DeepPR：基于深度强化学习的相互依赖VNF渐进式恢复
网络与互联网体系结构
2019-11-20 v2
摘要
对云服务的日益依赖需要更灵活的网络，这些网络由虚拟化的网络设备和功能实现。当此类先进网络系统面临自然灾害或攻击导致的大规模故障时，由于修复资源有限，整个系统的恢复可能以渐进方式进行。由于系统在部分功能下运行，恢复阶段网络设备优先级的选择会影响系统的临时计算与通信能力。因此，寻找最佳恢复顺序是一个关键问题，而由于网络节点与层之间的依赖性，虚拟化使其进一步复杂化。本文研究具有VNF且存在某些依赖网络层的网络中，有限资源下的渐进式恢复问题。我们证明了渐进式恢复问题的NP难性，并通过引入DeepPR（一种基于深度强化学习(Deep RL)的渐进式恢复技术）逼近最优解。我们的仿真结果表明，与基线启发式算法相比，DeepPR能在特定网络中取得近最优解，并对对抗性故障更具鲁棒性。
引用
@article{arxiv.1904.11533,
title = {DeepPR: Progressive Recovery for Interdependent VNFs with Deep Reinforcement Learning},
author = {Genya Ishigaki and Siddartha Devic and Riti Gour and Jason P. Jue},
journal= {arXiv preprint arXiv:1904.11533},
year = {2019}
}
备注
Technical Report, 12 pages