論文の概要: MTS: Bringing Multi-Tenancy to Virtual Networking
- arxiv url: http://arxiv.org/abs/2403.01862v1
- Date: Mon, 4 Mar 2024 09:18:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-17 17:10:47.083230
- Title: MTS: Bringing Multi-Tenancy to Virtual Networking
- Title(参考訳): MTS: 仮想ネットワークにマルチテナンシをもたらす
- Authors: Kashyap Thimmaraju, Saad Hermak, Gábor Rétvári, Stefan Schmid,
- Abstract要約: マルチテナントクラウドコンピューティングは、リソース共有、エラスティックな価格設定、スケーラビリティという面で大きなメリットを提供します。
また、セキュリティの状況を変え、テナント間の強力な隔離の必要性もネットワーク内部に導入する。
我々はマルチテナント仮想ネットワークのコンテキストに安全な設計のベストプラクティスをもたらす仮想スイッチアーキテクチャ MTS を提案し,実装し,評価する。
- 参考スコア(独自算出の注目度): 13.601341555716232
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-tenant cloud computing provides great benefits in terms of resource sharing, elastic pricing, and scalability, however, it also changes the security landscape and introduces the need for strong isolation between the tenants, also inside the network. This paper is motivated by the observation that while multi-tenancy is widely used in cloud computing, the virtual switch designs currently used for network virtualization lack sufficient support for tenant isolation. Hence, we present, implement, and evaluate a virtual switch architecture, MTS, which brings secure design best-practice to the context of multi-tenant virtual networking: compartmentalization of virtual switches, least-privilege execution, complete mediation of all network communication, and reducing the trusted computing base shared between tenants. We build MTS from commodity components, providing an incrementally deployable and inexpensive upgrade path to cloud operators. Our extensive experiments, extending to both micro-benchmarks and cloud applications, show that, depending on the way it is deployed, MTS may produce 1.5-2x the throughput compared to state-of-the-art, with similar or better latency and modest resource overhead (1 extra CPU). MTS is available as open source software.
- Abstract(参考訳): マルチテナントクラウドコンピューティングは、リソース共有、エラスティック価格、スケーラビリティの面で大きなメリットを提供するが、セキュリティの状況も変化し、ネットワーク内においてもテナント間の強力な隔離の必要性がもたらされる。
本論文は,マルチテナントがクラウドコンピューティングで広く利用されているが,ネットワーク仮想化に現在使用されている仮想スイッチ設計はテナント分離のための十分なサポートを欠いているという観察から動機付けられたものである。
したがって、マルチテナント仮想ネットワークのコンテキストに安全な設計のベストプラクティスをもたらす仮想スイッチアーキテクチャ MTS を提案し、実装し、評価する: 仮想スイッチの分割化、最小限のプライベート実行、全てのネットワーク通信の完全仲介、テナント間で共有される信頼性の高いコンピューティングベースを減らす。
私たちは、コモディティコンポーネントからMSSを構築し、段階的にデプロイ可能で安価なクラウドオペレーターへのアップグレードパスを提供します。
私たちの大規模な実験は、マイクロベンチマークとクラウドアプリケーションの両方に拡張され、デプロイ方法によっては、MTSが1.5~2倍のスループットを生み出す可能性があることを示しています。
MTSはオープンソースソフトウェアとして利用可能である。
関連論文リスト
- WDMoE: Wireless Distributed Large Language Models with Mixture of Experts [65.57581050707738]
我々は,Mixture of Experts (MoE)に基づく無線分散大言語モデル(LLM)パラダイムを提案する。
我々は,基地局(BS)とモバイルデバイスにゲーティングネットワークと先行するニューラルネットワーク層を配置することにより,LLM内のMoE層を分解する。
我々は、モデルの性能とエンドツーエンドのレイテンシの両方を考慮して、専門家の選択ポリシーを設計する。
論文 参考訳(メタデータ) (2024-05-06T02:55:50Z) - FSD-Inference: Fully Serverless Distributed Inference with Scalable Cloud Communication [2.1301190271783317]
FSD-Inferenceは、分散ML推論のための、初めて完全にサーバレスで高度にスケーラブルなシステムである。
我々は、クラウドベースのパブリッシュ/サブスクライブ/キューとオブジェクトストレージの両方を活用する、ML推論ワークロードのための、新しい完全なサーバレス通信スキームを紹介します。
