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。

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。

轨道交通移动边缘计算网络安全综述

在环境复杂、乘客密集、高速移动的轨道交通场景中引入移动边缘计算(MEC)技术可满足其对低时延、移动性和海量连接等的需求。然而,MEC在改善轨道交通通信网络性能的同时也带来了安全挑战。首先对轨道交通通信网络和MEC进行了概述;然后讨论了MEC在轨道交通中的价值和轨道交通移动边缘计算网络的架构;接着分析了轨道交通移动边缘计算网络面临的安全威胁并提出了防护方案;最后提出了一些开放性问题,希望对后续的研究提供思路。

异构边缘计算环境下异步联邦学习的节点分组与分时调度策略

为了克服异构边缘计算环境下联邦学习的3个关键挑战,边缘异构性、非独立同分布数据及通信资源约束,提出了一种分组异步联邦学习(FedGA)机制,将边缘节点分为多个组,各个分组间通过异步方式与全局模型聚合进行全局更新,每个分组内部节点通过分时方式与参数服务器通信。理论分析建立了FedGA的收敛界与分组间数据分布之间的定量关系。针对分组内节点的通信提出了分时调度策略魔镜法(MMM)优化模型单轮更新的完成时间。基于FedGA的理论分析和MMM,设计了一种有效的分组算法来最小化整体训练的完成时间。实验结果表明,FedGA和MMM相对于现有最先进的方法能降低30.1%~87.4%的模型训练时间。

以服务为中心的算力网络度量与建模研究

针对算力网络中的度量与建模问题,从算力网络度量体系的狭义和广义定义出发,阐述了当前算力网络度量与建模的研究进展,包括算力网络资源度量和算力网络需求度量两大部分。站在算力网络服务的角度,提出了以服务为中心的算力网络度量与建模方案的思考,并对该方案当前仍存在的问题和所面临的技术挑战进行了归纳和讨论。

算力网络平台中多方算力交易技术研究

由我国运营商率先提出的算力网络旨在通过网络将泛在算力广泛连接,实现资源整合并更合理地分配,提供算力以赋能各行各业的新兴应用,从而推动我国信息通信网络与相关产业的长期快速发展。算力网络平台中的多方算力交易技术是激发算力网络发展潜力并使算力网络基础设施和服务迅速扩张的关键技术。文章重点分析了算力网络平台多方算力交易的需求与现状,介绍当前算力交易应用的技术和实现机制流程,旨在总结当前技术经验以更好地推动多方算力交易技术使能算力网络持续发展演进。

移动边缘计算卸载技术综述

移动边缘计算(MEC,mobile edge computing)中计算卸载技术即将移动终端的计算任务卸载到边缘网络,解决了设备在资源存储、计算性能以及能效等方面存在的不足。同时相比于云计算中的计算卸载,MEC解决了网络资源的占用、高时延和额外网络负载等问题。首先介绍了MEC的网络架构及其部署方案,并对不同的部署方案做了分析和对比;然后从卸载决策、资源分配和系统实现这3个方面对MEC计算卸载关键技术进行了研究;通过对5G环境及其MEC部署方案的分析提出了两种计算卸载优化方案,总结归纳了目前MEC中计算卸载技术面临的移动性管理、干扰管理以及安全性等方面的核心挑战。

面向视频流的MEC缓存转码联合优化研究

为应对未来移动网络所面临的巨大挑战,业界提出了自适应比特流(adaptive bit rate,ABR)技术和移动边缘计算(mobile edge computing,MEC),旨在为用户提供高体验质量、低时延、高带宽和多样化的服务。联合ABR和MEC来优化视频内容分发,对于提高网络性能和用户体验质量具有重要意义。其中,各项网络资源的联合优化是重要的研究课题。首先对MEC进行了概述,然后基于面向自适应流的MEC缓存转码联合优化问题,对业界已有工作进行了分析和对比,并对未来面临的挑战和研究难点进行了归纳和展望。

