我们的目标是使网络更具可扩展性和更灵活的可实现的数据速率，开销和复杂性指标。为此，我们引入了一个新的指标，吞吐量开销复杂性（TOC），建议基于机器学习的算法，这使得这些性能指标之间的权衡。特别是，基于TOC的决策是通过深度强化学习（DRL）来解决的，它确定了适当的资源分配策略。此外，对于选定的算法，我们采用软演员批评的方法，这是更准确，可扩展性和鲁棒性比其他学习方法。仿真结果表明，所提出的智能网络实现更好的性能相比，固定的集中式或分布式资源管理计划，缺乏动态的TOC。此外，我们提出的算法优于其他国家的最先进的网络设计中采用的传统学习方法。
2022-02-18 cs.NI eess.SP
Deep Reinforcement Learning for Network Slicing with Heterogeneous Resource Requirements and Time Varying Traffic Dynamics
高效的网络切片对于处理各种应用程序产生的网络流量的高度可变和动态特性至关重要。随着5G等新技术以及SDN和NFV等新架构的出现，这个问题变得更具挑战性。网络切片解决了具有挑战性的动态网络资源分配问题，其中单个网络基础设施被划分为（虚拟）多个切片以满足具有不同要求的不同用户的需求，主要挑战是流量到达特性和作业资源要求（例如，计算、存储器和带宽资源）可以是高度动态的。传统的基于模型的优化或模糊理论建模随着5G技术的高可靠性以及严格的带宽和延迟要求而变得难以处理。此外，这些方法在动态环境中缺乏自适应性。我们提出了一种深度强化学习方法来解决这个动态耦合的资源分配问题。使用合成模拟数据和真实工作负载驱动跟踪的模型评估表明，与基线等切片策略相比，我们的深度强化学习解决方案提高了整体资源利用率，延迟性能和满足的需求。
2019-08-08 cs.NI
Dynamic Network Probes: A Stepping Stone to Omni Network Visibility
有效的SDN控制依赖于网络数据收集能力以及数据的质量和及时性。随着开放式可编程数据平面逐渐成为现实，为了应对应用动态性，优化数据平面资源分配，减轻控制平面处理压力，我们在运行时交互编程的支持下进一步增强了数据平面。基于最新的技术，我们提出了动态网络探测器（DNP）作为一种手段，以支持实时和按需的网络可见性。DNP是集成网络数据分析平台的重要构建块，该平台涉及网络数据平面作为网络内计算的活动组件。在本文中，我们展示了DNP的类型及其在大局中的作用。我们已经实现了一个基于NP的硬件原型，以证明DNP的可行性和效率。最后，本文提出了基于DNP的全方位网络可视性的研究挑战和未来工作。
2016-12-08 cs.NI
Achieving AI-enabled Robust End-to-End Quality of Experience over Radio Access Networks
新兴应用如增强现实、车联网和远程手术需要计算和网络功能协调工作。这些应用的端到端（E2E）体验质量（QoE）取决于网络和计算资源的同步分配。然而，资源和E2E QoE结果之间的关系通常是随机和非线性的。为了做出有效的资源分配决策，必须对这些关系进行建模。本文提出了一种新的基于机器学习的方法来学习这些关系，并为此目的同时编排两种资源。机器学习模型还有助于做出关于随机变化的鲁棒分配决策，并将鲁棒优化简化为常规的约束优化。当资源不足以满足所有应用程序的要求时，我们的框架支持以E2E QoE的最小降级（优雅降级）执行一些应用程序。我们还展示了如何通过软件定义网络（SDN）和Kubernetes技术以分布式方式实现学习和优化方法。我们的研究结果表明，基于深度学习的建模实现了E2E QoE，准确率约为99.8%，与现有的差分服务替代方案相比，我们强大的联合优化技术有效地分配了资源。
2022-01-13 cs.NI cs.SY eess.SY
The dichotomy of distributed and centralized control: METRO-HAUL, when control planes collide for 5G networks
自动化部署在异构基础设施（在域、技术和管理平台方面）上的5G服务的配置仍然是一项复杂的任务，但由于不断需要在网络切片上提供端到端连接，从而降低成本和服务部署时间。与此同时，此类服务越来越多地围绕互连功能进行构思，并且需要分配计算、存储和网络资源。METRO-HAUL 5G研究计划认识到自动化的需求，并致力于为服务和资源开发一个编排平台，该平台在现有方法的基础上进行扩展、集成和构建，宏观上采用传输软件定义网络原则，并利用传输SDN的可编程性和开放控制。
2019-06-20 cs.NI eess.SP
Energy-efficient Software-defined 5G/6G Multimedia IoV: PID controller-based approach
本文提出基于PID控制器的节能方法，用于5G/6G智能交通中的多媒体资源管理，通过整合SDN和NFV技术，实现负载平衡与能耗降低。
2026-02-01 cs.NI
