http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
효율적인 가상 네트워크 임베딩을 위한 계층적 다중 에이전트 강화 학습
임현교(Hyun-Kyo Lim),김주봉(Ju-Bong Kim),울라 이산(Ullah Ihsan),한연희(Youn-Hee Han) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
네트워크 가상화는 물리적 네트워크 자원들을 가상화를 통해 각각의 하드웨어 장비가 아닌 하나의 소프트웨어 기반의 네트워크로 각 서비스의 요구사항에 적합하게 논리적으로 세분화한다. 그러나 각 서비스의 요구사항에 맞게 효율적으로 네트워크 자원을 제공하기 위해 가상네트워크를 물리적 네트워크로 임베딩할 수 있는 가상 네트워크 임베딩 알고리즘이 필요하다. 본 논문에서는 효율적인 가상 네트워크 임베딩을 위하여 1) 효율적인 탐색을 위하여 계층적 강화 학습과 2) 다수 에이전트의 협업을 통한 알고리즘의 성능 향상을 위해 다중 에이전트기반 강화 학습을 적용한 가상 네트워크 임베딩 알고리즘을 제안한다. 제안하는 알고리즘의 검증을 위하여 본 논문에서는 최신의 강화 학습기반 알고리즘들과 비교를 수행함으로써 유효성을 증명한다.
Mininet과 ONOS 컨트롤러를 이용한 단말 이동성 구현 및 실험
임현교 ( Hyun-kyo Lim ),김경한 ( Kyoung-han Kim ),허주성 ( Joo-seong Heo ),한연희 ( Youn-hee Han ) 한국정보처리학회 2016 한국정보처리학회 학술대회논문집 Vol.23 No.1
최근 SDN (Software-Defined Networks)에 대한 관심이 증가함에 따라 개인, 학교, 연구소에서 쉽고 간편하게 가상의 네트워크를 구성하고 SDN 기반 네트워크를 테스트를 수행할 수 있는 Mininet이 많이 활용되고 있다. 또한, 여러 SDN 컨트롤러 중에서 ONOS 컨트롤러는 OpenSource로 공개되어 GUI를 이용해 네트워크의 전반적인 토폴로지와 Flow 관리를 쉽게 할 수 있는 성숙된 컨트롤러로 인식되고 있다. 본 논문에서는 Mininet과 ONOS 컨트롤러를 이용하여 SDN 네트워크를 구성하고, 노드가 각 스위치를 이동하여 다닐 때에도 통신이 올바르게 유지되도록 컨트롤하는 시나리오를 구현하고 그 실험 결과를 제시하였다.
Convolution Neural Network 와 Recurrent Neural Network 를 활용한 네트워크 패킷 분류
임현교 ( Hyun-kyo Lim ),김주봉 ( Ju-bong Kim ),한연희 ( Youn-hee Han ) 한국정보처리학회 2018 한국정보처리학회 학술대회논문집 Vol.25 No.1
최근 네트워크 상에 새롭고 다양한 어플리케이션들이 생겨나면서 이에 따른 적절한 어플리케이션별 서비스 제공을 위한 패킷 분류 방법이 요구되고 있다. 이로 인하여 딥 러닝 기술이 발전 하면 서 이를 이용한 네트워크 트래픽 분류 방법들이 제안되고 있다. 따라서,본 논문에서는 접 러닝 기 술 중 Convolution Neural Network 와 Recurrent Neural Network 를 동시에 활용 한 네트워크 패킷 분류 방법을 제안한다.