工业互联网标识解析体系综述

随着物联网、5G和工业技术的发展,工业互联网已成为新兴研究领域。由于工业生产的特殊性,对标识解析服务的时延、安全性、稳定性都提出了更高要求。传统DNS标识主体单一、解析结果僵化、安全保护薄弱,无法满足工业互联网要求。在此背景下,如何对任意对象提供高效、灵活、安全的解析服务,已成为全球关注的热点领域。首先讨论了工业互联网标识解析体系设计原则和关键支撑技术,其次对现有标识解析体系进行了概述和对比分析,然后阐述了新型标识解析方案研究成果,最后讨论了该领域面临的核心问题,并对未来发展趋势进行了展望。

融合MEC的星地协同网络:架构、关键技术与挑战

在星地协同网络中引入移动边缘计算(MEC)技术可有效提高用户体验质量和减少网络冗余流量,同时也带来了一些挑战。首先介绍了星地协同网络和MEC技术的基本架构,并讨论了在星地协同网络中引入MEC技术的动机和MEC的部署问题;然后提出了融合MEC的星地协同网络架构,并对其关键技术及典型应用进行了概述和分析;最后总结归纳了融合网络架构中的任务调度、移动性管理等关键挑战和一些开放性研究问题,期望对该领域的后续研究提出可供借鉴的新思路。

基于神经网络算法的ICN网络传输控制研究

随着全球数字媒体的深刻变革,互联网用户关注的重点逐渐向如何快速获取信息转移,而不关注信息的存储位置。现在的TCP/IP网络协议架构却无法适应当今内容应用需求的迅速发展。为了适应这一互联网的转变,以信息为中心的新型网络架构信息中心网络(information-certric networking,ICN)受到了广泛关注。网络时延的动态变化反映了网络路径的负载特征,对时延的精确预测是实施网络拥塞控制、路由选择的重要依据。在ICN中,由于网络缓存机制导致时延的不确定性,为网络传输控制带来了挑战。通过对ICN网络的经典架构命名数据网络(named data networking,NDN)网络时延模型进行建模,采用了神经网络算法进行时延预测,设计了基于预测时延的转发策略机制,创新地在NDN网络组件转发信息表(forwarding information based,FIB)上新增接口信息Stat,以实现转发路径的动态选择。仿真结果表明,该设计机制能够有效地提升网络传输控制性能。

确定性算力网络研究

为满足时间敏感、计算密集型业务的发展要求,研究了计算任务实时传输和实时计算的保障性问题。首先,简要介绍了算力网络和确定性网络的研究进展。然后,提出了确定性算力网络技术方案,并设计了技术架构与工作机制,通过算网感知、规划调度、资源管控等技术能力,实现计算任务的实时传输和实时计算,仿真结果也验证了所提技术方案的有效性。最后,分析了确定性算力网络的典型应用场景,并对未来发展趋势和技术挑战进行了探讨。

边缘计算在星地协同网络中的应用探讨

星地协同网络被认为是一种新兴的网络体系结构,能够适应未来网络中的各类服务与应用。多接入边缘计算(multi-access edge computing,MEC)作为未来移动网络中的一种关键技术,可为星地协同网络提供进一步的服务创新和业务支持。因此,考虑赋予星地协同网络边缘计算能力,使用户能够通过星地协同网络在全球任何地方获得计算服务,从而提高用户体验质量,减少冗余网络流量。具体地,首先对MEC的基本概念和参考架构进行了概述,然后介绍了基于边缘计算技术的星地协同网络体系架构,并详细地讨论了该架构的各逻辑功能组件。最后对边缘计算使能的星地协同网络存在的问题与挑战进行了归纳和展望。

