Adaptive Services Function Chain Orchestration For Digital Health Twin Use Cases: Heuristic-boosted Q-Learning Approach

要約

タイトル: デジタルヘルスツインケースに対する適応的サービス機能チェーンオーケストレーション：ヒューリスティック強化Q学習アプローチ

要約:
– デジタルツインは、医療セクター内で利用できる新しいテクノロジーであるが、その応用に関する主な課題には、厳格なヘルスデータ共有ポリシー、高性能ネットワーク要件、または可能な限りのインフラリソース制限が含まれる。
– 本論文では、機能を柔軟にカスタマイズし、様々なデータ共有シナリオに対応するため、アダプティブな仮想ネットワーク機能(VNF)を提供することにより、これらの課題に対応した。
– マルチノードクラスターメッシュインフラストラクチャ上にクラウドネイティブネットワークオーケストレータを定義し、柔軟でダイナミックなコンテナスケジューリングを提供する。
– 提案されたフレームワークは、意図されたデータ共有ケース、関連するポリシー、およびインフラストラクチャ構成を考慮して、サービス機能チェーン(SFC)をプロビジョニングし、ほとんど人為的干渉を必要とするルーティング構成を提供する。
– SFCを展開する際に最適なのはケースそのものであり、パフォーマンス要件を満たすためにハイパーパラメータを調整して、リソース利用率またはレイテンシを優先させることもできる。
– その結果、ポリシー、要件、およびリソースを考慮した、デジタルヘルスツインケースに対するアダプティブネットワークオーケストレーションを提供する。

要約(オリジナル)

Digital Twin (DT) is a prominent technology to utilise and deploy within the healthcare sector. Yet, the main challenges facing such applications are: Strict health data-sharing policies, high-performance network requirements, and possible infrastructure resource limitations. In this paper, we address all the challenges by provisioning adaptive Virtual Network Functions (VNFs) to enforce security policies associated with different data-sharing scenarios. We define a Cloud-Native Network orchestrator on top of a multi-node cluster mesh infrastructure for flexible and dynamic container scheduling. The proposed framework considers the intended data-sharing use case, the policies associated, and infrastructure configurations, then provision Service Function Chaining (SFC) and provides routing configurations accordingly with little to no human intervention. Moreover, what is \textit{optimal} when deploying SFC is dependent on the use case itself, and we tune the hyperparameters to prioritise resource utilisation or latency in an effort to comply with the performance requirements. As a result, we provide an adaptive network orchestration for digital health twin use cases, that is policy-aware, requirements-aware, and resource-aware.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI