論文の概要: Jamming-Resilient PRB Reservation for Latency-Critical O-RAN Network Slicing

• arxiv url: http://arxiv.org/abs/2605.30622v1
• Date: Thu, 28 May 2026 22:18:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.268328
• Title: Jamming-Resilient PRB Reservation for Latency-Critical O-RAN Network Slicing
• Title（参考訳）: 遅延臨界O-RANネットワークスライシングのためのジャミング・レジリエントPRB保存
• Authors: Elahe Delavari, Junaid Farooq,
• Abstract要約: 産業用5Gダウンリンクシステムでは、対向ジャミングは、有効な物理リソースブロック容量を劇的に削減することができる。 本稿では,スライスしたO-RAN配置におけるRBB割り当てのためのリザーブベースレジリエンスフレームワークを提案する。 我々は、制約付き逐次決定問題として予約活性化を定式化し、非定常ジャミングの下で効果的な制御ポリシーを学ぶために、マスク付きディープQネットワークを設計する。
• 参考スコア（独自算出の注目度）: 0.8594140167290097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open radio access network (O-RAN) architectures enable near real-time, software-driven control of network slicing through programmable xApps deployed on the near-real-time RAN Intelligent Controller (near-RT RIC). In industrial 5G downlink systems, adversarial jamming can abruptly reduce the effective physical resource block (PRB) capacity, triggering queue buildup and persistent latency violations, particularly in the presence of low spectral efficiency cell edge user equipments. This paper proposes a reserve-based resilience framework for PRB allocation in sliced O-RAN deployments. A finite pool of reserved PRBs is controlled by a near-RT RIC xApp that provides hybrid mitigation by proactively clearing backlog to build latency margin and reactively allocating reserve capacity during jammer active intervals. We formulate reserve activation as a constrained sequential decision problem and design a masked Deep Q-Network to learn effective control policies under non-stationary jamming. Simulation results show substantial reductions in URLLC latency violations and improved reserve efficiency compared to reactive baselines.
• Abstract（参考訳）: オープン無線アクセスネットワーク(O-RAN)アーキテクチャは、ほぼリアルタイムのRAN Intelligent Controller(近RT RIC)上にデプロイされるプログラム可能なxAppを通じて、ほぼリアルタイムにソフトウェア駆動によるネットワークスライシングの制御を可能にする。 産業用5Gダウンリンクシステムでは、特に低スペクトル効率セルエッジユーザ装置の存在下では、対向ジャミングが有効な物理リソースブロック(PRB)容量を突然減少させ、キューのビルドアップと永続的な遅延違反を引き起こす。 本稿では,スライスしたO-RAN配置におけるRBB割り当てのためのリザーブベースレジリエンスフレームワークを提案する。 予約されたRBBの有限プールは近RT RIC xAppによって制御される。これは、バックログを積極的にクリアして遅延マージンを構築し、ジャマーアクティブインターバル中にリザーブ容量をリアクティブに割り当てることによるハイブリッド緩和を提供する。 我々は、制約付き逐次決定問題として予約活性化を定式化し、非定常ジャミングの下で効果的な制御ポリシーを学ぶために、マスク付きディープQネットワークを設計する。 シミュレーションの結果, URLLCレイテンシ違反が大幅に減少し, 反応性ベースラインに比べて予約効率が向上した。

関連論文リスト

• Adversarial Attacks in AI-Driven RAN Slicing: SLA Violations and Recovery [7.546882801190319]
  敵攻撃がAI駆動のRANスライシング決定に与える影響について検討する。 以上の結果から,予算制約による対人妨害は,重度かつスライス依存の定常SLA違反を引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2026-04-01T15:54:06Z)
• Deep Reinforcement Learning-driven Edge Offloading for Latency-constrained XR pipelines [0.0]
  没入型拡張現実(XR)アプリケーションは、リアルタイムの応答性を厳格に満たさなければならないレイテンシクリティカルなワークロードを導入します。 適応実行と計算オフロードに対する既存のアプローチは、リアルタイムレイテンシ要求とデバイスバッテリ寿命の間の持続的な相互作用を完全に捉えていない。 本稿では,エッジ支援型XRシステムに対して,実行場所,ワークロード品質,レイテンシ要件,バッテリダイナミクスを共同で検討した,バッテリ対応型実行管理フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-17T17:30:11Z)
• Solving the Post-Quantum Control Plane Bottleneck: Energy-Aware Cryptographic Scheduling in Open RAN [8.221622045367923]
  ポスト量子暗号(PQC)は、主要なスケーラブルな防御法であるが、RAN制御面に重大なボトルネックをもたらす。 本稿では、このPQCボトルネックを解消し、運用エネルギー効率を犠牲にすることなく量子レジリエンスを確保するためのエネルギー対応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-12T10:58:54Z)
• The Fusion of Deep Reinforcement Learning and Edge Computing for Real-time Monitoring and Control Optimization in IoT Environments [2.0380092516669235]
  本稿では,深層強化学習とエッジコンピューティングに基づく最適化制御システムを提案する。 その結果、このアプローチは、クラウドエッジ通信のレイテンシを低減し、異常な状況に対する応答を加速し、システム障害率を低減し、平均的な機器運用時間を延長し、手作業によるメンテナンスと置換のコストを削減できることを示した。
  論文  参考訳（メタデータ） (2024-02-28T12:01:06Z)
• Efficient Parallel Split Learning over Resource-constrained Wireless Edge Networks [44.37047471448793]
  本稿では,エッジコンピューティングパラダイムと並列分割学習(PSL)の統合を提唱する。 そこで本研究では,モデル学習を高速化するために,効率的な並列分割学習(EPSL)という革新的なPSLフレームワークを提案する。 提案するEPSLフレームワークは,目標精度を達成するために必要なトレーニング遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2023-03-26T16:09:48Z)
• Guaranteed Dynamic Scheduling of Ultra-Reliable Low-Latency Traffic via Conformal Prediction [72.59079526765487]
  アップリンクにおける超信頼性・低遅延トラフィック(URLLC)の動的スケジューリングは、既存のサービスの効率を大幅に向上させることができる。 主な課題は、URLLCパケット生成のプロセスにおける不確実性である。 本稿では,URLLC トラフィック予測器の品質に関わらず,信頼性と遅延を保証した新しい URLLC パケットスケジューラを提案する。
  論文  参考訳（メタデータ） (2023-02-15T14:09:55Z)
• Generating Dispatching Rules for the Interrupting Swap-Allowed Blocking Job Shop Problem Using Graph Neural Network and Reinforcement Learning [21.021840570685264]
  割り込みスワップ可能なブロッキングジョブショップ問題(ISBJSSP)は、多くの製造計画やロジスティクスアプリケーションを現実的にモデル化することができる。 連続的な削除や加算を受けるノードとエッジを特徴とする動的解離グラフの定式化を導入する。 ISBJSSP設定の割り込み、スワップ、ブロッキングをシミュレートするシミュレータが開発された。
  論文  参考訳（メタデータ） (2023-02-05T23:35:21Z)
• Artificial Intelligence Empowered Multiple Access for Ultra Reliable and Low Latency THz Wireless Networks [76.89730672544216]
  テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。 いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。 本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-17T03:00:24Z)

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。