基于容器技术的SRv6转发实验

随着网络技术的不断发展,IPv6(互联网协议第6版)及其扩展协议SRv6(基于IPv6的段路由)逐渐成为未来网络架构的重要组成部分。然而,目前学习和掌握SRv6转发技术主要依赖于厂商提供的路由器或模拟器,这些方法成本高且可能包含私有实现。文章面向典型运营商L3VPN(三层虚拟专用网络)专线场景,提出一种基于Linux平台和FRR(包含多种路由功能软件)套件的容器化实验方法.该方法利用Linux内核的SRv6特性,结合FRR路由套件,容器化技术,可以快速搭建一个低成本、易操作的SRv6转发验证环境。

服务定制网络体系架构的设计与思考

系统性阐述了服务定制网络(SCN)新型网络架构,可为互联网应用提供一种全新的网络底层能力与使用方式。在TCP/IP网络架构中,网络为应用提供“尽力而为”的服务质量,而SCN架构转换了应用与网络两者之间的主客体关系,允许应用“按需定制”网络的服务质量。以应用视角出发,挖掘了“可声明”“细粒度”“端到端”三大能力内涵,由此推演了SCN的总体设计思路,并给出了一种具象的SCN体系架构和一种可行的SCN系统实现。SCN未来可应用于远程工控、增强现实等人机物全场景,为网络即服务(NaaS)的实现提供一种新颖、实用、理想的手段。

未来网络研究与发展思考

互联网是人类社会最为重要的基础设施之一。其中,以TCP/IP为代表的互联网技术能够简单而有效地满足新闻、搜索、音乐、视频、电商、社交等“人—信息”“人—人”的联网需求,支撑了消费型互联网30多年的繁荣发展。当前,随着消费型互联网增长逐渐放缓,互联网已经正式进入下半场。在未来10到20年,互联网将由服务消费领域向服务产业领域转型,“物—信息”“物—物”“人—物”之间的联网需求以及各行各业实体经济的网络服务需求将大幅增长,准时准确、按需定制的增强型服务能力成为未来网络的刚需。显而易见,传统“尽力而为”的TCP/IP网络架构与技术体系难以满足未来应用发展的相关需求。

构建无线网络内生智能通信验证系统的挑战与方法

随着人工智能和深度学习在计算机视觉、机器人、医疗等领域的成功应用,无线网络智能化成为下一代无线通信发展的关键技术之一。因此探讨构建无线网络内生智能通信验证系统所面临的关键技术挑战与部署方案。采用网络功能虚拟化、软件定义网络、容器和微服务等先进技术,以Kubernetes为平台基座,以信号处理时间轴为主线,以计算、网络、数据及无线资源等池化管理为核心,构建集无线数据采集与分析、网络状态建模与预测、模型部署与应用、数据要素动态监控与可视的无线网络内生智能通信验证系统,使该系统具备实时数据采析、全面地理解和监控无线网络状态,实现无线通信与网络中数据-算力-资源灵活、敏捷、智能的编排与管理、传输策略智能调优等内生智能通信技术测试验证的目标。

双圆极化近场成像张量全息超表面

近场波束赋形可用于近场通信、无线功率传输等领域,而基于全息超表面设计的近场成像天线具有剖面低、无需馈电网络和波束调控灵活等优势。对标量和张量全息超表面近场成像进行了理论推导、仿真分析和实物验证。在此基础上,利用张量全息超表面设计了一款集成平面馈源的近场成像天线,全波仿真和测试结果相吻合,验证了该超表面具有可同时利用左旋和右旋圆极化进行近场成像的能力。

专题:面向6G的信道测量与建模

内容导读2023年6月,国际电联(ITU)完成了《IMT面向2030及未来发展的框架和总体目标建议书》。该建议书作为6G纲领性文件,汇聚了全球6G愿景共识,描绘了6G目标与趋势,提出了6G的六大场景和15个能力指标,标志着6G技术标准化工作正式启动。信道是移动通信系统收发端之间信号承载的媒介,而深入掌握6G的传播特性和精确模型对6G系统的研发、评估和优化至关重要。

