虚拟化网络切片环境中的分布式在线异常检测
网络与互联网体系结构
2022-01-07 v1
摘要
由于网络切片是通信网络中的关键赋能技术之一，承载多个虚拟网络元素的底层网络中单个异常物理节点（PN）或物理链路（PL）可导致多个网络切片的显著性能退化。为在短时间内恢复底层网络，快速准确地识别 PN 与 PL 中是否存在异常至关重要。能够实时分析系统数据的在线异常检测方法更受青睐。此外，由于映射到 PN 与 PL 的虚拟节点与链路分散于多个切片中，需要分布式检测模式以适应虚拟化环境。基于上述需求，本文首先提出一种基于去中心化一类支持向量机（OCSVM）的分布式在线 PN 异常检测算法，通过分布式分析映射到 PN 的虚拟节点实时测量值实现。具体而言，为解耦 OCSVM 目标函数，我们引入一致性约束将原问题转化为一组去中心化二次规划问题；采用交替方向乘子法求解分布式在线 PN 异常检测。进而，利用相邻虚拟节点测量值间的相关性，提出另一种基于典型相关分析的分布式在线 PL 异常检测算法；网络仅需存储当前数据的协方差矩阵与均值向量即可计算典型相关向量以进行实时 PL 异常分析。在合成与真实网络数据集上的仿真结果表明所提分布式在线异常检测算法的有效性与鲁棒性。
引用
@article{arxiv.2201.01900,
title = {Distributed Online Anomaly Detection for Virtualized Network Slicing Environment},
author = {Weili Wang and Chengchao Liang and Qianbin Chen and Lun Tang and Halim Yanikomeroglu},
journal= {arXiv preprint arXiv:2201.01900},
year = {2022}
}