임현교(Hyun-Kyo Lim),울라 이산(Ullah Ihsan),허주성(Joo-Seong Heo),한연희(Youn-Hee Han) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
최근 5G 네트워크가 상용화됨에 따라, 다양한 서비스들이 존재하며, 각 서비스의 요구사항을 만족시키기 위하여 효과적이고 유연한 네트워크 관리 기술을 요구한다. 이를 위하여, 네트워크 가상화 기술은 물리적 네트워크를 하나 이상의 소프트웨어 기반 가상 네트워크로 만들어 각 서비스의 요구사항에 적합한 네트워크 자원을 제공한다. 그러나 네트워크 자원을 효율적으로 제공하기 위해, 가상 네트워크를 물리적 네트워크로 임베딩할 수 있는 가상 네트워크 임베딩 알고리즘이 필요하다. 본 논문에서는 가상 네트워크의 노드 및 링크의 임베딩 성능을 향상시키기 위해 Ego Network 기반 가상 네트워크 임베딩 알고리즘을 제안한다. 더 나은 링크 임베딩을 위해 노드의 반경으로 기준 노드의 홉 수를 사용해 Ego Network를 구성한 후, 홉 수 측면에서 서로 가까운 물리적 노드를 선택해 가상 노드에 임베딩 시킨다. 제안된 방식은 노드 및 링크의 관계를 Ego Network를 통해 고려함으로써 가상 네트워크 요청의 수락 비율을 증가시킨다. 제안하는 Ego Network 기반 가상 네트워크 임베딩 알고리즘의 검증을 위하여 본 논문에서는 기존의 알고리즘들과 비교 검증한다.
이동성 관리를 위한 SDN 기반 LTE/EPC 네트워크 모델 제안 및 실험
임현교 ( Hyun-kyo Lim ),허주성 ( Joo-seong Heo ),김주봉 ( Ju-bong Kim ),한연희 ( Youn-hee Han ) 한국정보처리학회 2017 한국정보처리학회 학술대회논문집 Vol.24 No.1
최근 급격히 증가한 모바일 기기와 Over The Top (OTT) 서비스의 활성화로 인하여 CMM 기반의 LTE/EPC 네트워크에 과다한 데이터/제어 트래픽의 수용이 힘들어지는 문제가 중요 이슈로 부각되고 있다. 이를 해결하기 위하여 IETF는 Distributed Mobility Management (DMM) 기반의 이동성 관리 방안을 제안하였다. 하지만 DMM 기술은 중앙의 트래픽 부하 분산에 초점을 두고 있어 단말의 이동과 관련하여 발생하는 과다한 제어 트래픽 수용에 관한 문제를 해결하기에는 부족하다. 따라서 본 논문에서는 이러한 문제를 해결하기 위하여 SDN 기반으로 CMM과 DMM을 함께 이용하는 HMM (Hybrid Mobility Management) LTE/ECP 네트워크 모델을 제시한다. 또한 HMM 기반의 LTE/EPC 네트워크 모델은 CMM 및 DMM 기법의 선택을 위해 단말의 이동성과 PDN 연결의 개수를 고려한 선택방안을 제시하며, 제안하는 HMM 기반의 LTE/EPC 네트워크 구조에서의 데이터 트래픽 부하량과 단말의 이동성과 PDN 연결 개수에 따라 제어 트래픽의 양을 비교하는 그래프를 제시하며 제안하는 네트워크 모델의 타당성을 입증한다.
Recurrent Neural Network을 이용한 플로우 기반 네트워크 트래픽 분류
임현교 ( Hyun-kyo Lim ),김주봉 ( Ju-bong Kim ),허주성 ( Joo-seong Heo ),권도형 ( Do-hyung Kwon ),한연희 ( Youn-hee Han ) 한국정보처리학회 2017 한국정보처리학회 학술대회논문집 Vol.24 No.2
최근 다양한 네트워크 서비스와 응용들이 생겨나면서, 네트워크상에 다양한 네트워크 트래픽이 발생하고 있다. 이로 인하여, 네트워크에 불필요한 네트워크 트래픽도 많이 발생하면서 네트워크 성능에 저하를 발생 시키고 있다. 따라서, 네트워크 트래픽 분류를 통하여 빠르게 제공되어야 하는 네트워크서비스를 빠르게 전송 할 수 있도록 각 네트워크 트래픽마다의 분류가 필요하다. 본 논문에서는 Deep Learning 기법 중 Recurrent Neural Network를 이용한 플로우 기반의 네트워크 트래픽 분류를 제안한다. Deep Learning은 네트워크 관리자의 개입 없이 네트워크 트래픽 분류를 할 수 있으며, 이를 위하여 네트워크 트래픽을 Recurrent Neural Network 에 적합한 데이터 형태로 변환한다. 변환된 데이터 세트를 이용하여 훈련시킴으로써 네트워크 트래픽을 분류한다. 본 논문에서는 훈련시킨 결과를 토대로 비교 분석 및 평가를 진행한다.