基于图神经网络的服务功能链实现自动网络控制
网络与互联网体系结构
2020-09-14 v1 机器学习
摘要
软件定义网络（SDN）和网络功能虚拟化（NFV）通过降低开支，在基于软件的控制技术上取得了巨大发展。服务功能链（SFC）是一项重要技术，用于在网络服务器中寻找高效路径以处理所有被请求的虚拟化网络功能（VNF）。然而，SFC具有挑战性，因为它即便在复杂情况下也必须维持高服务质量（QoS）。尽管已有一些工作利用深度神经网络（DNNs）等高级智能模型处理此类任务，但这些方法不能有效利用网络的拓扑信息，且由于其模型假设拓扑固定，无法应用于拓扑动态变化的网络。本文中，我们提出一种基于图神经网络（GNN）的新神经网络架构用于SFC，考虑了网络拓扑的图结构特性。所提SFC模型由编码器和解码器组成，其中编码器寻找网络拓扑的表示，随后解码器估计邻节点及其处理某VNF的概率。实验中，我们提出的架构优于此前基于DNN的基线模型性能。此外，基于GNN的模型可应用于新网络拓扑而无需重新设计和重新训练。
引用
@article{arxiv.2009.05240,
title = {Graph Neural Network based Service Function Chaining for Automatic Network Control},
author = {DongNyeong Heo and Stanislav Lange and Hee-Gon Kim and Heeyoul Choi},
journal= {arXiv preprint arXiv:2009.05240},
year = {2020}
}