基于软探针的NFV虚拟网络时延计算方法研究

随着电信传统网络向NFV虚拟化网络的转型和全面演进,虚拟化网络性能分析和优化成为网络运维的重大任务和挑战之一。鉴于ping、iperf等传统的IP网络性能检测工具以及华为公司的IP染色技术存在的缺点和问题,本文提出一种基于软探针的NFV虚拟网络时延计算方法,通过构建两个虚拟机之间完整的端到端的IP路径,选择在4个关键节点放置软探针获取和汇总目标业务流量,通过哈希算法识别、统计流经4个关键节点的IP报文,根据各节点的计数及时间戳在沿途各节点的变化情况,计算出网络时延。

Performance Evaluation of Virtualization Methodologies to Facilitate NFV Deployment

The development of the Next-Generation Wireless Network(NGWN)is becoming a reality.To conduct specialized processes more,rapid network deployment has become essential.Methodologies like Network Function Virtualization(NFV),Software-Defined Networks(SDN),and cloud computing will be crucial in addressing various challenges that 5G networks will face,particularly adaptability,scalability,and reliability.The motivation behind this work is to confirm the function of virtualization and the capabilities offered by various virtualization platforms,including hypervisors,clouds,and containers,which will serve as a guide to dealing with the stimulating environment of 5G.This is particularly crucial when implementing network operations at the edge of 5G networks,where limited resources and prompt user responses are mandatory.Experimental results prove that containers outperform hypervisor-based virtualized infrastructure and cloud platforms’latency and network throughput at the expense of higher virtualized processor use.In contrast to public clouds,where a set of rules is created to allow only the appropriate traffic,security is still a problem with containers.

Security Monitoring and Management for the Network Services in the Orchestration of SDN-NFV Environment Using Machine Learning Techniques

Software Defined Network(SDN)and Network Function Virtualization(NFV)technology promote several benefits to network operators,including reduced maintenance costs,increased network operational performance,simplified network lifecycle,and policies management.Network vulnerabilities try to modify services provided by Network Function Virtualization MANagement and Orchestration(NFV MANO),and malicious attacks in different scenarios disrupt the NFV Orchestrator(NFVO)and Virtualized Infrastructure Manager(VIM)lifecycle management related to network services or individual Virtualized Network Function(VNF).This paper proposes an anomaly detection mechanism that monitors threats in NFV MANO and manages promptly and adaptively to implement and handle security functions in order to enhance the quality of experience for end users.An anomaly detector investigates these identified risks and provides secure network services.It enables virtual network security functions and identifies anomalies in Kubernetes(a cloud-based platform).For training and testing purpose of the proposed approach,an intrusion-containing dataset is used that hold multiple malicious activities like a Smurf,Neptune,Teardrop,Pod,Land,IPsweep,etc.,categorized as Probing(Prob),Denial of Service(DoS),User to Root(U2R),and Remote to User(R2L)attacks.An anomaly detector is anticipated with the capabilities of a Machine Learning(ML)technique,making use of supervised learning techniques like Logistic Regression(LR),Support Vector Machine(SVM),Random Forest(RF),Naïve Bayes(NB),and Extreme Gradient Boosting(XGBoost).The proposed framework has been evaluated by deploying the identified ML algorithm on a Jupyter notebook in Kubeflow to simulate Kubernetes for validation purposes.RF classifier has shown better outcomes(99.90%accuracy)than other classifiers in detecting anomalies/intrusions in the containerized environment.

NFV网络云云原生演进思路探讨

云原生技术及理念以其敏捷性、灵活性等特点受到业界广泛关注。本文从网络云的特征、以及云原生演进面临的问题和挑战出发,深入分析了NFV网络云向云原生演进的关键问题,并给出了演进思路建议,为后续NFV网络云持续向云原生演进提供参考。

An Adaptive Hybrid Optimization Strategy for Resource Allocation in Network Function Virtualization

With the rapid development of Network Function Virtualization(NFV),the problem of low resource utilizationin traditional data centers is gradually being addressed.However,existing research does not optimize both localand global allocation of resources in data centers.Hence,we propose an adaptive hybrid optimization strategy thatcombines dynamic programming and neural networks to improve resource utilization and service quality in datacenters.Our approach encompasses a service function chain simulation generator,a parallel architecture servicesystem,a dynamic programming strategy formaximizing the utilization of local server resources,a neural networkfor predicting the global utilization rate of resources and a global resource optimization strategy for bottleneck andredundant resources.With the implementation of our local and global resource allocation strategies,the systemperformance is significantly optimized through simulation.

