面向算力网络的安全能力研究

算力网络作为全新的网络基础设施,其新型网络架构、多样化的服务场景以及新技术的应用,给算力网络安全带来了新的风险和需求。介绍了算力网络的发展机遇,分析了算力网络新的安全挑战,提出了算力网络安全能力框架,并探讨了解决相关安全风险的算力网络安全能力部署建议。

面向算力网络的全光网MESH化组网规划研究

全光承载网络是算力网络的根基和底座,面向算力网络的业务发展需求将呈现MESH化组网的趋势。在分析算力网络对光网络需求的基础上,对比了全光网MESH化组网和传统组网的差异,进而研究全光网络MESH化组网规划思路与规划重点,最后提出了全光网MESH化部署相关建议,以期更好地助力算力网络新发展。

基于家庭分布式HomeCDN实现端侧算力网络的研究

针对运营商网络负荷忙闲不均问题,提出了一种基于家庭分布式终端(如机顶盒)构建新型内容分发网络HomeCDN(Home Content Delivery Network,家庭内容分发网络)实现端侧算力网络的方法。首先,采用一种外挂式部署融合方案,可以兼容现有CDN(Content Delivery Network,内容分发网络)架构,无需网络改动;其次,对OTT(Over The Top,互联网电视)业务起播低时延保障、混合供流实现自动应急切换、网格化的算力和流量调度、内容预分发提升用户体验等技术进行深入研究;最后,选取国内某运营商实际家宽网络作为试点验证,采用该方法可以有效分担现有CDN网络约70%的流量,帮助运营商充分利用空闲的端侧算力解决大流量突发等问题。

面向算力网络的算力建模与度量技术研究

算力度量与建模技术作为算力网络发展的重要基础,通过统一建模算力需求和资源,结合网络性能指标,形成算网能力模板,为算力路由、管理和计费提供统一度量标准。深入探讨了该技术的发展趋势与挑战,分析了算力网络发展中的算力度量需求。在此基础上对算力网络各层级进行抽象建模,设计了一种基于任务基本处理单元的算力度量和管理方法,并提出了一套完善的算力度量与建模体系,为算力网络的进一步发展提供了有力支撑和新的思路。

算力网络场景下的超算互联网建设探索与实践

算力网络是支撑数字经济发展的重要承载平台,某市超算通过超算互联网建设实践探索实现了一体化算力平台,并在算力网络资源纳管和组网架构关键技术方面给出了架构设计思路,结合典型应用场景,部署实施了某省16地(市)超算互联网络,分析了遥感数据产品生产过程中的资源需求特点,并给出了该应用资源支撑流程以及其他典型算力应用场景,同时对算力网络技术演进方向进行了展望。

面向算力网络的智慧调度综述

分布异构计算资源通过网络连接形成算力网络(Computing power network,CPN),其以“连”和“算”为核心.针对广分布异构性导致可行解空间巨大、强不确定性导致可行解空间易变、高约束复杂性导致可行解孤岛繁多、多目标性导致冲突目标权衡优化难等挑战,提出一个多层次算力网络体系框架,包括参数化结构化业务管理、三阶段(计划、调度、执行)闭环调度模式、多模态资源管理三个功能.提出支持快速、高效、鲁棒的“算法+知识+数据+算力”的算力网络智慧调度框架,形式化分析可行解空间,解析调度策略关键参数,定性分析调度算法性能与效率的内在关系,详细综述调度算法类型,综述算力网络调度研究进展与发展方向.对比已有相关综述研究,展望算力网络调度未来理论和技术的难点与趋势.

面向工业大模型的算力网络架构与关键技术

随着第四次工业革命的推动,工业生产逐渐迈入了数字化和智能化的时代。在这一时代背景下,工业大模型作为推动工业创新的核心引擎,扮演着越来越重要的角色。同时,工业大模型的广泛应用也给算力网络提出了更为复杂和严峻的实时性需求。本文深入研究了工业大模型在数字化转型中的关键问题,着眼于其对算力网络的需求,分析了工业大模型在实时性方面的复杂需求,提出了面向工业大模型的算力网络架构,并对算力网络的关键技术进行了介绍,为工业大模型的高效运行提供了技术支持,为工业数字化、智能化的快速发展提供了助力。

