5G切片网络的实现与安全、隐私保护技术的应用

随着第五代移动通信技术的发展,5G切片网络作为一项创新性的技术,为实现差异化、高度灵活的通信服务提供了新的可能性。随着网络规模的不断扩大和业务场景的多样化,5G切片网络在实现个性化服务的同时,也面临着巨大的安全性与隐私保护挑战。本文通过分析常规应用场景下5G切片网络的应用方法,探讨实现其安全性与隐私保护的技术手段,为5G技术的应用提供有益的洞见。

数字切片网络教学系统在临床血液学检验课程中的建设与应用

细胞形态学检验对血液疾病、肿瘤等的诊断及鉴别诊断有着非常重要的意义,为满足临床血液学检验实验教学的需要及科研数字化创新的发展需求,提高临床血液学检验实验教学的质量,数字切片网络教学系统作为新兴的教学手段应用于临床血液学检验课程的实验教学中,解决了临床标本少、学生学习时间及空间上受限的困难,全面提升了细胞形态学检验实验教学的质量,在提高学生的主观能动性,调动学生学习的积极性,培养学生自主学习能力、独立思考能力、独立分析能力及创新能力,实现资源及时共享,增强师生互动及改革创新教学模式等方面的同时,使教学、科研提升到一个新的水平,体现了数字切片网络教学独特的优越性,对临床血液学检验课程的实验教学具有深远的重大意义。

5G边缘计算及切片网络一体化部署策略研究

随着5G商用步伐的加快,通信能力开放是运营商赋能垂直行业应用的核心能力基础,网络切片和边缘计算作为5G网络原生的最典型能力和服务,是运营商提供业务差异化供给能力的重要手段。多角度研究5G网络的能力一体化联动体系,分析网络切片和边缘计算的关键技术,提出了网络能力一体化架构,为电信运营商后续网络能力开放的发展及部署提出建议。

5G回传的分组切片网络架构和关键技术研究

研究了5G回传网的新型切片分组网络架构和关键技术。在结合分段路由、以太虚拟专用网(EVPN)技术和L3到边缘部署方案的基础上提出极简IP网络技术,还研究了切片技术、新型光模块技术、网络自动化在5G回传网络中的应用。提出将这些新技术有机融合在一起的新型自动化5G回传网络架构,为5G回传网络的技术发展和网络建设提供重要依据。

数字切片网络系统在医学形态学实验教学中的运用探索

新冠疫情的发生,冲击了原有教学模式,线上教学成为热门讨论话题。而医学作为实践教学专业,实验课程是教学的基本模式。包括组织学和病理学在内的形态学的实验教学,切片观察是实验课的基本内容,传统的实验课离开实验室无法进行。数字切片网络教学系统的建立,为形态学实现线上教学提供了可能。因此,本文就数字切片制作的原理,制作过程,数字切片的特点进行介绍,并分析了新冠疫情对实验教学的影响,以及教学方式和考核模式的改变。重点论述了新冠疫情期间数字切片系统在实验教学过程中的应用,为学生居家教学和自学提供了可能,产生了明显的效果和作用,突破了时间空间限制,提高了学生学习兴趣,培养了学生的自主学习能力,提升了实验教学效果,为医学形态学实验教学在特殊时期提供了支持。

网络切片网络切片:构建可定制化的5G网络

通过对网络切片的逻辑组网、定制流程、生命周期管理等方面的介绍,提出了网络切片技术中目前尚未解决的一些问题,为未来的网络切片演进提供了参考。认为在未来的移动网络中,切片可定制化将是最重要的需求之一。通过在通用的物理平台上生成功能、性能不同,并且彼此隔离的多张逻辑专网,配合对第三方的网络能力开放,将使得运营商更有效率地运营网络,更加深入地挖掘自身网络的赢利点。

5G网络ToB业务端到端切片网络配置研究

基于河北联通5G网络的部署情况,对无线网、承载网、核心网等单元进行端到端硬切片的配置进行分析研究,并结合应用进行测试验证,内容包括切片的设计、数据配置、切片开大区的配合工作、各单元测试结果。测试结果表明5G端到端专网切片服务可以充分保障客户的带宽及时延,充分体现了5G网的敏捷性、可靠性和安全性。

智能电网中基于二分图匹配的网络切片资源分配算法

为了解决智能电网中多类业务的服务质量需求难以同时得到满足的问题并兼顾电力终端和网络侧经济效用,提出了一种基于二分图匹配的网络切片资源分配算法。针对智能电网场景中的控制类和采集类业务,为电力终端分别制定相应的投标信息,并据此计算支付价格和效用矩阵;将网络切片与电力终端之间的资源分配建模为二分图匹配问题,根据不同业务的时延、传输速率或能耗需求,向终端分配不同的切片资源以最大化系统效用。仿真结果表明,相较于已有的双向拍卖算法和贪心算法,所提算法能够提高10%~20%的系统效用。

