知识嵌入深度强化学习的6G网络决策算法

为了保证6G网络场景下用户的服务质量(quality of service, QoS)时延以及解决深度强化学习(deep reinforcement learning, DRL)收敛时间较长的问题,对云-边-端架构下的计算网络进行了研究。提出了多评论家深度强化学习框架,在此基础上提出知识嵌入多评论家深度强化学习算法,将无线通信知识嵌入深度强化学习,采取深度强化学习与计算网络结合的方式对网络中的计算资源和频谱资源进行分配。仿真结果表明,所提出的方法相比于传统的深度强化学习方法能够有效减少收敛时间,并且能够在信道时变的环境下,保证用户时延的基础上能够实现实时决策。

规模化储能电站高可靠网络建设技术研究

针对规模化储能电站安全高效组网需求,电站网络须在保障其核心功能正确执行的基础上,提高实时性与可靠性,提出多层级系统架构和配置方案,包括就地设备层储能单元内信号汇聚、站控层业务系统组网、集控和云端跨网通信四部分。从通信协议、设备/网络/服务冗余、网络隔离、星环架构等方面进行端边云全链路设计,并通过实际案例分析,总结出各环节不同方案的性能特点和实施要点,为规模化储能电站的建设提供了技术参考。

面向未来农业的SUNets架构、应用与安全挑战

卫星辅助的无人设备网络(Satellite-assisted Unmanned deviceNetworks,SUNets)通过整合卫星通信、无人设备、地面支持设施和云服务,可以为未来农业提供全新的解决方案。然而其广阔的覆盖范围和复杂的多层次通信结构所造成的安全问题在农业领域尚未得到充分的研究。针对上述问题,系统概述了面向SUNets的未来“云—网—端”农业架构,并探讨了在SUNets广域覆盖下,各区域数据互联、网络融合的未来农业的具体应用案例,重点关注于跨区域农机调度与田间管理方面。此外,对SUNets架构下的协同安全,以及数据的透明性、传输路径的复杂性、网络环境的动态性等特性所带来的安全问题进行了总结。旨在研究面向SUNets的未来农业架构、应用与安全挑战,为未来的研究提供参考,以填补农业SUNets研究中的空白。

虚拟电厂入网链路与功能组织

为充分利用虚拟电厂技术在编排规模化灵活资源方面的能力,有效提升配电网内分散资源的聚合调配效率,结合我国电网的配电网数字化转型成果与物联网发展趋势,基于具有更强融合互动性和分层可拓性的“云管边端”架构体系,以边缘智能终端作为边缘节点的关键组成部分,分析了虚拟电厂入网链路的局部及整体架构。同时,侧重边缘智能终端路径,从虚拟电厂动态响应特性评估及评估结果利用的角度出发,研究了虚拟电厂接入电力系统的功能组织。研究结果可为今后虚拟电厂充分发挥多元化资源整合潜力,助力我国新型电力系统实现经济可靠、节能降碳的目标奠定基础。

基于云网融合的5G切片专网技术方案及应用

面对垂直行业多样化的业务需求,5G网络切片能够提供灵活、隔离、按需的服务,结合OTN、IPRAN/STN资源、云资源以及云网融合、固移融合系统能力,使客户终端、无线基站、承载、核心到内网业务平台之间通过专网隔离通道方式互通。介绍了5G端到端切片专网的架构方案和关键技术,分析新一代运营体系下切片专网自动化开通所遇到的难点并提出解决方案,助力运营商从流量经营迈向资源经营时代。

面向算力网络的云边端协同调度技术

针对网络规模庞大、资源分散和异构性等挑战,面向算力网络的云边端协同调度技术通过算力网络将云边端多级泛在算网资源整合在一起,从而形成一个庞大的、跨越多个地域的资源池。综合考虑网络实时状态、用户需求等要素,该技术能够实现对算网资源的统一管理和动态调整,提升用户体验的同时降低企业运营成本和运维复杂度。

基于Attention U-Net的陆地卫星影像云检测

云检测是提高遥感影像利用率和应用范围的有效措施。然而,现有云检测算法大多存在以下两个问题:冰、雪等复杂下垫面与云不易区分;需要大量人工标记好的云样本对模型进行训练。为提高影像云识别精度,提出了一种基于Attention U-Net的陆地卫星影像云检测算法。首先,利用卷积操作在编码模块提取云的浅层特征;然后,利用反卷积、跳跃连接和注意力机制在解码模块进一步挖掘云特征;最后,利用少量公开的陆地卫星影像云样本数据进行训练,实现端到端的陆地卫星影像像素级云检测。实验结果表明,与传统的机器学习算法相比,所提算法的总体检测精度更高,薄云和云阴影的误检率和漏检率更低。