基于NFV的电视云播控系统资源调度技术应用分析

随着互联网技术在传统电视行业中的广泛应用,电视播出模式正从专网独立制播向网际网融合的电视云制播转变,网络功能虚拟化(Network Functions Virtualization,NFV)技术为电视播出系统提供了重要的技术进化路径。首先介绍了NFV的相关概念以及NFV架构中的关键技术组件,分析了传统电视播控系统存在的资源调度问题,然后提出基于NFV的电视云播控系统框架,讨论了虚拟化资源池的实现方法和资源调度的关键算法。

NFV场景下基于协议和目的端口的负载均衡策略

网络功能虚拟化(NFV)技术为网络安全设施的灵活性和可扩展性提供了创新解决方案。以Snort作为研究核心,深入分析其快速模式匹配器的实现机制,并基于此提出了一种创新的负载均衡策略。该策略通过优化流量处理机制,以较小的内存占用实现高效的流量检测,显著减少了硬件资源需求。通过实验验证,该策略在NFV环境中相较于传统五元组哈希策略实现了超过50%的性能提升。

NFV网络云容器引入策略及关键技术方案

云原生技术及理念以其敏捷性、灵活性等特点受到业界广泛关注,NFV网络云当前以虚拟化资源为主,5G业务采用网元内部容器化架构。为满足网管及省内特色业务容器需求并保持技术先进性,重点聚焦NFV网络云引入容器的总体策略以及容器引入关键技术方案分析,为后续NFV网络云演进提供参考。

SDN/NFV中基于负载均衡的服务功能链嵌入策略

针对支持网络功能虚拟化(Network Function Virtualization,NFV)的软件定义网络(SDN)中,单播请求流通常需要由多个虚拟网络功能(Virtual Network Functions,VNFs)依序组成的服务功能链(Service Function Chain,SFC)进行处理。首先联合考虑VNF动态放置,多资源及QoS约束,以最小化资源消耗成本及自动确保网络负载均衡为目标定义了动态的SFC部署问题。接着设计考虑边际成本的资源相对成本函数并利用整数线性规划对该问题建模。然后,创新地设计了一个动态辅助边权图并基于拉格朗日松弛方法构建具有自动负载均衡的服务功能链嵌入算法(SFC Embedding Algorithm,SFC-EA)对原问题求解。仿真结果表明,SFC-EA能有效解决多资源及多QoS约束下的SFC顺序嵌入这个NP难问题,并能自动确保网络负载均衡,提高网络吞吐量和流接受率。

基于NFV的5G核心网络切片研究

移动网络切片是5G网络最重要的功能之一,是将一个实体网络根据特定服务和目标分割成多个虚拟网络,以适应不同业务的QoS。基于NFV及MANO等关键技术,通过NSD创建不同架构的5G核心网切片,使用3种不同速率的eMBB来仿真比较多切片系统和单切片系统间性能差异。结果表明:多切片系统5G核心网具有更高的CPU使用率,因而比单切片系统具有更高的吞吐量和更短的响应时间。

NFV网络云智能网卡关键技术方案及引入策略

为满足部分流表数量较大的网元需求,NFV网络云目前同时建设SDN组网和增强2层组网两种组网类型资源池,增加了规划建设复杂度和建设运维成本。本文重点聚焦NFV网络云基于SDN方向引入智能网卡的策略和关键技术方案进行分析,为后续NFV网络云演进和建设提供参考。

5G网络架构中SDN和NFV的应用策略

在当今,随着5G网络的不断发展,SDN和NFV在其中所发挥的作用也越来越显著。为实现SDN和NFV在5G移动通信网络架构中的良好应用,文章对它们的应用策略进行了分析,包括SDN和NFV概述、SDN和NFV在5G网络架构中的主要应用优势、SDN和NFV在5G网络架构中的主要应用策略。希望通过本次的研究与分析,可以为5G网络架构中的SDN以及NFV合理应用提供一些参考,从而促进5G网络的应用与发展。

