面向数字健康孪生用例的自适应服务功能链编排：启发式增强的Q-Learning方法
网络与互联网体系结构
2023-04-26 v1 密码学与安全
机器学习
摘要
数字孪生（DT）是一项在医疗健康领域部署和利用的重要技术。然而，此类应用面临的主要挑战是：严格的健康数据共享策略、高性能网络需求以及可能的基础设施资源限制。在本文中，我们通过提供自适应虚拟网络功能（VNF）来实施与不同数据共享场景相关的安全策略，从而应对所有挑战。我们在多节点集群网状基础设施之上定义了一个云原生网络编排器，用于灵活动态的容器调度。所提框架考虑预期的数据共享用例、相关策略以及基础设施配置，随后配置服务功能链（SFC）并相应地提供路由配置，几乎无需人工干预。此外，部署SFC时的\textit{最优}取决于用例本身，我们调整超参数以优先资源利用或延迟，努力满足性能要求。因此，我们为数字健康孪生用例提供了一种策略感知、需求感知和资源感知的自适应网络编排。
引用
@article{arxiv.2304.12853,
title = {Adaptive Services Function Chain Orchestration For Digital Health Twin Use Cases: Heuristic-boosted Q-Learning Approach},
author = {Jamila Alsayed Kassem and Li Zhong and Arie Taal and Paola Grosso},
journal= {arXiv preprint arXiv:2304.12853},
year = {2023}
}