边缘计算使能下的工业互联网平台发展趋势及关键技术

工业互联网平台是新一代信息通信网络技术与工业经济深度融合的关键基础设施,通过对人、机、物的全面联接,构建覆盖全生产链、产业链、价值链的制造和服务体系,现阶段采取以云平台为基础,其上叠加制造能力开放、知识经验复用等功能的模式进行部署。然而,网联设备的急剧增加以及数据分散性、碎片化的特征导致以云为核心的平台模式处理能力捉襟见肘,工业互联网平台逐渐向云边端一体化演进。本文分析工业互联网环境下先进制造的共性特征和变革性需求,旨在探索如何构建满足新特征、新需求的云边端一体化平台,并围绕该问题总结了发展未来工业互联网平台面临的五方面关键技术,即高效寻址与协议转换、多维资源算力度量、网算控协同优化、实时边缘操作系统以及平台体系结构。在此基础上,措建了基于所提出云.边-端一体化平台的个性化定制装配验证平台。

5G在物流仓储行业的融合应用研究

物流业是支撑国民经济发展的基础性、战略性、先导性产业。仓储作为物流行业的关键环节,面临碎片化仓储的利用率低、高标仓占比少、分拣准确率低、多仓管理难等“效率泥潭”,而提升仓储效率瓶颈的关键是加强数字物流基础设施建设。作为新型数字化基础设施的关键技术之一,5G在提供低延时、高带宽、海量接入的网络能力基础上,可以利用网络切片、边缘计算和端边云协同等先进技术,促进计算和存储资源在端边云设施上的高效分配,从而以更加灵活、高效、快速迭代、可演进的模式推动物流仓储的智慧化升级。梳理了基于5G的物流智能仓储的应用场景,论述了5G技术助力物流仓储智能升级中发挥的作用和价值。

基于统一体系结构框架的战区联合作战后勤与装备保障指挥信息系统架构

信息系统是战区联合作战后勤与装备保障指挥要素整体联动、效能体系释放的“神经系统”。基于全军军事信息系统依托的“网-云-端”结构理论,结合最新发布的统一体系结构框架方法原理,遴选出符合我军战区联合作战后勤与装备保障指挥信息系统构建需求的具体领域模型,并设计开发流程,而后在统一体系结构框架提供元模型基础上进一步“裁剪+修改+融合”建立符合我军信息系统基本数据要素需求的统一认知元模型。以元模型为约束,深入剖析后勤与装备保障指挥信息系统能力、功能、结构、服务、安防5个重点建设角度的理论交互机理,完成模型集成构建。根据战区联合作战想定案例情况,采用对象Petri方法对指挥信息系统动态模型进行执行验证,结果表明系统集成设计结构合理、过程逻辑正确,可以满足指挥信息服务需求。

5G“云网边端”一体化纵深安全防护体系研究及应用

创新地提出了一种5G“云网边端”一体化纵深安全防护实现方案,探索了5G定制网的网络安全防护体系,介绍了体系的基本架构、特性、实现方案和应用效果。在实现方案中重点介绍了两个要点:通过部署5G“云网边端”4个方面的安全系统,形成多层次、多维度的安全防护能力;建立适配体系的运营流程,包含一键加固、安全防御、态势感知和一键应急4个部分。最后给出了5G“云网边端”一体化纵深安全防护体系的实际应用效果。

基于“网云端”的新型指挥控制系统体系结构建模

指挥控制系统是综合电子信息系统的核心,是作战效能的“倍增器”和作战指挥的“神经中枢”。从“网-云-端”的结构出发,分析了新型指挥控制系统的总体架构和组成关系;通过分析美国国防部体系结构框架(DoDAF2.0),提出了基于DoDAF2.0的新型指挥控制系统体系结构建模流程;采用结构化和面向对象相结合的方法,设计了新型指挥控制系统作战视角、服务视角、能力视角以及系统视角的关键模型,为系统的具体设计与开发、系统评估与分析提供可靠的模型支持。

移动云计算领域的网络安全策略研究

移动云计算(Mobile Cloud Computing),作为云计算和移动互联网相互融合的产物,是指通过移动网络以按需、可扩展的模式获取所需的网络、服务器、存储、应用和服务等IT资源的一种交付模式。然而,移动云计算这一新技术的应用,也引发了一系列新的安全问题。本文介绍了移动云计算的基本概念,分析了移动云计算环境中所面临的网络安全挑战,结合"云-管-端"的架构与特点,提出了一套"云层""终端"和"管道"的分层次的安全策略,以期提供一种移动云计算领域的安全防护思路。

