数据驱动的5G核心网智能控制.pptx

数据驱动的5G核心网智能控制2019.06.27，上海5G给核心网(互联网)带来的技术挑战更高效的带宽利用超大容量万物互联确定延迟更精准的资源调度更复杂的运维管理互联网体系结构的技术创新现状? 数据平面（IP）– 交换技术? 无连接分组交换，“尽力而为”– 寻址方法? IPv4-IPv6? NDN/ICN，内容中心网络TCP/IP? 控制平面– 路由控制? OSPF/IS-IS, BGP? MPLS，SDN，SRv6? 人为建模，确定规则? 重视协议，轻视算法当前的互联网控制平面---确定性建模“A rich body of academic work backs thenetworks we use today, certainly, butthere is no unifying theory defining how aact sense, ought toWe reject Kings, Presidents? 确定性建模困难的原因and voting.We believe in rouconsensus and wght to be structured.? 缺乏统一理论rm the Internetcore principles, but? “尽力而为”的数据转发方式? 规模巨大（拓扑规模、流量规模） om a central theory.gh trial-and-error.”? 流量动态性强? 拓扑易出错（“异常”是“常态”）David MeyerDavid Clark– First chairman of– Former chiefprotocol architect ofInternetOpenDaylight确定性控制带来的问题1：网络路由? 动态路由? 静态路由– 路由路径由网络拓扑与流量状态共同决定– 路由路径完全由网络拓扑决定EC311F261D3A4B? 由于很难对动态路由进行确定性建模，当前互联网采用静态路由? 最高链路利用率低（小于50%，很多情况下低于20%）? 预留突发流量空间? 网络资源浪费确定性控制带来的问题2：拥塞控制? HSTCP? 当前的拥塞控制– W= 0.12/p^0.835? 基于确定性规则的拥塞控制算法无法适应所有网络场景? TCP Cubic? “Magic number”是根据经验来设置的，而非理论证明– W=0.4*(T-K)3+Wmax? BBR? 性能存在非常大的提升空间– Pacing gain? Startup state: 2 - 3? Drain state: 1000/2005 + 1? Probe_bw: 5/4, 1, 3/4? Probe_RT T: 1确定性控制带来的问题3：网络运维? 当前的网络运维?自动化脚本+人力决策? 以某大型网络公司为例?难以处理海量异构的运维数据?效率低下，运维成本高? 全球18万员工? 6万多网络运维工程师确定性控制带来的问题4：网络安全? 当前的网络安全?基于规则，“头痛医头，脚痛医脚”?难以发现或预警未知威胁?对大部分网络安全问题进行“外挂式”处理基于机器学习的智能技术? 机器学习（Machine Learning, ML）技术的本质–ML uses statistical techniques to give computer systems the ability to learn (e.g.,progressively improve performance on a specific task) from data, without being explicitlyprogrammed.InputlayerHidden layersOutputlayerrepeat :{11231123123?J(?)m1??? ?? ???j ??iiij2323(y h (x ))x?jj??mj?1jfor?j?{0,1,...,n}?444}?从海量数据中提取“隐式函数”?机器学习算法是“尽力而为”的，没有最优化保障机器学习给网络控制带来的新机会? 基础能力：特征识别能力? 基础能力：数据拟合能力? 代表算法：CNNRNN? 代表算法： （时序拟合）? 使能的网络能力：网络感知? 使能的网络能力：网络预测? 典型的网络应用场景：流量类型识别，? 典型的网络应用场景：流量矩阵预测，流量异常识别，故障识别用户行为预测，故障预测? 基础能力：优化决策能力? 代表算法：强化学习? 基础能力：关联推理能力? 代表算法：aprior, fpgrowth? 使能的网络能力：网络分析? 使能的网络能力：网络规划? 典型的网络应用场景：拥塞控制参数调? 典型的网络应用场景：故障根因分析，优，路由规划，流量调度故障定位，网络攻击