ΕΕ
epanek
espa

Η επερχόμενη καθιέρωση της τεχνολογίας 5G στη διεθνή αγορά και οι δυνατότητες που προσφέρει η αρχιτεκτονική της για τον “προγραμματισμό” του δικτύου φέρνουν στην επιφάνεια προκλήσεις για καινοτόμες λύσεις που βελτιώνουν τη χρήση δικτυακών πόρων. Στόχος του 5G-Traffic είναι η ανάπτυξη ενός πλαισίου εργασίας που βελτιστοποιεί την απόδοση των 5G δικτύων με λογισμικό που εκτελείται στο επίπεδο ελέγχου (control plane) και αυτοματοποιεί τη διαχείριση των κανόνων δρομολόγησης στο επίπεδο δεδομένων (data plane). Η βασική καινοτομία του 5G-Traffic είναι η χρήση μηχανικής μάθησης για την ταξινόμηση της κίνησης και την πρόβλεψη του όγκου της ώστε να προκύπτουν άμεσα οι πλέον κατάλληλες εντολές προώθησης για τα πακέτα της ροής του δικτύου. Καθώς η τεχνολογία 5G βρίσκεται ακόμη σε πρώιμο στάδιο δεν υπάρχουν ακόμη αντίστοιχες λύσεις έτοιμες για παραγωγικό περιβάλλον. Λόγω του μεγέθους της αγοράς που αναμένεται να επηρεαστεί από την καθιέρωση των 5G δικτύων, ακόμη και μικρές βελτιώσεις στην ποιότητα της υπηρεσίας που παρέχουν τα δίκτυα αυτά αναμένεται να οδηγήσουν σε σημαντικά κοινωνικό-οικονομικά οφέλη

Πληροφορίες

Γενικός στόχος του έργου είναι η ανάπτυξη μιας λύσης που βελτιστοποιεί την απόδοση των 5G δικτύων με λογισμικό που επιτυγχάνει αυτοματοποιημένη διαχείριση των κανόνων δρομολόγησης στις συσκευές του επιπέδου δεδομένων (data plane). Δύο υποσχόμενες κατευθύνσεις για την επίτευξη αυτού του στόχου είναι α) η ταξινόμηση της κίνησης δικτύου βάσει της εφαρμογής που την προκαλεί και β) η πρόβλεψη του όγκου κίνησης στο δίκτυο βάσει της προγενέστερης κίνησης. Σχετικά με την πρώτη κατεύθυνση έχουν προταθεί προσεγγίσεις για χρήση 1) των θυρών (ports) της εφαρμογής, 2) του περιεχομένου που μεταφέρεται, και 3) της επιβλεπόμενης μηχανική μάθησης (supervised machine learning). Όσον αφορά στη δεύτερη κατεύθυνση, παλιότερες προσπάθειες έχουν επικεντρωθεί είτε στην κυλιόμενη πρόβλεψη με προηγούμενες παρατηρήσεις είτε στην τομογραφία του δικτύου. Η βασική καινοτομία του έργου είναι η ανάπτυξη λογισμικού για την ταξινόμηση της κίνησης και την πρόβλεψη του όγκου της, το οποίο τρέχει στο επίπεδο ελέγχου (control plane) των SDNs και επιτυγχάνει άμεση παραγωγή εντολών προώθησης για τα πακέτα της ροής του δικτύου.

Στόχοι

Στόχος του έργου είναι:

  • Η μελέτη των πρωτοκόλλων για την επικοινωνία του επιπέδου ελέγχου με το επίπεδο δεδομένων και συλλογή δεδομένων που αφορούν την κίνηση δικτύων για την εκπαίδευση μοντέλων μηχανικής μάθησης.
  • Η εκπαίδευση ταξινομητών και μοντέλων πρόβλεψης για την κίνηση δικτύου και ανάπτυξη λογισμικού για την αυτοματοποιημένη διαχείριση δικτύων ορισμένων από λογισμικό.
  • Η αξιολόγηση της ακρίβειας των μοντέλων μηχανικής μάθησης και της ενίσχυσης που αναμένεται να προσφέρει η προτεινόμενη λύση στην ποιότητα της υπηρεσίας των 5G δικτύων.
  • Η ανάπτυξη μιας πλήρους έκδοσης της εφαρμογής, κατάλληλης για την επίδειξή της σε πιθανούς μελλοντικούς πελάτες.

Συμμετέχοντες

APPART ΑΝΩΝΥΜΗ ΕΤΑΙΡΕΙΑ ΝΕΩΝ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ
dbc
Diadikasia Business Consulting SA

Ανακοινώσεις

Επικοινωνία: AppArt Α.Ε.