移动云计算领域的网络安全解决方案探究

移动云计算(Mobile Cloud Computing),简称MCC,作为云计算和移动互联网相互融合的产物,是指通过移动网络以按需、可扩展的模式获取所需的网络、服务器、存储、应用和服务等IT资源的一种交付模式。然而,移动云计算这一新技术的应用,也引发了一系列新的网络安全问题。文中介绍了云计算、移动云计算的基本概念,分析了移动云计算环境中所面临的网络安全挑战,并结合"端-管-云"的架构,提出了移动云中"终端"、"管道"和"云层"的各个网络安全解决方案,以期提供一种移动云计算领域的网络安全解决思路。

面向“云-边-端”算力系统的计算和传输联合优化方法

“云—边—端”资源协同优化是算力网络部署的关键难题之一.如何有效整合高性能云计算、低延时边缘计算和低成本用户设备等异构算力资源,对于算力网络建设具有重要意义.基于此,提出了一种面向“云—边—端”算力网络的计算和传输联合优化方案,旨在从应用服务模型、网络状态感知和资源联合优化3方面提供一套系统性解决方案.首先,根据通用应用服务的特性,改进了传统网络服务的链状表征模型,提出了广义图结构的通用服务模型.其次,为表征异构网络状态的动态规律,提出了用于建模计算和传输时变负载的双虚拟队列结构.再次,为降低在大规模算力网络中计算和传输资源联合优化的问题复杂度,提出了一种基于图概念的增广图模型,该模型能够将计算和传输联合优化问题转化为增广图的路由问题,简化了异构资源联合优化问题的形式化表征难度.为实际解决该问题,设计了基于波利亚重球法(Polyak heavy-ball method)的异构资源协同优化算法,并给出了算法复杂度和相关理论的性能分析.最后,通过数值仿真和原型系统实验,验证了算法理论性能的正确性,以及在服务效用和资源成本等方面对比同期3种相关解决方案的性能优势.

分布式作战条件下陆战场智能信息系统设计

聚焦陆战场信息系统设计问题,结合分布式计算最新成果,基于“云网端”融合理念,构建了一套适用于分布式战场节点和智能需求的信息系统架构.针对所构建架构中,智能应用和智能性提升的关键需求,综合分布式陆战场节点资源受限、任务多样等特点,在分层联邦学习基础上,依据资源状况进行自适应调整,提供资源开销和智能提升相均衡的使用途径.经实验验证,该架构和方法效果良好,更能适应分布式条件下陆战场节点智能性需求。

车辆边缘计算环境下基于深度强化学习的服务卸载方法

为了在车辆边缘环境下高效地进行服务卸载,同时考虑服务的卸载决策以及边缘服务器和云服务器的协同资源分配,提出一种基于深度强化学习的服务卸载方法。首先提出车辆边缘环境下一种端—边—云协同的服务卸载架构,将服务卸载问题归约为边缘服务器计算和通信资源约束下获得最小平均服务时延的优化问题;然后引入深度Q网络解决优化问题,在学习过程中引入贪婪算法、经验回放机制和双网络机制。通过实验表明,所提方法具有可行性,所提卸载方案性能良好。

面向高速端边云网络的加密流量智能识别与态势感知方法

随着云计算和边缘计算等技术的持续发展,互联网架构已经从传统的端到端的二元架构逐步演变为端边云三级架构模式,且流量规模与节点数量持续增加。高速端边云网络中不同层次的节点在功能、性能、数据覆盖面上高度异构。现有加密流量识别方法主要着眼于单点下的流量分类,缺乏智能性与多点协同分类能力。而态势感知方法多依赖设备日志数据进行分析,视野局限且效果不佳。针对以上问题,文章提出在高速端边云网络环境下将加密流量识别与态势感知相结合的网络安全架构。其包含面向高速端边云网络的多智能体协同方法,端边云协同的加密流量应用分类方法,面向新型网络的协议智能分析方法和加密网络行为态势感知方法。实验表明,该架构可以综合多源网络情报数据,实现大规模网络安全态势感知。

电信网络智能化发展现状与未来展望

人工智能技术为电信网络的发展带来了前所未有的机遇,也为电信行业重构转型提供了高效的加速路径。利用人工智能赋能电信网络,有望实现网络的智能部署、智能运维、智能优化、智能管理、市场推广与服务创新已经成为不争的事实。目前,电信网络智能化应用与标准化工作已在行业内和多个标准化组织逐步推进。基于当前电信网络智能化在国内外标准组和产业界的开展情况,进一步提出当前网络智能化的研究热点,并对未来进行展望。

5G核心网云化部署基础框架浅析

随着5G标准冻结,商用部署提上议程,5G需求中所描绘的未来美好的全社会信息化生活正在从畅想变得触手可及。作为连接万物,赋能业务的社会化信息基础设施的重要环节,移动核心网在5G阶段实现架构、功能和平台的全面重构。相比于传统4GEPC核心网,5G核心网采用原生适配云平台的设计思路、基于服务的架构和功能设计提供更泛在的接入,更灵活的控制和转发以及更友好的能力开放。