基于软件定义的安全功能服务链部署方法

为减少传统安全设备实现安全功能灵活性差、部署成本高等弊端,深入研究软件定义网络(SDN)、网络功能虚拟化(NFV)和基于软件定义的安全服务部署技术,建立安全服务链部署模型,提出一种启发式算法。从节点的安全功能需求、物理资源需求,以及节点之间的网络资源需求和传输时延等方面综合评估部署安全功能服务链的资源需求,优先部署资源需求较大的安全功能服务链,避免资源能力成为瓶颈。实验结果表明,该算法可有效提升部署成功率。

结合深度强化学习的边缘计算网络服务功能链时延优化部署方法

该文针对边缘网络资源受限且对业务流端到端时延容忍度低的问题,结合深度强化学习与基于时延的Dijkstra寻路算法提出一种面向时延优化的服务功能链(SFC)部署方法。首先,设计一种基于注意力机制的序列到序列(Seq2Seq)代理网络和基于时延的Dijkstra寻路算法,用于产生虚拟网络功能(VNF)的部署以及服务SFC的链路映射,同时考虑了时延优化模型的约束问题,采用拉格朗日松弛技术将其纳入强化学习目标函数中;其次,为了辅助网络代理快速收敛,采用基线评估器网络评估部署策略的预期奖励值;最后,在测试阶段,通过贪婪搜索及抽样技术降低网络收敛到局部最优的概率,从而改进模型的部署。对比实验表明,该方法在网络资源受限的情况下,比First-Fit算法与TabuSearch算法的时延分别降低了约10%和86.3%,且较这两种算法稳定约74.2%与84.4%。该方法能较稳定地提供更低时延的端到端服务,使时延敏感类业务获得更好体验。

基于节点综合重要度排序的服务功能链部署优化方法

为满足5G网络环境下高可靠性、低时延的要求,同时降低网络带宽资源消耗,面向流量与可靠性优化提出一种基于节点综合重要度排序的服务功能链(SFC)部署方法。首先,基于流量改变率聚合虚拟网络功能(VNF),从而减少部署的物理节点,提高链路可靠性;其次,通过节点的度、可靠性、综合时延与链路跳数定义节点综合重要度,并依据该重要度对物理节点排序;然后,将VNF依次映射到底层物理节点上,同时通过约束链路条数以减少“乒乓效应”并优化流量;最后,通过k-最短路径算法映射虚拟链路,从而完成整个SFC的部署。相较于原有聚合方法,所提方法的SFC平均可靠性提升2%,SFC端到端平均时延降低22%,平均带宽开销降低29%,长期平均收益开销比提高16%。实验结果表明,所提方法能有效提高链路的可靠性,降低端到端的时延与带宽资源消耗,起到了良好的优化效果。

一种面向边缘环境的多实例服务链在线部署算法

边缘设备的资源有限性促使部署边缘服务需要深入理解网络功能的资源消耗情况。通过无线路由器上容器化网络功能部署实验得出,除了处理业务流的计算开销外,网络功能实例间的通信也会消耗大量CPU资源。基于该发现,考虑在近距离和相对低负载的对等边缘设备上分布式地部署网络功能实例,在满足时延约束的条件下均衡流量,从而最小化边缘设备负载。为此,提出细粒度服务链负载模型,并在此基础上设计实现了一种面向边缘环境的多实例服务链在线部署算法。该算法包括基于剪枝搜索策略的时延满足路径搜索、基于嵌套Top K策略的部署路径选择和基于贪心策略的网络功能部署3个组成部分。仿真实验验证了该算法的有效性。实验结果表明,相比不考虑通信开销的网络功能链部署,该算法可以降低10%边缘设备CPU负载,接近理论最优部署结果。

基于迁移演员-评论家学习的服务功能链部署算法

针对5G网络切片环境下由于业务请求的随机性和未知性导致的资源分配不合理从而引起的系统高时延问题,该文提出了一种基于迁移演员-评论家(A-C)学习的服务功能链(SFC)部署算法(TACA)。首先,该算法建立基于虚拟网络功能放置、计算资源、链路带宽资源和前传网络资源联合分配的端到端时延最小化模型,并将其转化为离散时间马尔可夫决策过程(MDP)。而后,在该MDP中采用A-C学习算法与环境进行不断交互动态调整SFC部署策略,优化端到端时延。进一步,为了实现并加速该A-C算法在其他相似目标任务中(如业务请求到达率普遍更高)的收敛过程,采用迁移A-C学习算法实现利用源任务学习的SFC部署知识快速寻找目标任务中的部署策略。仿真结果表明,该文所提算法能够减小且稳定SFC业务数据包的队列积压,优化系统端到端时延,并提高资源利用率。

基于流量优化的可靠服务功能链部署方法

针对网络功能虚拟化环境中服务功能链部署的资源开销问题,提出一种基于流量优化的可靠服务功能链部署方法。首先,根据虚拟链路流量变化对虚拟网络功能进行聚合,使带宽需求大的虚拟链路部署到底层网络后,其流量变为服务器的内部流量。其次,综合考虑可靠性、综合时延以及拓扑属性,利用离差最大化的多指标决策算法对物理节点进行评价,并使用链路约束降低流量的乒乓效应。最后,采用k-最短路径算法将虚拟链路部署到满足带宽需求的物理链路上。仿真实验表明,所提方法在保证服务功能链可靠性的基础上,对长期收益开销比、映射成功率、端到端时延以及带宽开销有较大优化。

