| Project/Area Number |
23K16869
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 60060:Information network-related
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
原 崇徳 奈良先端科学技術大学院大学, 先端科学技術研究科, 助教 (70907881)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2025: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2024: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | ネットワークスライシング / 粗相関均衡 / カーネルパケット処理 / AF_XDP / スライスモビリティ / 利己的最適制御 / クラウドネイティブネットワーク機能 / 時空間分析 / コンテナ技術 |
|---|
| Outline of Research at the Start |
時空間変化するサービス需要とモビリティパターンを持つ自律移動機器に安定かつ高品質なサービスを提供するためには，環境の変化に反応して，ネットワーク資源の再構成・再配置・再利用を可能にする自己変革能力を備えたスライスモビリティの実現が不可欠である．特に(1)サービス需要とモビリティパターンの時空間予測，(2)テナント間の競合関係を考慮した資源割当，(3)需要変化・障害発生への適応といった課題を解決を解決するために，サービス需要とモビリティパターンの時空間分析とオンライン利己的最適制御による資源割当に基づく数理的解法とコンテナ技術を背景としたスライスインフラ基盤に基づく実践的解法をそれぞれ確立する．
|
| Outline of Annual Research Achievements |
2023年度は，(1) オンライン型利己的最適制御による資源割当と(2) ネットワークスライスの資源管理に関する研究をそれぞれ遂行した．(1)では，オンライン型利己的最適制御の確立の初期段階として，粗相関均衡（Coarse Correlated Equilibrium: CCE）を達成するクラウド・エッジへのタスクオフローディング手法を確立するとともに，提案方式の有効性を効用，実行時間の観点から評価した．本成果は，ブロックチェーンネットワークを対象としているが，ネットワークスライシングへの応用も今後検討する．(2)では，(2a) ネットワーク機能の多様性と冗長性の観点からネットワークスライスを構成するネットワーク機能の配置とサービスチェイニング手法，(2b) 機械学習を搭載したカーネルネットワーク機能をそれぞれ確立するとともに，その性能を分析した．得られた研究成果を査読付き雑誌論文2件，査読付き国際会議論文2件，国内会議・大会6件で報告した．
2024年度以降は，(1) ユーザのモビリティ特性を考慮したスライスモビリティ手法の確立，(2) Network Service Mesh (NSM) とKubernetesを活用したContainerized Network Function (CNF) 型ネットワークスライシング手法の性能評価，(3) カーネルネットワーク機能におけるネットワーク内学習手法の創出，(4) オンライン型利己的最適制御アルゴリズムの確立，についてそれぞれ取り組む．各項目について，得られた成果を査読付き国際会議論文および査読付き雑誌論文にまとめ，研究成果を国内外に発信する予定である．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2023年度は，(1) オンライン型利己的最適制御による資源割当と(2) ネットワークスライスの資源管理に関する研究をそれぞれ遂行した．
(1)では，オンライン型利己的最適制御の確立の初期段階として，粗相関均衡（Coarse Correlated Equilibrium: CCE）を達成するクラウド・エッジへのタスクオフローディング手法を確立した．本手法では，CCEを達成するように，各マイナーが分散アプリケーションのマイニングタスクをクラウド・エッジにオフローディングするために，最適化問題を定式化し，Lyapunov最適化によるオンライン解法を提案した．数値実験により，提案方式の有効性を効用・公平性・実行時間の観点から確認し，オンライン型の資源割当の実現可能性を示した．本成果は，ブロックチェーンネットワークを対象としているが，ネットワークスライシングへの応用も今後検討する．
得られた研究成果を査読付き国際会議論文1件，国内会議・大会3件で報告した．また，査読付き雑誌論文1件に投稿中である．
(2)では，(2a) ネットワークスライスを構成するネットワーク機能の配置とサービスチェイニング手法，(2b) 機械学習を搭載したカーネルネットワーク機能をそれぞれ確立した．具体的には，(2a)はネットワーク機能の多様性と冗長性の観点から，資源割当効率と可用性を考慮したサービスチェイニングとVNF配置手法を提案した．(2b)は，カーネル空間で動作する軽量なニューラルネットワークを搭載したネットワーク機能とAF_XDPを活用したネットワーク機能をそれぞれ提案し，それらの性能分析を推論精度とパケット処理効率の観点から評価した．得られた研究成果を査読付き雑誌論文2件，査読付き国際会議論文1件，国内会議・大会3件で報告した．
以上を踏まえて，2023年度時点で本研究計画は概ね順調に進展しているといえる．
|
| Strategy for Future Research Activity |
2024年度は，(1) ユーザのモビリティ特性を考慮したスライスモビリティ手法の確立，(2) Network Service Mesh (NSM) とKubernetesを活用したCNF型ネットワークスライシング手法の性能評価，(3) カーネルネットワーク機能におけるネットワーク内学習手法の創出，(4) オンライン型利己的最適制御アルゴリズムの確立，についてそれぞれ取り組む．具体的には，(1)では，ユーザのモビリティ特性に基づくスライスモビリティを最適化問題として定式化するとともに，機械学習やゲーム理論を活用した効率的な解法を提案する．(2)では，NSMを利用したCNF型ネットワークスライシング手法を確立するとともに，可用性，レイテンシ，資源利用率の観点からその性能を分析する．(3)では，従来推論機能のみに着目していた機械学習に基づくカーネルパケット処理に対して，データ収集機能と学習機能を考慮する．(4)では，CCEを達成する資源割当手法を拡張し，オンライン型利己的最適制御アルゴリズムの確立を目指す．各項目について，得られた成果を査読付き国際会議論文および査読付き雑誌論文にまとめ，研究成果を国内外に発信する予定である．
|
