Automatic Estimation of Administrators' Intension in Intent-Based Networking
| Project/Area Number |
19H04094
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60060:Information network-related
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
岡部 寿男 京都大学, 学術情報メディアセンター, 教授 (20204018)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中村 素典 京都大学, 学術情報メディアセンター, 教授 (30268156)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥17,030,000 (Direct Cost: ¥13,100,000、Indirect Cost: ¥3,930,000)
Fiscal Year 2023: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Fiscal Year 2022: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2021: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2020: ¥5,720,000 (Direct Cost: ¥4,400,000、Indirect Cost: ¥1,320,000)
Fiscal Year 2019: ¥5,200,000 (Direct Cost: ¥4,000,000、Indirect Cost: ¥1,200,000)
|
|---|
| Keywords | Intent Based Networking / 機械学習 / ネットワーク管理自動化 / Network Modeling / 宣言的設定管理 / Intent-Based Networking / SDN / パッシブ計測 / Lomb-Scargel法 / TCP輻輳制御 / DDoS攻撃 / 人工知能 / ネットワーク最適化 |
|---|
| Outline of Research at the Start |
ネットワークに何(What)を行わせようとしているかを高い抽象度の「意図」(intent)として記述し、それに従って各ネットワーク機器の設定を自動的に生成するIntent-Based Networkingにおいて、さらに管理者がネットワークの設計や運用において行っている判断を人工知能に学習させ、明示的に記述が困難な諸条件を学習データとして抽出し、システムに組み込めるようにすることで、大規模ネットワークの設計と運用、管理を真に自動化し、管理者の負担を軽減する技術を研究開発し、システムとして実装して、有効性を評価する。
|
| Outline of Annual Research Achievements |
ネットワークの監視は管理ネットワーク内外問わず行う必要がある。直接通信機器の状態を監視することができないネットワークに対してネットワーク計測を用いてネットワークの状態の監視を行うために、実際に流れているトラフィックを計測するパッシブ計測を使用し、複数のTCP フローの時系列データ間の類似度に着目することで管理ネットワーク内外の通信品質の劣化を検知し、その影響を範囲を推定する手法を提案した。本手法では同一の通信品質劣化を経験するTCPフローは似た挙動になることより、品質劣化が発生した時、問題の発生源を通過するTCP フロー間の類似度は大きくなる性質を利用し、TCP フロー間の類似度を用いたクラスタリングを行い、通信品質劣化の検知とその範囲を推定する。。TCP の輻輳制御の周期性に着目し、ヘッダから得られる情報の時系列データをLomb-Scargle 法を用いてスペクトル分析し、周波数空間に落とし込む。そこから得た強い周波数成分を特徴量とし機械学習を用いることで、ネットワークの状態を推論する。機械学習を用いるために必要な訓練データは、テストベッドとしてネットワークにおける様々な事象をNS-3 によりシミュレーションすることで作成した。
このほか、コンテナ管理システムにおいて用いられる宣言的な設定管理手法を採用しクラスタ管理者が宣言した望ましい状態を自動的に維持する仕組みにおいて連鎖的に伝播する変更を分散トレーシングの手法を応用して追跡する仕組みや、管理者がマルウェアを動的解析する際に情報を秘匿しつつ部分的な外部委託を行う手法に関しても成果を挙げた。
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
Report
(5 results)
Research Products
(10 results)
