論文の概要: Enhancing Network Slicing Architectures with Machine Learning, Security,
Sustainability and Experimental Networks Integration
- arxiv url: http://arxiv.org/abs/2307.09151v1
- Date: Tue, 18 Jul 2023 11:22:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-19 15:13:01.677884
- Title: Enhancing Network Slicing Architectures with Machine Learning, Security,
Sustainability and Experimental Networks Integration
- Title（参考訳）: 機械学習、セキュリティ、持続可能性、実験的ネットワーク統合によるネットワークスライシングアーキテクチャの強化
- Authors: Joberto S. B. Martins, Tereza C. Carvalho, Rodrigo Moreira, Cristiano
Both, Adnei Donatti, Jo\~ao H. Corr\^ea, Jos\'e A. Suruagy, Sand L. Corr\^ea,
Antonio J. G. Abelem, Mois\'es R. N. Ribeiro, Jose-Marcos Nogueira, Luiz C.
S. Magalh\~aes, Juliano Wickboldt, Tiago Ferreto, Ricardo Mello, Rafael
Pasquini, Marcos Schwarz, Leobino N. Sampaio, Daniel F. Macedo, Jos\'e F. de
Rezende, Kleber V. Cardoso, Fl\'avio O. Silva
- Abstract要約: NS(Network Slicing)は5Gネットワークコンピューティング戦略において広く使われている技術である。
NSは6Gの未来的かつ高要求のアプリケーションのための主要なイネーブラーの1つとして予見されている。
NSアーキテクチャの提案は通常、共通性のある特定のドメインセットのニーズを満たす。
- 参考スコア（独自算出の注目度）: 0.21200026734831154
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Network Slicing (NS) is an essential technique extensively used in 5G
networks computing strategies, mobile edge computing, mobile cloud computing,
and verticals like the Internet of Vehicles and industrial IoT, among others.
NS is foreseen as one of the leading enablers for 6G futuristic and highly
demanding applications since it allows the optimization and customization of
scarce and disputed resources among dynamic, demanding clients with highly
distinct application requirements. Various standardization organizations, like
3GPP's proposal for new generation networks and state-of-the-art 5G/6G research
projects, are proposing new NS architectures. However, new NS architectures
have to deal with an extensive range of requirements that inherently result in
having NS architecture proposals typically fulfilling the needs of specific
sets of domains with commonalities. The Slicing Future Internet Infrastructures
(SFI2) architecture proposal explores the gap resulting from the diversity of
NS architectures target domains by proposing a new NS reference architecture
with a defined focus on integrating experimental networks and enhancing the NS
architecture with Machine Learning (ML) native optimizations, energy-efficient
slicing, and slicing-tailored security functionalities. The SFI2 architectural
main contribution includes the utilization of the slice-as-a-service paradigm
for end-to-end orchestration of resources across multi-domains and
multi-technology experimental networks. In addition, the SFI2 reference
architecture instantiations will enhance the multi-domain and multi-technology
integrated experimental network deployment with native ML optimization,
energy-efficient aware slicing, and slicing-tailored security functionalities
for the practical domain.
- Abstract（参考訳）: ネットワークスライシング(NS)は,5Gネットワークコンピューティング戦略やモバイルエッジコンピューティング,モバイルクラウドコンピューティング,IoTや産業用IoTなどの垂直領域で広く使用されている,重要なテクニックである。
nsは、動的に異なるアプリケーション要求を持つクライアントの間で、希少で論争の多いリソースの最適化とカスタマイズを可能にするため、6gの未来的で高需要のアプリケーションのための主要な実現要因の1つとして期待されている。
3GPPによる次世代ネットワークの提案や最先端の5G/6G研究プロジェクトなど、さまざまな標準化組織が新しいNSアーキテクチャを提案している。
しかし、新しいnsアーキテクチャは、本質的にnsアーキテクチャの提案が共通点を持つ特定のドメインセットのニーズを満たすような幅広い要件に対応しなければならない。