面向软件定义网络的服务功能链优化部署算法研究

针对网络功能虚拟化(NFV)环境下,现有服务功能链部署方法无法在优化映射代价的同时保证服务路径时延的问题,该文提出一种基于IQGA-Viterbi学习算法的服务功能链优化部署方法。在隐马尔可夫模型参数训练过程中,针对传统Baum-Welch算法训练网络参数容易陷入局部最优的缺陷,改进量子遗传算法对模型参数进行训练优化,在每一迭代周期内通过等比例复制适应度最佳种群的方式,保持可行解多样性和扩大空间搜索范围,进一步提高模型参数的精确度。在隐马尔科夫链求解过程中,针对隐含序列无法直接观测这一难点,利用Viterbi算法能精确求解隐含序列的优势,解决有向图网络中服务路径的优化选择问题。仿真实验结果表明,与其它部署算法相比,所提IQGA-Viterbi学习算法能有效降低网络时延和映射代价的同时,提高了网络服务的请求接受率。

基于深度强化学习的服务功能链多维资源优化

在网络功能虚拟化(Network Function Virtualization,NFV)环境下,保证用户服务功能链(Service Function Chain,SFC)服务质量的同时节约资源消耗,降低运营成本,对运营商来说至关重要。联合考虑SFC部署和无线接入网资源分配,提出一种基于深度强化学习的SFC多维资源联合分配算法。构建一种基于环境感知的SFC资源分配机制,建立用户时延要求、无线速率需求以及资源容量等约束下的SFC部署成本最小化模型。考虑到无线环境的动态变化,将此优化问题转化为一个无模型离散时间马尔科夫决策过程(Markov Decision Process,MDP)模型。由于该MDP状态空间的连续性和动作空间的高维性,采用深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)强化学习算法进行求解,得到最小化部署成本的资源分配策略。仿真结果表明,该算法可在满足性能需求及资源容量等约束的同时,有效降低SFC部署成本和端到端传输时延。

基于Q-learning算法的vEPC虚拟网络功能部署方法

针对虚拟化演进分组核心网(v EPC)环境下,现有虚拟网络功能(VNF)部署方法无法在优化时延的同时保证服务链部署收益的问题,提出一种改进的基于Q-learning算法的v EPC虚拟网络功能部署方法。在传统0-1规划模型的基础上,采用马尔可夫决策过程建立了v EPC服务链部署的空间—时间优化模型,并设计了改进的Q-learning算法求解。该方法同时考虑了空间维度下的EPC服务链虚拟映射和时间维度下的VNF生命周期管理,实现了VNF部署的收益—时延多目标优化。仿真结果表明,与其他VNF部署方法相比,该方法在降低网络时延的同时提高了VNF部署的收益和请求接受率。

基于改进深度强化学习的虚拟网络功能部署优化算法

针对网络功能虚拟化/软件定义网络(NFV/SDN)架构下,网络服务请求动态到达引起的服务功能链(SFC)部署优化问题,该文提出一种基于改进深度强化学习的虚拟网络功能(VNF)部署优化算法。首先,建立了马尔科夫决策过程(MDP)的随机优化模型,完成SFC的在线部署以及资源的动态分配,该模型联合优化SFC部署成本和时延成本,同时受限于SFC的时延以及物理资源约束。其次,在VNF部署和资源分配的过程中,存在状态和动作空间过大,以及状态转移概率未知等问题,该文提出了一种基于深度强化学习的VNF智能部署算法,从而得到近似最优的VNF部署策略和资源分配策略。最后,针对深度强化学习代理通过ε贪婪策略进行动作探索和利用,造成算法收敛速度慢等问题,提出了一种基于值函数差异的动作探索和利用方法,并进一步采用双重经验回放池,解决经验样本利用率低的问题。仿真结果表示,该算法能够加快神经网络收敛速度,并且可以同时优化SFC部署成本和SFC端到端时延。

面向多业务需求的NFV和SDN融合的资源优化算法

物联网的多种业务需要灵活的网络部署来保障其服务质量。针对物联网服务功能链部署问题,将网络功能虚拟化(NFV, network function virtualization)与软件定义网络(SDN, software defined networking)相结合,综合考虑转发成本以及流量平衡情况,给出了虚拟网络功能放置与服务功能链路由的联合优化模型,该优化模型是NP-Hard问题。为了求解该问题,提出两种启发式算法:一种是先路由后放置(FRTP, first routing then placing)的服务链部署算法,另一种是基于节点优先级的先放置后路由(PFBR, placing followed by routing)的服务链部署算法。仿真结果表明,与其他算法相比,提出的FRTP和PFBR算法能显著平衡网络中的流量负载,改善链路拥塞情况,从而提高服务功能链请求接受率。