光网络中基于机器学习的流量驱动业务提供综述

全球互联网流量的空前增长，加上在某种程度上产生可预测潮汐流量特征的巨大时空波动，正推动光网络从被动式向主动式、并最终向自适应演进。在这些网络中，流量驱动的业务提供能够解决网络过度配置问题，并在保持所需服务质量水平的同时更好地适应流量变化。这种方法将减少网络资源的过度配置，从而降低网络总成本。本综述全面回顾了光层上基于机器学习（ML）的流量驱动业务提供技术的现状。首先介绍了光网络中业务提供的演进，随后概述了用于流量驱动业务提供的ML技术。详细介绍了ML辅助的业务提供方法，包括主动式和自适应网络中的预测性与规范性业务提供框架。对于所概述的所有技术，还讨论了其局限性、研究挑战与潜在机遇。