算力网络环境下基于区块链的自适应联邦学习

算力网络旨在深度融合算力资源与网络资源,实现对泛在离散部署的海量数据和异构资源的高效利用。为了应对算力网络中复杂的多中心计算协同和数据隐私安全的要求,联邦学习在隐私保护和边缘算力资源利用等方面有着先天的优势。然而,基于算力边缘服务器的高度异构和广泛分布,算力网络环境下的联邦学习仍然存在一定的困难。一方面,算力网络中海量边缘服务器之间存在的数据异质性会引起非独立同分布问题,导致联邦学习中局部模型的更新偏离全局最优值。另一方面,由于不同边缘服务器的数据质量存在差异,生成低质量的局部模型会显著影响训练效果。为了解决上述问题,提出了基于区块链的自适应联邦学习(AWFL-BC,adaptiveweightfederatedlearning-blockchain)方案。通过智能合约计算不同边缘服务器的数据分布距离,生成相似度矩阵指导聚合。同时,设计了一种自适应权重聚合算法,以减轻由数据质量差异引起的模型性能和稳定性下降,从而提升模型的准确率,加速模型收敛。最后,结合区块链技术加强了安全保障机制,可有效防止投毒攻击与推理攻击。在3个公有标准数据集上进行的综合实验表明,与最先进的方法相比,AWFL-BC实现了更高的模型准确率,且模型收敛速度更快。

面向边缘光算力网络的上行链路资源协同调度算法

为满足冷、热业务实时、高效的算力调度需求,提出一种基于自适应噪声完全集合经验模态分解(CEEMDAN)与时间卷积网络(TCN)的算力负载预测模型(简称C-TCN模型),并设计了基于C-TCN与Q学习的资源协同调度算法(CTQ算法),利用C-TCN模型提前感知下一时刻负载变化,通过Q学习协同调度波长与存储资源,寻找最佳波长划分与边缘存储分配方案。实验结果表明:CTQ算法的调度性能不仅优于现有调度算法,能满足冷、热业务调度性能要求,而且还能提高波长利用率。

基于分区网关的算力网络架构及算力路由机制研究

为了解决算力网络路由开销过大和实时性差的问题,分析了算力网络的网络架构和业务特点,提出了一种基于分区的算力网络架构及算力路由机制。通过将网络划分为不同的区域,将网络路由和算力路由分开建立,并设置不同的更新频率,可以尽量减小算力网络中网络路由维护开销,并提高算力路由的更新频率。

运营商视角下的算力网络技术及实践研究

算力网络是云化网络发展演进的下一个阶段,是运营商摆脱“管道”提供商困境、支撑业务高质量发展的必然选择。从算力网络的本质内涵出发,在对算力网络架构及实现路径深入分析的基础上,通过某运营商的算力网络实践阐述如何打造一体共生的精品算力网络,支撑数字经济高质量发展、赋能千行百业。

算力网络下的算力边缘服务器部署算法

算力边缘服务器部署问题是构建算力网络的基础性问题。在实践过程中,算力边缘服务器靠近算力资源并为其加入算力网络提供接入服务。然而,算力资源的整体结构往往由现实需求所决定,并时刻随需求的变化而变化。在算力边缘服务器资源有限的情况下,如何合理部署算力边缘服务器,使得其能够保障算力网络有效地建设已成为当前各界所关注的热点。首先,对算力边缘服务器部署问题进行分析,并将其转换为带约束的多目标优化问题。针对该问题,提出一种改进型遗传算法予以解决。该算法优点在于:寻找无重复可行解作为初始种群,为选择操作提供了更多挑选的余地;选择时,采用个体均衡选择策略,保证了迭代群体的多样化与分散化;交叉和变异时,分别采用不同种类的随机两点交叉与轮流随机单点变异的策略,从而保障了新生种群的多元性与多样性。实验从算力资源总量偏差率、负载平衡误差率、收敛率、期望最优解误差率四个方面验证,该算法适合应用于算力边缘服务器的部署。

算力网络安全与数据安全治理技术研究

作为把算力和网络有效结合并提供整合服务的新型基础设施,算力网络对智慧社会的建设与发展有着重要推动作用。本文研究分析算力网络在演进过程中所遇到的安全机遇与挑战,并对安全治理的支持技术进行整理,推动算力网络安全框架体系的建设。

