面向网络差异化 QoS 与安全需求的 VNE 解决方案：基于深度强化学习的视角
网络与互联网体系结构
2022-02-04 v1
摘要
网络服务的快速发展和部署给研究人员带来了一系列挑战。一方面，互联网终端用户/应用呈现出使用偏好分化的特征，且对服务质量的不同方面有所追求。另一方面，在大数据时代信息爆炸式增长背景下，大量隐私信息存储于网络中。终端用户/应用自然开始关注网络安全。为解决差异化服务质量（QoS）与安全需求，本文提出一种基于深度强化学习（DRL）的虚拟网络嵌入（VNE）算法，针对 substrate 网络的 CPU、带宽、延迟和安全属性。DRL 智能体在上述属性构建的网络环境中进行训练。目的是推导各 substrate 节点的映射概率，并依此概率映射虚拟节点。最后，采用广度优先策略（BFS）映射虚拟链路。实验阶段，将基于 DRL 的算法与其他代表性算法在长期平均收益、长期收益消耗比和接受率三方面进行比较。结果表明本文提出的算法取得了良好实验效果，证明该算法可有效应用于解决终端用户/应用差异化 QoS 与安全需求。
引用
@article{arxiv.2202.01362,
title = {VNE Solution for Network Differentiated QoS and Security Requirements: From the Perspective of Deep Reinforcement Learning},
author = {Chao Wang and Ranbir Singh Batth and Peiying Zhang and Gagangeet Singh Aujla and Youxiang Duan and Lihua Ren},
journal= {arXiv preprint arXiv:2202.01362},
year = {2022}
}