SDN与NFV技术在数据中心建设中的应用及发展探析

数据中心作为人工智能新兴技术得以发展和应用的前提和基础,不仅关系服务器与存储器等设备的工作效率,还对保障业务的连续性起着重要作用。将SDN(Software Defined Network,软件定义网络)技术和NFV(Network Function Virtualization,网络功能虚拟化)技术引入数据中心网络建设,可实现灵活组网,在满足安全要求的多租户环境下,能更好地为数据中心业务发展提供支持。文章围绕SDN和NFV技术在数据中心的实践、SDN与NFV技术的差异以及SDN和NFV技术在数据中心应用中存在的挑战等方面展开阐述和分析,可为数据中心的网络重构提供新思路。

基于动态时间扭曲的NFV网络故障检测

网络功能虚拟化(Network Functions Virtualization,NFV)实现了硬件与软件的解耦,是5G应用与发展的核心技术.NFV网络具有高动态性、层间不可见性、网络组件复杂等特点,给网络管理带来了挑战.为了保证NFV网络的正常高效运行,提出基于动态阈值的NFV故障检测算法DTF-DTW:首先,根据已有的正常样本数据,获得不同虚拟网络功能的故障阈值;然后,采用基于滑动窗口的快速动态时间扭曲算法,检测虚拟网络功能的故障时段并报警.采用真实世界的NFV数据对该算法进行测试,并使用机器学习算法STAD (Spatio-Temporal Anomaly Detection)进行比较,证明提出的算法与现有算法相比,能更加迅速准确地检测出NFV中的异常行为,提高网络运行效率和用户服务满意度.

Adaptive Partial Task Offloading and Virtual Resource Placement in SDN/NFV-Based Network Softwarization

Edge intelligence brings the deployment of applied deep learning(DL)models in edge computing systems to alleviate the core backbone network congestions.The setup of programmable software-defined networking(SDN)control and elastic virtual computing resources within network functions virtualization(NFV)are cooperative for enhancing the applicability of intelligent edge softwarization.To offer advancement for multi-dimensional model task offloading in edge networks with SDN/NFV-based control softwarization,this study proposes a DL mechanism to recommend the optimal edge node selection with primary features of congestion windows,link delays,and allocatable bandwidth capacities.Adaptive partial task offloading policy considered the DL-based recommendation to modify efficient virtual resource placement for minimizing the completion time and termination drop ratio.The optimization problem of resource placement is tackled by a deep reinforcement learning(DRL)-based policy following the Markov decision process(MDP).The agent observes the state spaces and applies value-maximized action of available computation resources and adjustable resource allocation steps.The reward formulation primarily considers taskrequired computing resources and action-applied allocation properties.With defined policies of resource determination,the orchestration procedure is configured within each virtual network function(VNF)descriptor using topology and orchestration specification for cloud applications(TOSCA)by specifying the allocated properties.The simulation for the control rule installation is conducted using Mininet and Ryu SDN controller.Average delay and task delivery/drop ratios are used as the key performance metrics.

基于SDN/NFV的电力物联网时延敏感业务编排方法

软件定义网络(software-defined networking,SDN)和网络功能虚拟化(network function virtualization,NFV)为电力物联网业务编排提供了实现方法。针对电力物联网时延敏感业务编排问题,首先,提出基于SDN/NFV的电力物联网业务编排架构,满足定制化需求。然后,考虑多虚拟网络功能(virtual network function,VNF)嵌入、服务功能链(service function chain,SFC)有序性、以及电磁干扰影响,提出基于升价匹配的多阶段多对一VNF嵌入(pricing matching-based multi-phase many to one VNF embedding,PMVE)算法,在每个阶段实现不同SFC链上排序相同的VNF集合与物理节点集合间的匹配,从而最小化业务服务总时延。最后,通过算例验证了方法的可行性和有效性,仿真结果表明,相较于传统的双边匹配算法,所提算法可降低业务服务总时延29.9%、降低平均等待时延36.1%,保障电力物联网时延敏感业务需求。

生物科学与技术虚拟仿真实验教学中心的建设与应用

生物科学与技术虚拟仿真实验教学中心通过优秀科研项目转化以及与高新技术企业合作开发,建设了一批高质量的生物类虚拟仿真实验教学资源。多层次、多元化的资源为学生前沿科学知识学习、综合性科研训练和生物下游产业技术训练提供有利环境,有效地实现教学模式的转变以及学科交叉知识的学习和延伸。全天候开放共享虚拟仿真实验教学平台,实现虚拟仿真实验教学软件、实验标准化视频、教学课件和测试题库等线上教学资源的有机整合,满足随时随地实验教学需求,支持了一系列的混合式线上线下实验教学课程开展。生物科学与技术虚拟仿真实验教学中心与国家级生物科学实验教学示范中心形成了“双中心”融合发展的创新人才培养实验教学体系,“虚实结合”的实验教学模式,提升了学生的综合科研能力与教师的业务水平,培养了满足社会需求的生物技术创新实践人才。

