.png){kind=icon}
返回
UINT: An intent-based adaptive routing architecture
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comnet.2024.110991.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
智能设备和网络规模的指数级增长导致了网络流量的急剧增加，对网络资源利用和传输效率构成了严峻挑战。意图网络（IBN）为网络管理提供了一种高级别的自动化方法。它极大地简化了网络操作，并增强了网络灵活性和可管理性。然而，现有研究主要关注将IBN应用于网络管理的特定阶段，而没有充分利用IBN的网络感知和自动化部署特性来全面优化网络管理和流量转发。我们提出了一种基于用户意图优化网络流量的架构，即UINT，旨在简化网络管理并优化网络流量转发，以提升终端用户的用户体验质量（QoS）。所提出的UINT利用IBN的自动化感知能力来感知终端设备用户的网络意图，主动制定自适应网络流量转发策略，并在用户请求的网络流量到达之前将这些策略部署到交换机。当用户请求的流量到达时，它直接匹配流表进行转发，消除了任何等待时间。UINT考虑了不同流量的QoS要求差异，并根据网络状况调整流量转发策略，为制定网络流量转发策略提供了新的视角和方法。我们通过实验验证了UINT在不同网络环境中的有效性和可靠性。广泛的评估实验表明，UINT预测器的有效性及其自适应路由算法和动态调整机制在优化网络流量延迟、吞吐量和带宽方面的有效性。
Keyword:
IBN
Traffic prediction
Custom strategy
Strategy deployment
Optimise QoS
期刊
IF:
4.6
论文数:
1.6K
被引数:
1.6W
机构
引用论文
.png){kind=icon}
Where is My Route? Enabling Source Routing in LEO Satellite Networks"我的路由在哪里？——在低地球轨道卫星网络中实现源路由"
PREAI
分享收藏
Segment Routing: A Comprehensive Survey of Research Activities, Standardization Efforts, and Implementation Results细分市场路由: 对研究活动、标准化工作和实施结果的全面调查
PREAI
分享收藏Traffic-aware optimal routing in software defined networks by predicting traffic using neural network通过使用神经网络预测流量在软件定义网络中实现流量感知的最佳路由
PREAI
分享收藏分享收藏INCS: Intent-driven network-wide configuration synthesis based on deep reinforcement learningINCS：基于深度强化学习的意图驱动网络级配置合成
PREAI
分享收藏
查看更多内容