論文 参考訳(メタデータ) (2024-03-22T13:31:24Z) - When Large Language Model Agents Meet 6G Networks: Perception,
Grounding, and Alignment [100.58938424441027]
モバイル端末とエッジサーバの協調を利用した6GネットワークにおけるAIエージェントの分割学習システムを提案する。
提案システムでは,LLMのための新しいモデルキャッシングアルゴリズムを導入し,コンテキストにおけるモデル利用を改善する。
論文 参考訳(メタデータ) (2024-01-15T15:20:59Z) - Edge-MoE: Memory-Efficient Multi-Task Vision Transformer Architecture
with Task-level Sparsity via Mixture-of-Experts [60.1586169973792]
M$3$ViTは、Mix-of-experts (MoE)を導入した最新のマルチタスクViTモデルである。
MoEは精度の向上と80%以上の削減計算を実現しているが、FPGAに効率的なデプロイを行う上での課題は残されている。
Edge-MoEと呼ばれる私たちの研究は、アーキテクチャの革新の集合を伴って、マルチタスクのViTのための最初のエンドツーエンドFPGAアクセラレータを導入するという課題を解決します。
論文 参考訳(メタデータ) (2023-05-30T02:24:03Z) - Virtualization of Tiny Embedded Systems with a robust real-time capable
and extensible Stack Virtual Machine REXAVM supporting Material-integrated
Intelligent Systems and Tiny Machine Learning [0.0]
本稿では,動作に等価なソフトウェアとハードウェア(FPGA)の実装において,提案するVMアーキテクチャの適合性を示し,評価する。
全体的なアーキテクチャアプローチでは、VMは特にデジタル信号処理と小さな機械学習に対処する。
論文 参考訳(メタデータ) (2023-02-17T17:13:35Z) - Edge Computing for Semantic Communication Enabled Metaverse: An
Incentive Mechanism Design [72.27143788103245]
SemComとエッジコンピューティングは、Metaverseにおける巨大なデータ通信、帯域幅効率、低レイテンシデータ処理の新たな要件に対処するための破壊的なソリューションである。
深層学習(DL)に基づくオークションは、近年、重要な経済特性を保持しながら収益を最大化するインセンティブメカニズムとして提案されている。
本稿では,SemCom対応Metaverseにおけるエッジリソース割り当てのためのDLベースのオークションの設計について述べる。
論文 参考訳(メタデータ) (2022-12-13T10:29:41Z) - A smart resource management mechanism with trust access control for
cloud computing environment [3.3504365823045044]
この記事では、安全かつパフォーマンス効率の良いクラウド設定におけるワークロード管理パラダイムの概念的フレームワークを提案する。
このパラダイムでは、資源管理ユニットがエネルギーに使われ、効率よく仮想マシンの割り当てを行う。
セキュアな仮想マシン管理部は、リソース管理部を制御し、不正アクセスまたは通信に関するデータを生成する。
論文 参考訳(メタデータ) (2022-12-10T15:00:58Z) - Towards efficient feature sharing in MIMO architectures [102.40140369542755]
マルチインプットのマルチアウトプットアーキテクチャでは、ひとつのベースネットワーク内でマルチワークをトレーニングし、サブネットワーク予測を平均化し、無料でアンサンブルの恩恵を受けることを提案している。
相対的な成功にもかかわらず、これらのアーキテクチャはパラメータの使用に不便である。
この論文では、学習したサブネットワークは、より小さなモバイルやAR/VRデバイスに適用性を制限する汎用的な機能でさえも共有できない点を強調します。
論文 参考訳(メタデータ) (2022-05-20T12:33:34Z) - Computational Intelligence and Deep Learning for Next-Generation
Edge-Enabled Industrial IoT [51.68933585002123]
エッジ対応産業用IoTネットワークにおける計算知能とディープラーニング(DL)の展開方法について検討する。
本稿では,新しいマルチエグジットベースフェデレーションエッジ学習(ME-FEEL)フレームワークを提案する。
特に、提案されたME-FEELは、非常に限られたリソースを持つ産業用IoTネットワークにおいて、最大32.7%の精度を達成することができる。
論文 参考訳(メタデータ) (2021-10-28T08:14:57Z) - Combination of Convolutional Neural Network and Gated Recurrent Unit for
Energy Aware Resource Allocation [0.0]
クラウドコンピューティングサービスモデルは、急速に成長し、非効率なリソース使用は、クラウドデータセンターにおける高エネルギー消費の最大の原因の1つです。
仮想マシン(VM)のライブマイグレーションと,少数の物理マシン(PM)への統合により,エネルギー消費削減を目的としたクラウドデータセンターの資源配分を行った。
この問題を解決するために、ユーザリクエストのパターンに従って、レイテンシに対するセンシティブなクラスや非センシティブなクラスに分類することが可能で、その後、マイグレーション用に適切なVMを選択することができる。
論文 参考訳(メタデータ) (2021-06-23T05:57:51Z) - Binarized Aggregated Network with Quantization: Flexible Deep Learning
Deployment for CSI Feedback in Massive MIMO System [22.068682756598914]
アグリゲートチャネル再構築ネットワーク(ACRNet)と呼ばれる新しいネットワークは、フィードバックパフォーマンスを高めるように設計されています。
異なる資源制約を満たすために,ネットワークを柔軟に適応させる弾性フィードバック方式を提案する。
実験の結果、提案したACRNetは従来の最先端ネットワークの負荷よりも優れていた。
論文 参考訳(メタデータ) (2021-05-01T22:50:25Z)
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。