基于深度强化学习的隔离感知在线虚拟网络嵌入
网络与互联网体系结构
2023-12-15 v3 机器学习
摘要
虚拟化技术是现代信息通信（ICT）基础设施的基础，使服务提供商能够创建可支持广泛智慧城市应用的专用虚拟网络（VN）。这些 VN 持续产生海量数据，因而对可靠性和安全性有着严苛要求。然而，在虚拟化网络环境中，多个 VN 可能共存于同一物理基础设施上，若隔离不当，可能相互干扰或提供未授权访问。前者导致性能下降，后者则危及 VN 安全。当特定 VN 违反隔离要求时，基础设施提供商的服务保障变得显著复杂。为应对隔离问题，本文在虚拟网络嵌入（VNE，即将 VN 分配至物理基础设施的过程）中提出隔离。我们定义了一种简化的抽象隔离等级概念以刻画隔离需求的差异，进而将隔离感知 VNE 建模为带资源与隔离约束的优化问题。提出一种基于深度强化学习（DRL）的 VNE 算法 ISO-DRL_VNE，其考虑资源与隔离约束，并与现有三种最优算法 NodeRank、Global Resource Capacity (GRC) 和 Mote-Carlo Tree Search (MCTS) 进行比较。评估结果表明，ISO-DRL_VNE 算法在接收率、长期平均收益及长期平均收益成本比上分别优于其他算法 6%、13% 和 15%。
引用
@article{arxiv.2211.14158,
title = {An Isolation-Aware Online Virtual Network Embedding via Deep Reinforcement Learning},
author = {Ali Gohar and Chunming Rong and Sanghwan Lee},
journal= {arXiv preprint arXiv:2211.14158},
year = {2023}
}
备注
7 pages, 9 figures, 3 tables, 2 algorithms