5G网络切片安全防护技术研究

在对5G网络切片技术概述的基础上,剖析网络切片应用中存在的安全风险,通过运营商和用户两个层面,围绕网络切片安全架构、网络切片隔离、网络切片安全通信保护、5G网络虚拟化安全、用户设备安全接入、用户安全教育与培训等方面提出相应的安全解决方案,为5G网络切片部署和应用提供安全保障。

网络切片可编程数据平面模型

可重构匹配表(reconfigurable match table, RMT)是一种可编程的数据包处理流水线架构。为了实现可编程数据平面对更多不同网络协议的支持,在该架构的基础上扩展逆解析器,使用扩展后的逆解析器以及两个RMT流水线组成一个协议无关的网络切片可编程数据平面模型。由于RMT架构中采用精简指令集,扩展后的逆解析器采用复杂指令集,因此称扩展后的架构为混合指令RMT(hybrid-instruction RMT, HiRMT)。HiRMT能够支持基于IPv6转发平面的段路由、SID(segment ID)的多语义、微分段技术、多协议标签交换技术,以及虚拟扩展局域网技术。该架构具有广阔的应用场景。在Corundum原型平台上进行了逆解析器模块的性能测试,结果表明扩展后的逆解析器能够使用较少的资源在数据包大小达到512 B时以100 Gbit/s的吞吐量进行处理。

多域网络中基于域间时延博弈的端到端动态协同切片方法

针对多域网络中的切片存在域间时延不均的问题,提出了一种基于域间时延博弈的端到端动态协同切片方法(interdomain dynamic game algorithm,IDGA)。采用博弈论方法将端到端时延约束分配到不同的网络域,通过在域内部署切片来获得相应的博弈收益,采用DDPG算法不断更新博弈策略,最终得到最佳的时延分配比例和切片部署方案。实验表明,该算法与传统的静态分配算法对比有明显优势,与经验迭代的DSDP方法以及DQN-SNAF算法相比,IDGA算法在100个切片请求下,切片部署成功率分别提高了8%和3%左右,同时节点资源利用率提高了5.75%和1.96%左右,在降低部署成本方面也有显著优势。

基于自适应动态预测的网络切片资源冲突优化

网络切片(NS)是5G网络中的一种关键性技术,在多业务动态场景下发挥着重要作用。针对5G网络切片中由切片需求动态变化引起的资源冲突问题,采用一种基于自适应动态预测(ADP)的优化方法,提出“自适应动态预测-模型优化”的优化方案。在自适应动态预测模块,对动态的切片流量进行波动等级划分,以确保切片流量预测的准确性以及自适应性。根据划分结果,分别采用2种不同的循环神经网络算法来预测切片未来时间的流量需求,包括基于注意力机制-双向门控循环单元(Att-BiGRU)的点预测以及基于自举法-BiGRU的区间预测。在模型优化模块,根据预测结果定义用户满意度函数和切片优化配置的开销,将资源冲突优化问题表示为最大化网络收益。由于预测模块的输出可能含有不确定参数,根据鲁棒优化和基于可变粒子数量的粒子群优化算法求解出切片优化配置方案。在仿真部分对所提优化方案进行验证,结果表明,该方法在满足切片动态需求的同时,降低了资源冲突带来的负面影响,其在网络收益以及请求接受率等方面优于对比算法,链路资源利用率达到90%以上。

MEC环境中面向5G网络切片的计算卸载方法

5G网络切片与计算卸载技术的出现,有望支持移动边缘计算(Mobile Edge Computing,MEC)系统在降低服务延迟的同时提高资源利用率,进而更好地满足不同用户的需求.然而,由于MEC系统状态的动态性与用户需求的多变性,如何有效结合网络切片与计算卸载技术仍面临着巨大的挑战.现有解决方案通常依赖于静态网络资源划分或系统先验知识,无法适应动态多变的MEC环境,造成了过度的服务延时与不合理的资源供给.为解决上述重要挑战,本文提出了一种MEC环境中面向5G网络切片的计算卸载(Computation Offloading towards Network Slicing,CONS)方法.首先,基于对历史用户请求的分析,设计了一种门控循环神经网络对未来时隙的用户请求数量进行精确预测,结合用户资源需求对网络切片进行动态调整.接着,基于网络切片资源划分的结果,设计了一种双延迟深度强化学习对计算卸载与资源分配进行决策,通过解决Q值过高估计和高方差问题,进而有效逼近动态MEC环境下的最优策略.基于真实用户通信流量数据集,大量仿真实验验证了所提的CONS方法的可行性和有效性.与其他5种基准方法相比,CONS方法能够有效地提高服务提供商的收益,且在不同场景下均展现出了更加优越的性能.

