An Isolation-Aware Online Virtual Network Embedding via Deep Reinforcement Learning

要約

仮想化テクノロジは、最新の ICT インフラストラクチャの基盤であり、サービス プロバイダーがさまざまなスマート シティ アプリケーションをサポートできる専用の仮想ネットワーク (VN) を作成できるようにします。
これらの VN は大量のデータを継続的に生成するため、厳しい信頼性とセキュリティの要件が必要です。
ただし、仮想化されたネットワーク環境では、複数の VN が同じ物理インフラストラクチャに共存する可能性があり、適切に分離されていない場合、相互に干渉したり、不正なアクセスを提供したりする可能性があります。
前者はパフォーマンスの低下を引き起こし、後者は VN のセキュリティを危険にさらします。
特定の VN が分離要件に違反すると、インフラストラクチャ プロバイダーのサービス保証は非常に複雑になります。
分離の問題に対処するために、このホワイト ペーパーでは、仮想ネットワーク埋め込み (VNE) 中の分離、つまり VN を物理インフラストラクチャに割り当てる手順を提案します。
分離レベルの単純な抽象化された概念を定義して、分離要件の変化を捉え、リソースと分離の制約を伴う最適化問題として分離対応 VNE を定式化します。
リソースと分離の制約を考慮した深層強化学習 (DRL) ベースの VNE アルゴリズム ISO-DRL_VNE が提案され、既存の 3 つの最先端アルゴリズムである NodeRank、Global Resource Capacity (GRC)、および Mote と比較されます。
-カルロ ツリー検索 (MCTS)。
評価結果によると、ISO-DRL_VNE アルゴリズムは、受け入れ率、長期平均収益、および長期平均収益対費用比において、他のアルゴリズムよりも 6%、13%、および 15% 優れていることが示されています。

要約(オリジナル)

Virtualization technologies are the foundation of modern ICT infrastructure, enabling service providers to create dedicated virtual networks (VNs) that can support a wide range of smart city applications. These VNs continuously generate massive amounts of data, necessitating stringent reliability and security requirements. In virtualized network environments, however, multiple VNs may coexist on the same physical infrastructure and, if not properly isolated, may interfere with or provide unauthorized access to one another. The former causes performance degradation, while the latter compromises the security of VNs. Service assurance for infrastructure providers becomes significantly more complicated when a specific VN violates the isolation requirement. In an effort to address the isolation issue, this paper proposes isolation during virtual network embedding (VNE), the procedure of allocating VNs onto physical infrastructure. We define a simple abstracted concept of isolation levels to capture the variations in isolation requirements and then formulate isolation-aware VNE as an optimization problem with resource and isolation constraints. A deep reinforcement learning (DRL)-based VNE algorithm ISO-DRL_VNE, is proposed that considers resource and isolation constraints and is compared to the existing three state-of-the-art algorithms: NodeRank, Global Resource Capacity (GRC), and Mote-Carlo Tree Search (MCTS). Evaluation results show that the ISO-DRL_VNE algorithm outperforms others in acceptance ratio, long-term average revenue, and long-term average revenue-to-cost ratio by 6%, 13%, and 15%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google