| Project/Area Number |
23K24842
|
|---|
| Project/Area Number (Other) |
22H03586 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60060:Information network-related
|
|---|
| Research Institution | Kansai University (2023-2024)
Nara Institute of Science and Technology (2022) |
|---|
Principal Investigator |
笹部 昌弘 関西大学, 総合情報学部, 教授 (10379109)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
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, 准教授 (70907881)
|
|---|
| Project Period (FY) |
2024-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,420,000 (Direct Cost: ¥13,400,000、Indirect Cost: ¥4,020,000)
Fiscal Year 2024: ¥5,590,000 (Direct Cost: ¥4,300,000、Indirect Cost: ¥1,290,000)
Fiscal Year 2023: ¥5,590,000 (Direct Cost: ¥4,300,000、Indirect Cost: ¥1,290,000)
Fiscal Year 2022: ¥6,240,000 (Direct Cost: ¥4,800,000、Indirect Cost: ¥1,440,000)
|
|---|
| Keywords | ネットワーク機能仮想化(NFV) / サービスチェイニング(SFC) / グラフニューラルネットワーク(GNN) / Cloud-Native / Network Service Mesh / 水平SFC自動スケーリング(HSA) / Ordered Proof of Transit / eBPF / NFVネットワーク / 持続可能性 / サービスチェイニング / クラウドネイティブ / グラフニューラルネットワーク(GNN). / 深層強化学習(DRL) / SDN / eBPF/XDP / 数理最適化 / 時空間GNN / 機能配置 / 整数線形最適化(ILO) / 容量制約付き最短経路ツアー問題(CSPTP) / ラグランジュ緩和 / グラフニューラルネットワーク / CNF |
|---|
| Outline of Research at the Start |
近年，ネットワーク機能仮想化(NFV)技術の導入により，限られた資源制約の下，多様化するネットワークサービスの迅速かつ柔軟な実現が期待されている．一方で持続可能なNFVネットワークの実現に向けては，(1)サービス需要に対する最適な資源割当，(2)サービス需要の時空間的予測，(3)需要変化や障害発生への適応力，といった課題の解決が急務となっている．そこで本研究では，(1)，(2)に関しては，数理最適化と時空間グラフニューラルネットワークに基づく数理的解法を，(3)に関してはコンテナ技術を基盤とした仮想化技術を用いた実践的解法をそれぞれ確立することで，持続可能型NFVネットワークの実現を目指す．
|
| Outline of Annual Research Achievements |
本研究が目指す持続可能なNFVネットワークは，数理最適化によるサービスチェイニング(Service Function Chaining: SFC)・機能配置（要素技術1），機械学習による環境（サービス需要やネットワークトポロジ）変化に追従可能な制御方式（要素技術2），軽量な仮想化技術に基づく適応力を備えたサービスパスの実現（要素技術3）という3つの要素技術の確立，および，それらの間の循環作用により実現可能と考えている．本年度は，代表者と分担者がそれぞれ主・副担当として，要素技術3の確立を目指した．
サービスチェイニングは，サービス要件で指定された機能を順次中継ノード上で実行可能なサービスパスを実現するための技術である．ユーザからの要求に対し速やかにサービスパスを構築するためには，迅速な機能の展開・動作とそれらの連携が不可欠である．この問題に対し，軽量なコンテナとそれらの連携を可能とするCloud-Native (CN)技術の応用が期待されており，Kubernetes (k8s)にL2/L3でのネットワーキング機能を拡張したNetwork Service Mesh (NSM)のSFCへの統合が検討されている．ただし，サービス需要の変化や障害発生に対するサービスパスレベルでの対応策に関しては十分に検討されていなかったため，本研究では水平SFC自動スケーリング(Horizontal SFC Autoscaler: HSA)を新たに確立した．
またSFCの安全性については，管理者の設定ミスやSFCに対する攻撃により，想定したサービスパスが利用されない可能性が指摘されている．この問題に対しては，Shamirの秘密分散と対称マスキングの組み合わせに基づくOrdered Proof of Transit (OPoT)が提案されており，本研究では，extended Berkeley Packet Filter (eBPF)を用いることで，カーネル空間上で高速に動作するOPoTを実現した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
「研究実績の概要」で述べた3つの要素技術の内，要素技術1, 2に関しては前年度までに実現している．本年度は要素技術3の観点で，(a) NSM-based SFCにおけるサービスパスレベルでの自動スケーリングを実現するHSAの確立，(b) サービスパスの信用性検証を軽量に実現可能なeBPF-based OPoTの確立の2点に取り組んだ．(a)に関しては，従来研究では，サービスパスを構成する個々の機能に対する自動スケーリングまでの対応にとどまっていた．本研究では，k8sにおける機能レベルでの自動スケーリング手法であるHorizontal Pod Autoscaler (HPA)とNSMにおける機能配置手法のTopologically aware Scale from Zero (TSZ)を組み合わせることで，サービスパスレベルでの自動スケーリング手法HSAを実現できることを示した．(b)に関しては，従来研究では，管理者の設定ミスやSFCに対する攻撃により，想定したサービスパスが利用されない可能性と，それに対する対策として決められたサービスパス上の中継ノードをデータが通過したことを受信側で検証可能なOPoTが提案されていた．本研究では，OPoTをeBPFで実現することで，カーネル空間で軽量に動作可能なこと，また，SFC Proxy技術と組み合わせることで，既存の機能に変更を加えることなくOPoTを実現できることを示した．
これら得られた成果の一部は，IEEE Transactions on Network and Service Management (IF: 4.7)に論文として採択されるとともに，国内研究会（ネットワークシステム研究会）における発表の形で社会に公開している．
ただし，(a)の成果に関する論文が査読中のため，査読結果によっては追加の検討が必要となる可能性がある．
|
| Strategy for Future Research Activity |
「現在までの進捗状況」で述べたように，本年度中の達成を目指していた要素技術3に関しては概ね実現できているが，(a) NSM-based SFCにおけるサービスパスレベルでの自動スケーリングを実現するHSAの確立に関する論文については査読結果待ちの状況となっている．今後は，査読結果に基づき，必要に応じて追加の検討を行い，論文の採録を目指す．
|