面向6G的移动算力网络思考与探索

移动算力网络是算力网络在移动接入场景下的具象化,通过管理和分配分布式计算资源,提高网络与计算协同的效率。文章首先介绍中国联通提出的6G网络体系架构,强调“超越连接”的设计理念,并由此引出移动算力网络的总体框架设计和潜在关键技术研究,接下来介绍移动算力网络典型场景的应用探索。最后,总结梳理其在国内外标准化组织的相关研究进展,并建议持续推动移动算力网络关键技术研究和标准化工作,呼吁业界共同构建移动算力网络的标准体系,推动面向6G及下一代网络的算网融合的深入研究和探索。

基于隐私计算与算力网络技术的“数+云”生态数据服务模式研究

数据已经成为重要的生产要素,数据的收集、存储和价值共享也变得日益重要。当前数据要素存在着如何在保障数据安全的前提下实现数据价值挖掘及共享的难题。为解决这些问题,倡导采用隐私计算技术与算力网络,构建“数+云”生态数据服务,实现多方数据联合建模分析,从而构建更加安全可靠的数据应用解决方案。本文将阐述基于隐私计算与算力网络技术的“数+云”生态数据服务模式的研究,为构建安全、高效、合规的数据服务新生态提供理论依据和综合解决方案。

面向算力网络的传输网发展与研究

随着算力网络的兴起,传输网络面临新的挑战和需求,需要不断优化和升级以适应新的业务和技术要求。从优化网络结构、扩展网络带宽、降低业务时延、提升网络智能化水平等方面出发,探讨如何构建承载算力基础网络底座,为算力网络的未来发展提供高效可靠的传输支持,助力算力网络的创新应用和发展。

算力网络多量纲计费技术探讨

算力网络融合场景中,多量纲计费是一个重要的研究方向。在计费过程中,考虑到不同维度的因素,如时间、空间、带宽、计算资源等,对不同维度的使用进行计费,帮助用户更加精确地控制成本,提高资源的利用率。开展多量纲计费研究,设计量纲要素模型,通过原子化、标准化的量纲模型以及灵活组装的扩展能力,满足不同场景的产品需求;制定量纲的计费策略,同时还需要考虑到不同场景下的特殊需求,如边缘计算、物联网等场景下的计费问题,提供各类场景的询价服务,支撑“连接 + 算力 + 能力”的新业务发展诉求。

算力网络应用平台研究与设计

针对算力网络(CPN)因算力多样泛在、多要素融合、需求差异化的特点导致的用户使用困难、应用管理难等问题,从纳管与接入、决策与调度、应用与开放三个层面研究算力网络应用的管理以及异构算力融合和跨域编排关键技术,并设计一个算力网络应用平台。通过提供一种即开即用、按需付费的零感知算网应用服务,使用户关注于应用服务需求,无需关心算力资源需求和算力网络复杂环境,从而实现降低用户的算力网络使用门槛,提升算网应用的使用和管理效率的目标。

基于虚拟网络嵌入的异构算力网络资源管理

随着人工智能大模型引领的新应用和新需求的蓬勃兴起,算力规模和计算技术正经历着前所未有的快速演进与多元化创新。然而,在算力网络呈现集群化和异构化趋势的同时,算力需求迅猛增长与资源利用低效性之间的矛盾日益凸显。如何实现对异构算力的统一高效管控以提升资源利用率,已成为当前研究的重要课题。基于网络虚拟化(network virtualization,NV)技术,提出了一种基于虚拟网络嵌入(virtual network embedding,VNE)异构跨域算力资源分配方法。具体而言,构建了一个基于深度强化学习(deep reinforcement learning,DRL)模型的策略网络,负责精准计算候选算网节点与链路,以实现资源优化分配。通过一系列仿真实验,验证了该方法的有效性,为解决异构算力管理问题提供了新的思路和方法。

面向算力网络的跨域数据管理方法

跨域算力网络希望整合多个算力中心的计算和数据资源,但现有的方案对跨域文件和数据管理关注不够。提出了一种轻量级的跨域算力网络数据管理方案:通过文件系统协议转换,接入远程算力中心的并行文件系统存储资源;算力中心内部的存储资源作为一种补充,应对高IOPS应用;通过容器绑定技术,将远程存储挂载并绑定到指定目录。基于该方案的原型系统已经在高校校级计算平台部署运行。实测数据和用户体验显示,该方案能够满足常见高性能计算应用需求。