2022 Fiscal Year Annual Research Report
機械学習を活用したネットワーク帯域予約サービスの受付判定方法
| Project/Area Number |
20K11798
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
源田 浩一 日本大学, 工学部, 教授 (00564105)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 帯域予約 / 機械学習 / 誤判定 / 数理計画法 / SDN |
|---|
| Outline of Annual Research Achievements |
今後普及が期待される新たなネットワークサービスの一つである「ネットワーク帯域予約サービス」について、リアルタイムかつ高い予約受付率が期待できる機械学習（ML）を活用した受付判定方法を検討した。
MLによる受付判定特性の向上に関して【研究1】、先行研究において、ML判定により許可したリクエストに対して必要となるリンク帯域が、誤判定により設計帯域を超過する場合があることを定量的に評価し、判定特性の改善が必要であることを確認した（令和2年度）。次に、MLモデルと教師データの点から、誤判定の削減と判定特性の改善を検討した。MLモデルでは、先行研究の「線形SVM」に対し、非線形特性への対応とカスタマイズの容易性から、多層ニューラルネットワーク「多層NN」を適用した。教師データでは、MLによる厳密な帯域管理は難しく任意のリクエスト帯域を許容する受付判定は誤判定を多く生じる恐れがあると考え、リクエスト帯域の粒度を限定した。シミュレーション評価を通して、帯域粒度が誤判定の削減と判定特性の改善に一定の効果があること、「多層NN」により、「線形SVM」と比べ、単位時間当たりのリクエスト数が多くネットワークの負荷が高くなるほど、誤判定及びリンクの設計帯域超過の低減効果が大きく、ベンチマークの線形計画法（LP）を用いた理想解に近づくことを明らかにした（令和3、4年度）。
受付判定システム構成の明確化に関しては【研究2】、MLは一定量の誤判定が残存することを考慮し、受付判定システムとしての対処方法を検討した。MLによる速やかなリクエスト受付判定と、LPによるMLで許可したリクエストに対する最適な帯域割り当てを組み合わせ、リンク帯域超過の影響を可能な限り回避するシステム構成及びその動作を明らかにした（令和2年度）。
以上の研究成果を、レター1件、国際会議1件、国内会議1件、論文1件（投稿中）にて報告した。
|