LHB:用于工业互联网标志解析的轻量级混合区块链模型

针对工业互联网标志解析系统存在的数据完整性、真实性问题以及传统区块链部署方案显现的节点计算、存储、网络资源受限瓶颈和可扩展性问题,基于混合共识、一致性哈希等技术设计一种高性能的轻量级混合区块链(lightweight hybrid blockchain,LHB)模型,以异步的方式实现可信验证和冗余备份,通过对全网区块存证防止窜改和伪造数据。性能比较与分析表明,LHB同时拥有联盟链的高吞吐量与公有链的安全等级,在最优情况下,基于LHB的标志解析系统时延可低至10 ms。

基于安全保障的边缘计算卸载方案

提出了基于安全管理的边缘计算卸载方案,并基于量子进化算法(QEA)设计了卸载决策方案。该方案保证了用户在边缘计算网络中进行计算卸载的安全性。仿真结果表明,与常规计算卸载方案对比,本方案能在保证计算卸载安全的情况下有效降低整个系统的开销。

边缘计算开源平台综述

首先介绍了边缘计算(EC)的基本概念和研究现状,并从多视角讨论了边缘计算平台的设计要求;接着聚焦到4个典型的开源平台,并从应用领域、部署方式等方面比较了它们之间的异同点;随后选取了两个典型的应用案例,分别针对它们的优势、搭建进行了概述和分析;最后对边缘计算平台之间的合作、安全、标准化等问题进行了归纳和展望。

基于ICN的未来媒体网络缓存放置策略

随着媒体用户规模的增大和数字媒体内容指数式的增长,现有的互联网、广播网和电信网已无法同时满足如此庞大数据量的高效传输和用户随时随地低成本消费的需求,这严重影响了网络性能和服务质量,并在一定程度上推动了对以信息中心网络(ICN)为代表的未来网络体系架构的研究。在信息中心网络中,缓存放置策略的优劣在一定程度上决定了网络性能的优劣。文章结合奇异值分解算法(SVD)提出基于ICN的未来媒体网络缓存放置策略,通过分析不同网络中请求内容的相似性决定每个网络的缓存内容;一方面,利用ICN数据与位置分离的思想,降低链路负载,另一方面,通过SVD算法提高ICN中的数据响应速率和网络缓存命中率,减小了网络传输开销和数据的传输时延,对于提升媒体网络性能和用户体验具有重要意义。

基于MEC的移动网络直播视频分发机制研究

多接入边缘计算的提出为移动网络直播视频分发提供了新的解决思路,即在靠近用户的网络边缘为视频直播业务提供计算、存储和网络资源,这也使得基于MEC的移动网络直播视频分发成为多接入边缘计算关注的焦点之一。文章主要针对视频直播应用场景展开充分调研,并提出一种基于MEC的移动网络直播视频分发机制,以降低网络传输时延,保障用户服务质量体验。

新型算力网络架构设计与探讨

算力网络作为云网融合的新范式,已经得到了业界的广泛关注。随着确定性网络、云原生、人工智能等前沿网络技术的发展,算力网络的发展也呈现出新的趋势特点,迫切需要设计新型算力网络架构,以满足新业务发展的需求。从资源、时延、智能三个维度出发,阐述了算网云原生、算网确定性、算网自智化的发展趋势,设计了新型算力网络架构,并对相关技术和挑战问题进行了分析探讨。

IP网络与ICN网络互通研究

信息中心网络(Information Centric Networking,ICN)作为未来网络的架构被提出,旨在解决基于主机的TCP/IP网面临的诸多问题。随着ICN领域研究的不断深入,目前面对的一个关键问题是ICN网与现有IP网的融合问题,这对于未来网络的发展与演进具有重要的意义。针对这一问题,目前学术界提出了几种解决方案,主要包括了TCP/ICN与HTTP/ICN的方案。文章首先就这两种方案进行了介绍与对比,然后以此为基础对IP/ICN的两网融合问题进行了展望,如何做到对现有协议或应用尽可能小的改动,如何充分利用ICN固有特性如网内缓存、多播等优势,是研究中需要重点关注的问题。