http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
머신러닝을 이용한 VNF 이상 탐지 및 고장 예측 기반 NFV 관리 시스템 설계
홍지범(Jibum Hong),정세연(Seyeon Jeong),남석현(Sukhyun Nam),유재형(Jae-Hyoung Yoo),홍원기(James Won-Ki Hong) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
5G 네트워크는 소프트웨어 정의 네트워킹 (Software-Defined Networking, SDN)과 네트워크 기능 가상화 (Network Function Virtualization, NFV) 기술을 이용해 가상화된 네트워크 환경을 구축하고 사용자의 서비스 요청을 보다 유연하고 민첩하게 처리하고 있다. 하지만 가상 네트워크가 점점 복잡해짐에 따라 다양한 관리 문제가 발생하고 있으며, 이러한 관리 문제를 해결하기 위해서는 가상 네트워크 환경을 구성하는 서버 및 VNF (Virtualized Network Function)들을 모니터링하여 최적의 관리 정책을 도출할 필요성이 증가하고 있다. 본 논문에서는 가상 네트워크 모니터링 및 분석과 함께 머신러닝을 이용해 VNF 의 이상 탐지 (anomaly detection) 및 고장 예측 (failure prediction)을 수행하고, 안정적인 5G 가상네트워크 관리에 필수적인 Auto-scaling, Live Migration 등의 기능을 적용하여 과부하와 서비스 품질저하를 완화하거나 고장을 사전에 예방하는 NFV 관리 시스템을 제안한다.
Machine Learning-based Optimal VNF Deployment
Suhyun Park,Hee-Gon Kim,Jibum Hong,Stanislav Lange,Jae-Hyoung Yoo,James Won-Ki Hong 한국통신학회 2020 한국통신학회 APNOMS Vol.2020 No.09
Network Function Virtualization (NFV) environment can deal with dynamic changes in traffic status with appropriate deployment and scaling of Virtualized Network Function (VNF). However, determining and applying the optimal VNF deployment in consideration of the cost and Quality of Service (QoS) is a complicated and difficult task. In particular, it is necessary to predict the situation at a future point when the deployment decision is applied because it takes processing time to apply the deployment decision to the actual NFV environment. In this paper, we randomly generate service requests in Multiaccess Edge Computing (MEC) topology, then obtain optimal VNF deployment and Service Function Chaining (SFC) result from an Integer Linear Programming (ILP) solution. We use the simulation data to train a machine learning model which predicts the optimal VNF deployment at a predefined future point. The prediction model shows the accuracy over 90% compared to the ILP solution for the 5-minute future time point.