Slicing Future Internet Infrastructures (SFI2)アーキテクチャ提案は、実験ネットワークの統合と、機械学習(ML)ネイティブ最適化によるNSアーキテクチャの拡張、エネルギー効率の高いスライシング、スライシングに適したセキュリティ機能によるNSアーキテクチャの拡張に重点を置いて、NSアーキテクチャの多様性から生まれたギャップを探求する。
SFI2アーキテクチャの主な貢献は、マルチドメインとマルチテクノロジーの実験ネットワークにわたるリソースのエンドツーエンドのオーケストレーションに、Slice-as-a-serviceパラダイムの利用である。
さらに、SFI2参照アーキテクチャのインスタンス化により、ネイティブML最適化、エネルギー効率の高いスライシング、実用的なドメインのためのスライシング調整されたセキュリティ機能を備えたマルチドメインおよびマルチテクノロジー統合実験ネットワークデプロイメントが強化される。
関連論文リスト
- AI-Native Multi-Access Future Networks -- The REASON Architecture [4.323505243954935]
REASONプロジェクトは、E2Eサービスオーケストレーション、サステナビリティ、セキュリティ、信頼管理など、将来のネットワークデプロイメントにおける技術的な課題に対処することを目的としている。
本稿では,REASONのアーキテクチャと今後のネットワークに対する要件について述べる。
論文 参考訳（メタデータ） (2024-11-11T11:10:39Z) - An Intelligent Native Network Slicing Security Architecture Empowered by Federated Learning [0.0]
ネットワークスライシングソリューションを改善するためのアーキテクチャ・インテリジェントセキュリティ機構を提案する。
我々は、汎用的および非ネイティブなテレメトリ記録を用いて、スライス内のDistributed Denial-of-Service(DDoS)と侵入攻撃を識別する。
論文 参考訳（メタデータ） (2024-10-04T21:12:23Z) - EM-DARTS: Hierarchical Differentiable Architecture Search for Eye Movement Recognition [54.99121380536659]
眼球運動バイオメトリックスは、高い安全性の識別により注目されている。
深層学習(DL)モデルは近年,眼球運動認識に成功している。
DLアーキテクチャはまだ人間の事前知識によって決定されている。
眼球運動認識のためのDLアーキテクチャを自動設計する階層的微分可能なアーキテクチャ探索アルゴリズムEM-DARTSを提案する。
論文 参考訳（メタデータ） (2024-09-22T13:11:08Z) - Intelligent Data-Driven Architectural Features Orchestration for Network
Slicing [0.0]
オーケストレーションと機械学習は、ネットワークスライシングプロセスにおいて重要な役割を持つ重要な要素である。
本稿では,機械学習によるネットワークスライシングアーキテクチャの機能と機能のオーケストレーションについて論じる。
分散組込みおよび協調MLエージェントを用いたSFI2アーキテクチャのアタック防止セキュリティ機構を開発した。
論文 参考訳（メタデータ） (2024-01-12T12:32:36Z) - OFA$^2$: A Multi-Objective Perspective for the Once-for-All Neural
Architecture Search [79.36688444492405]
once-for-All(OFA)は、異なるリソース制約を持つデバイスのための効率的なアーキテクチャを探索する問題に対処するために設計された、ニューラルネットワーク検索(NAS)フレームワークである。
我々は,探索段階を多目的最適化問題として明示的に考えることにより,効率の追求を一歩進めることを目指している。
論文 参考訳（メタデータ） (2023-03-23T21:30:29Z) - Elastic Architecture Search for Diverse Tasks with Different Resources [87.23061200971912]
本研究では,異なるリソースを持つ多様なタスクを効率的に配置する上で,クラス群に対応するリソース制約や関心のタスクをテスト時に動的に指定する,新たな課題について検討する。
従来のNASアプローチでは、全てのクラスのアーキテクチャを同時に設計することを模索しており、これはいくつかの個別のタスクに最適ではないかもしれない。
本稿では、様々なリソース制約のある多様なタスクに対して、実行時に即時特殊化を可能にする、Elastic Architecture Search (EAS)と呼ばれる斬新で一般的なフレームワークを提案する。
論文 参考訳（メタデータ） (2021-08-03T00:54:27Z) - Intelligent Zero Trust Architecture for 5G/6G Tactical Networks:
Principles, Challenges, and the Role of Machine Learning [4.314956204483074]
課題を強調し,信頼できないコンポーネントを持つ5G/6Gネットワークのセキュリティフレームワークとして,インテリジェントゼロ信頼アーキテクチャ(i-ZTA)の概念を導入する。
本稿では,現代の人工知能(AI)アルゴリズムを開発して,信頼できないネットワークにおける情報セキュリティを提供するi-ZTAのアーキテクチャ設計について述べる。
論文 参考訳（メタデータ） (2021-05-04T13:14:29Z) - Auto-Panoptic: Cooperative Multi-Component Architecture Search for
Panoptic Segmentation [144.50154657257605]
本稿では、バックボーン、セグメンテーションブランチ、フィーチャーフュージョンモジュールを含むすべての主要コンポーネントを同時に検索する効率的なフレームワークを提案する。
検索したアーキテクチャ、すなわちAuto-Panopticは、挑戦的なCOCOとADE20Kベンチマークに関する新しい最先端技術を実現します。
論文 参考訳（メタデータ） (2020-10-30T08:34:35Z) - Stage-Wise Neural Architecture Search [65.03109178056937]
ResNetやNASNetのような現代の畳み込みネットワークは、多くのコンピュータビジョンアプリケーションで最先端の結果を得た。
これらのネットワークは、同じ解像度で表現を操作するレイヤのセットであるステージで構成されている。
各ステージにおけるレイヤー数の増加はネットワークの予測能力を向上させることが示されている。
しかし、結果として得られるアーキテクチャは、浮動小数点演算、メモリ要求、推論時間の観点から計算的に高価になる。
論文 参考訳（メタデータ） (2020-04-23T14:16:39Z) - A Privacy-Preserving Distributed Architecture for
Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。
クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文 参考訳（メタデータ） (2020-03-30T15:12:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。