数据模型协同驱动的MIMO系统性能预测方法

在具有未知同频干扰和信道状态信息具有不确定性的复杂场景下,现有的多输入多输出系统的性能分析和优化方案通常会退化甚至失效。为了适应这些挑战并更好地完成网络自动调优任务,提出了一个通用的数据模型协同驱动框架,该框架是真实通信系统的数字孪生,系统性能指标由系统参数决定。为了解释所提出的框架是如何工作的,将正则化迫零预编码作为实例。该实例中,首先在模型驱动方面,使用确定性等同理论来获得系统的性能近似结果。但是,该近似结果仅在理想条件下成立,例如系统已知信道状态信息不确定度、无穷天线数和没有任何未知同频干扰。因此在数据驱动方面,使用神经网络以网络参数和近似结果为输入,来进一步推断更准确的系统性能。因为利用了模型数据双驱动方法,轻量级的神经网络具有很好的性能。数据模型双驱动的性能估计器也是该系统的数字孪生。基于该数字孪生,设计了一个信道不确定度估计的流程和算法,以快速感知信道不确定度来支持该系统的自适应优化。该流程中,系统首先以一个初始信道不确定度做信号传输,并获得系统性能指标的检测结果。随后,根据性能估计器,使用梯度投影法,以该检测结果来反推信道不确定度,纠正环境非理想因素。仿真结果验证了所提算法的有效性,该数据模型协同驱动框架对于复杂场景下多输入多输出系统的性能预测具有研究意义。

AI使能的信道知识地图高效构建与应用

6G对通信速率、连接密度、延迟等关键性能指标提出了更高的要求。与此同时,6G系统更强大的感知定位能力以及智能化发展使得智能驱动的环境认知通信成为可能。探讨了信道知识地图与AI结合的基本概念、融合机理与方法。一方面,信道知识地图作为实现环境认知通信的重要技术,能够学习以收发机位置或虚拟位置为索引的信道知识,从而提前获取部分信道环境先验信息。另一方面,AI日益广泛的应用,使得通信系统能够从复杂的物理环境和位置信息中提取关键特征,并学习环境特征与信道特性之间的映射关系,从而有效提升系统的环境认知能力。因此,信道知识地图与AI的深度融合有望带来6G环境认知通信的新范式,极大提升通信与感知性能。此外,全面综述了AI使能信道知识地图的构建与应用,并对比了各融合方式之间的优势和劣势,展望了AI与信道知识地图融合的未来发展方向与潜力。

一种基于Polar译码度量选择的第三方高效PDCCH盲检方法

为研究和设计面向第三方场景的高效盲检方法,提出了一种基于Polar译码度量选择的第三方高效PDCCH盲检方法,其技术路线包括Polar译码算法与物理的下行控制信道(PDCCH)盲检算法2个板块.基于Polar译码盲检算法,引入一种基于下行控制信息(DCI)长度的Polar译码度量,提出了改进的基于Polar译码度量选择的第三方盲检方法.基于PDCCH盲检算法,引入一种重排序盲检算法.将改进的Polar译码算法与重排序盲检算法有机结合,提出面向第三方场景的高效PDCCH盲检方法.基于MATLAB平台搭建5G PDCCH盲检仿真链路,对所提方法进行验证与分析.结果表明,该方法能够同时有效减小PDCCH盲检次数与DCI候选长度数量,在保证目标捕获准确率的前提下提高盲检效率.

6G智能超表面通信信道测量与建模:进展与挑战

RIS是6G无线通信的潜在关键技术之一,受到学术界和产业界的广泛关注。RIS不仅具有低成本、低功耗、可编程、易部署、与现有网络兼容等优点,还可以智能调控通信环境,提升信号质量与通信系统性能。首先介绍了目前的RIS通信信道测量实验,总结了暗室、室内和室外环境中的RIS信道特性,然后,对多种RIS信道模型进行了比较,包括大尺度衰落与小尺度衰落信道模型,并探讨了不同模型的适用场景及特点。最后指出RIS信道研究的挑战,包括新型RIS通信信道测量与建模、新频段新场景RIS通信信道测量与建模、参数可调天线与信道一体化建模、普适RIS通信信道建模等,为未来RIS通信信道研究提供重要指导。

面向6G通信感知一体化的固定与可移动天线技术

多天线技术通过在收发端部署天线阵列,从而提供额外的空间自由度(degrees of freedom,DoFs),大幅提升了无线通信的可靠性与有效性。与此同时,多天线技术应用于雷达感知领域,实现了空间角度分辨能力并提升了感知自由度,大幅增强了无线感知性能。然而,无线通信与雷达感知领域在过去数十年里独立发展。因此,尽管多天线技术在这两个领域分别取得了巨大的进步,但并没有通过发挥它们的协同作用来实现深度融合。随着感知与通信的融合被确定为第六代(the sixth-generation,6G)移动通信网络的典型应用场景之一,多天线技术的发展面临新的机遇以填补上述空白。为此,本文围绕未来天线阵列规模持续扩张、阵列架构更加多样、阵列形态更为灵活等发展趋势,对面向6G通信感知一体化的多天线技术进行综述。首先介绍未来多天线的不同架构类型,包括以传统紧凑式阵列和新兴稀疏阵列为代表的集中式阵列架构、以无蜂窝大规模MIMO(multiple-input multiple-output)为代表的分布式天线架构,以及三维连续空间阵元位置与朝向灵活可调的可移动天线/流体天线。然后,本文将介绍基于上述天线架构的远场/近场信道建模,并进行通信与感知性能分析。最后总结不同天线架构的特点,并展望解决因天线阵列规模的持续扩展及阵列形态的灵活多变引起的信道状态信息获取困难的新思路。