基于深度强化学习的网络切片资源管理算法

随着第五代通信技术(5G)的发展,各种应用场景不断涌现,而网络切片可以在通用的物理网络上构建多个逻辑独立的虚拟网络来满足移动通信网络多样化的业务需求。为了提高移动通信网络根据各切片业务量实现资源按需分配的能力,本文提出了一种基于深度强化学习的网络切片资源管理算法,该算法使用两个长短期记忆网络对无法实时到达的统计数据进行预测,并提取用户移动性导致的业务数据量动态特征,进而结合优势动作评论算法做出与切片业务需求相匹配的带宽分配决策。实验结果表明,相较于现有方法,该算法可以在保证用户时延和速率要求的同时,将频谱效率提高约7.7%。

基于CNN的5G网络切片安全分配研究

网络切片是5G网络的关键技术,在支持多种5G应用和服务方面发挥着重要作用。为确保5G网络提供更加灵活安全的按需服务,对网络切片的灵活性和安全性研究尤为重要。为此,提出一种按应用服务类型划分细粒度网络切片的方案,并通过基于卷积神经网络(Convolutional Neural Networks,CNN)的模型来安全分配网络切片。当网络流通过该模型后,先筛选出受到分布式拒绝服务(Distributed Denial of Service,DDoS)攻击的流量,然后良性流量再按应用类型分配到相应的切片上。仿真结果表明,基于CNN的网络切片分配模型,在安全分配网络切片方面有着显著的效果。与其它常见的机器学习分类算法相比,该方案中的模型在准确率、精确率、召回率和F1分数方面都有着更好的性能优势。

基于信任感知的虚拟网络切片差异化资源分配算法

针对虚拟网络切片差异化资源分配不均、资源分配成本较高的问题,引入信任感知安全约束,并结合差异化资源分配业务关键通信约束条件,确定全部业务虚拟网络切片租赁花费最低为目标函数,构建信任感知的虚拟网络切片差异化资源分配算法。通过凸优化理论的子梯度算法求解,获取最终的虚拟网络切片差异化资源分配结果。结果表明,采用该算法获得的虚拟网络请求接收率和物理网络映射收益较高,满足了切片租赁的总花费目标。该算法能够实现虚拟网络切片差异化资源分配。

基于深度强化学习的网络切片链路优化方案

随着5G和物联网的增长,网络切片已成为满足各种服务质量保证的关键技术。切片资源有限的情况下,如何有效地进行组播资源分配,提高切片利用率,优化服务质量,是当前面临的一大挑战。针对此类问题,提出一种基于深度强化学习的多路径转发链路负载优化方案。该方案针对组播类型网络切片并将其切片过程抽象为SDN(software defined network)环境中最优组播树的构建,利用double dueling DQN算法实现模型训练,并采用基于衰减上置信界(Upper Confidence Bound,UCB)的优先级重放机制优化算法,更加快速准确地构造最优组播路径。实验结果表明,所提优化方案算法与经典Steiner树算法相比能够更有效地优化组播类型网络切片过程的链路负载。

基于SOTN技术和5G网络切片技术的传输组网技术

为提升网络的传输效率和传输质量,研究基于软件定义光传送网(Software Optical Transport Network,SoTN)技术和第五代移动通信技术(5th Generation Mobile Communication Technology,5G)的传输组网技术。首先分析了5G传输网端到端架构存在的优势及不足,其次采用SOTN技术和5G网络切片技术设计了一种传输组网方案,最后进行实验分析。测试结果表明,该传输组网技术具有较好的应用效果,数据包的传输成功率均在90.00%以上,并且端到端的最大时延为16.11ms,能够保证网络的传输效果。

面向工业时敏业务的5G TSN融合网络切片资源调度

5G与时间敏感网络(time sensitive network,TSN)融合部署是实现工业互联网无线化和柔性制造的重要基础,如何实现多类型工业业务和移动业务的共网高质量传输,是5G TSN融合网络需要解决的关键问题。为此,面向工业互联网场景,依据业务特征差异划分工业业务流的类型,设计了一种适配周期性时敏业务和突发性时敏业务的网络切片资源调度策略,提出了基于均匀分布的资源分区调度算法。所提方法通过控制资源预留和资源抢占,在优化无线资源使用的同时,保障了工业业务流的时延,满足了移动业务的传输速率需求。最后,通过仿真实验验证了所提方法在提升业务需求满足度和资源利用率方面的有效性。

基于零信任的5G网络切片安全研究

随着5G网络的广泛部署和网络切片技术的出现,安全问题逐渐成为5G网络建设中不可忽视的一部分。在5G网络中,传统基于边界的安全防护架构无法满足更高安全需求的挑战,而不再划分信任区域、持续验证的零信任架构逐渐得到认可。分析切片现有安全技术缺陷,结合软件定义安全边界的思想,设计了基于零信任的切片安全架构。在信任评估中引入基于服务质量参数的可信度量方法,从可用性、可靠性和实时性角度建立可信度量过程,为持续验证用户是否可信、提供细粒度的访问控制决策奠定了基础。试验结果初步验证了可信度量方法的可行性。所设计的零信任网络安全架构和可信度量方法对信息安全防御相关研究和工程技术人员具有借鉴意义。