近十年我国高校虚拟仿真实验教学研究发展述评

自从2013年教育部开展国家级虚拟仿真实验教学中心建设工作以来,近十年我国高校在虚拟仿真实验领域产生了大量的研究新进展与应用新成效。采用CiteSpace软件分析CNKI数据库中2014~2023年的高校虚拟仿真实验或虚拟现实实验文献集合,挖掘了该领域研究的核心单位、作者与发文期刊;分析了高被引文献的特征。同时,基于关键词共现关系聚类,阐释了虚拟仿真实验研究的主要类别、发展历程和前沿领域,进而探讨了虚拟仿真实验教学的技术层次、覆盖学科、开发软硬件和发展趋势。研究得出,标准化、网络化共享平台和混合现实技术,是推动虚拟仿真实验新发展的重要技术途径。

数字孪生驱动的巷道自动成形截割虚拟调试方法研究

针对目前巷道自动成形截割控制调试周期长、调试成本大、安全风险大、成形质量难以评价等问题,提出了一种数字孪生驱动的巷道自动成形截割虚拟调试方法。采用基于即时外观建图(RTAP−MAP)技术重建巷道三维环境,构建掘进机控制系统模型,形成虚拟调试环境,并利用虚拟传感器技术实现物理空间到虚拟环境状态的精准映射。针对难以量化评估断面成形质量的问题,确立了巷道自动成形截割性能评价方法,以断面成形截割控制过程在数据传输中心的记录为基础,主要对断面成形精度、截割效率与油缸开关次数、硬岩切割调整、超挖欠挖4个评价指标进行计算,从而为深度学习算法的迭代优化提供精准反馈信号,并提出了一种融合强化学习的自动截割控制策略,以提高自动化作业的适应性和精确度。为验证该虚拟调试方法的有效性和准确性,搭建了掘进机自动控制实验平台,并将虚拟调试系统应用于掘进巷道成形截割自动控制程序中。虚拟仿真结果表明:①被调试软件在控制关键点位处的X,Y,Z轴定位误差的最大值分别为74.8,72.93,123.67 mm,说明虚拟调试方法的定位精度达到性能要求。②虚拟样机与物理样机轨迹基本一致,说明该调试方法实现了对物理空间的映射。应用结果表明:①强化学习控制器在虚拟掘进测试中适应了复杂环境,将虚拟传感器输入有效转换为精准控制指令,验证了模拟−现实迁移训练的可行性。通过处理掘进精度和避免超欠挖的实时反馈,控制器学习并优化了策略。②优化后的断面成形截割控制性能得到了提升,根据数据库中控制量时间戳的记录,用时126 s,较优化前耗时减少了8 s。③优化后截割部末端轨迹跟踪最大误差为6.0 mm,较优化前降低了0.3 mm,避免了截割轨迹抖动导致的欠挖,同时使得轨迹和断面更加平滑。

基于V-REP自动垂直泊车的教学仿真实验

泊车对驾驶员的操作技能有很高的要求,自动泊车系统的出现能够很好地解决这一问题,帮助驾驶员安全精准地完成泊车操作。该文对典型的自动垂直泊车进行仿真研究,针对标准和狭窄停车通道的垂直泊车,研究了C字型与人字型的泊车规划路径算法。基于机器人仿真平台(virtual robot experimentation platform,V-REP)搭建了典型的泊车仿真场景,利用用户数据协议(user datagram protocol,UDP)构建V-REP与MATLAB之间的通信,开展了V-REP与MATLAB的联合仿真实验,充分展示了自动垂直泊车的泊车过程,总结了垂直泊车的路径特点,对自动垂直泊车进行了可视化演示。此外,基于该平台为学生提供了虚拟仿真实验环境,激发了学生对无人驾驶的学习兴趣和勇于探索的精神,提高了学生的操作能力与创新思维能力,获得了良好的教学效果。