面向容器运行时安全威胁的N变体架构

容器技术以其轻量级和可伸缩性的优点促进了云计算的发展,但容器运行时安全威胁日益严重。现有的入侵检测和访问控制等技术无法有效应对利用容器运行时实现容器逃逸的攻击行为。针对上述安全威胁,结合N变体系统的冗余及多样性方法提出了一种面向容器运行时安全威胁的N变体架构,同时通过基于历史信息的投票算法以提高投票的准确率,并通过两阶段投票和调度策略优化容器应用服务质量。最后构建了原型系统,测试结果表明原型系统性能损失在可接受的范围内,并一定程度上减小了系统攻击面,进而达到了增强容器应用安全性的目的。

基于区块链的移动群智感知数据处理研究综述

针对移动群智感知(MCS)数据处理的用户广泛参与性、采集设备灵活移动性与通信环境复杂性的特点,对基于区块链的移动群智感知数据处理进行评估.回顾移动群智感知与区块链的发展历程,总结移动群智感知数据处理面临的挑战与区块链技术的特点;设计基于区块链的移动群智感知体系结构(BMCA),实现数据去中心化管理、数据安全保障、数据质量精准评估与激励可信性增强;从隐私保护、数据质量评估、激励机制3个维度,对比分析现有的数据处理关键技术研究工作;探讨基于区块链的移动群智感知数据处理研究在资源消耗控制、数据精准分析、全周期与差异化隐私保护、融合模式应用等方面存在的问题及未来可能的发展方向.

低轨卫星网络服务质量保障路由方法综述

随着无线电和卫星小型化技术的进一步成熟,大规模低轨卫星网络得到了长足发展,面对网络传输业务的时延、带宽、丢包率等服务质量的差异化需求,如何在低轨卫星网络中实现服务质量保障路由,成为了研究关注的关键问题。通过介绍低轨卫星网络服务质量保障路由的场景与需求,总结并分析了当前的研究成果。首先,针对传统网络中的服务质量保障路由算法,总结了三类经典的路由计算方法。然后,对于软件定义网络和确定性网络中的服务质量保障路由算法,结合各自的网络特点,分析总结了各自场景下的路由算法。

面向智能无人通信系统的因果性对抗攻击生成算法

考虑到基于梯度的对抗攻击生成算法在实际通信系统部署中面临着因果性问题,提出了一种因果性对抗攻击生成算法。利用长短期记忆网络的序列输入输出特征与时序记忆能力,在满足实际应用中存在的因果性约束前提下,有效提取通信信号的时序相关性,增强针对无人通信系统的对抗攻击性能。仿真结果表明,所提算法在同等条件下的攻击性能优于泛用对抗扰动等现有的因果性对抗攻击生成算法。

基于哈希接入的跨网络负载均衡

无线接入网复杂化持续加剧,无线设备数量激增.为了提升未来网络容量和资源利用率,需要设计有效的拥塞控制手段和资源调配策略,平衡子网络之间负载,促进跨域资源协同共享.为此,本文在新近提出的哈希接入协议的基础上,设计了哈希接入动态优化策略,根据网络负载状况动态调整接入参数以缓解网络拥塞,并在跨网络场景下进一步提出了负载均衡方案与资源整合再调配方案,为无线接入网整合无线资源、均衡网络负载提供了有用的方法.仿真结果表明,本文提出的哈希接入动态优化策略在保证网络稳定的同时最大化网络吞吐量,资源调配方案能有效地调配失衡的网络负载,提升复杂融合网络性能和接入公平性.

算网自智:研究进展与展望

尽管算力网络可以通过网络连接并灵活地调度计算资源,但在实际落地应用中仍然缺乏智能性和灵活性。针对算力网络亟须提高智能化水平的问题,首先简要引出了算网自智的背景和概念;接着提出了一种新型的算网自智基本架构和工作机制,通过算网感知、智能决策、算力路由、自动化和自优化等关键技术实现算力网络多维资源的智能资源分配和服务调度;最后,对算网自智未来的主要研究方向和技术挑战作了展望。算网自智作为未来的必然发展趋势,可以很好地解决运维流程复杂、过度依赖人工经验、难以自适应动态变化的环境等一系列问题。

通算存智一体协同的未来网络模型

针对智能时代多样化多形态业务对未来网络按需、精准、高效服务的诉求,提出了一种通算存智一体协同的网络模型(3CI-CoNet)。首先以通信技术连接计算设备与存储设备,构建网内计算和网内存储的硬件底座,然后在底座上部署智能网络模型及算法,为网内业务构建智能的网络环境,同时链接与行业/应用相关的智能设备、平台及算法,为新兴应用提供智能的网络服务,保障各业务的有序高效运行。设计了3CI-CoNet的层次化功能架构,包含基础资源层、智能接入层、按需服务层和业务表达层,各层次间相辅相成,协同构建了智能的网络环境和网络服务。进一步,结合自动驾驶和智能制造中的典型场景,论述了3CI-CoNet及其功能架构、运营机制对多形态业务高效运行的支撑作用,阐述了3CI-CoNet在智能时代的推广和应用价值。以智能制造中多AGV按需调度业务场景为原型,通过将3CI-CoNet与其他网络模型相对比,定性定量论证了3CI-CoNet对提升业务效能具有积极作用。最后,总结了3CI-CoNet的未来发展趋势和面临的技术挑战。

一种基于HTTP/3传输特性的加密视频识别方法

视频流量逐渐在网络中占据主导地位,且视频平台大多对其进行加密传输。虽然加密传输视频可以有效保护用户隐私,但是也增加了监管有害视频传播的难度.现有的加密视频识别方法基于TCP(Transmission Control Protocol)传输协议头部信息和HTTP/1.1(Hypertext Transfer Protocol Version1.1)的传输模式,提取应用层音视频数据单元传输长度序列来实现视频识别.但是随着基于UDP(User Datagram Protocol)的QUIC(Quick UDP Internet Connections)协议及基于QUIC实现的HTTP/3(Hypertext Transfer Protocol Version 3)协议应用于视频传输,已有方法不再适用.HTTP/3协议缺少类似TCP的头部信息,且使用了多路复用机制,并对几乎所有数据进行了加密,此外,视频平台开始使用多片段合并分发技术,这给从网络流量中精准识别加密视频带来了巨大挑战。本文基于HTTP/3协议中的控制信息特征,提出了从HTTP/3加密视频流中提取数据传输特征并进行修正的方法,最大程度复原出应用层音视频长度特征.面向多片段合并分发导致的海量匹配问题,本文基于明文指纹库设计了键值数据库来实现视频的快速识别.实验结果表明,本文提出的基于HTTP/3传输特性的加密视频识别方法能够在包含36万个真实视频指纹的YouTube大规模指纹库中达到接近99%的准确率,100%的精确率以及99.32%的F1得分,对传输过程中加人了填充顿的Facebook平台,在包含28万个真实视频指纹的大规模指纹库中达到95%的准确率、100%的精确率以及96.45%的F1得分,在具有同样特性的Instagram平台中,最高可达到97.57%的F1得分,且本方法在所有指纹库中的平均视频识别时间均低于0.4秒.本文的方法首次解决了使用HTTP/3传输的加密视频在大规模指纹库场景中的识别问题,具有很强的实用性和通用性.

面向加密流量的社交软件用户行为识别

随着智能终端和社交网络越来越融入人们的日常生活,针对社交软件的用户行为识别在网络管理、网络环境监管和市场调研等方面发挥越来越重要的作用.社交软件普遍使用端到端加密协议进行加密数据传输,现有方法通常提取加密数据的统计特征进行行为识别.但这些方法识别的性能不稳定且需要的数据量多,这些缺点影响了方法的实用性.提出了一种面向加密流量的社交软件用户行为识别方法.首先,从加密流量中识别出稳定的控制流数据,并提取控制服务数据分组负载长度序列.然后设计了2种神经网络模型,用于自动从控制流负载长度序列中提取特征,细粒度地识别用户行为.最后,以WhatsApp为例进行了实验,2种神经网络模型对WhatsApp用户行为的识别精准率、召回率和F1-score均超过96%.与类似工作的实验比较证明了该方法识别性能的稳定性,此外,该方法能够通过很少的控制流数据分组达到较高的识别精准率,对实时行为识别的研究具有重要的现实意义.