Geri Dön

Secure and energy-efficient resource allocation in network slicing

Ağ dilimlemede güvenli ve enerji-verimli kaynak tahsisi

  1. Tez No: 763339
  2. Yazar: UMUT CAN GÜLMEZ
  3. Danışmanlar: DOÇ. DR. PELİN ANGIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 84

Özet

Önceki telekomünikasyon nesillerinin tek çeşit şebeke ile tüm kullanıcılara aynı hizmeti verme fikri artık günümüz uygulamaları için yeterli olmamaktadır. Mevcut şebeke sistemlerinin, aynı fiziksel altyapıda Gelişmiş Mobil Geniş Bant, Ultra Güvenilir ve Düşük Gecikmeli İletişim ve Büyük Makine Tipi İletişim gibi farklı kullanım şekillerinin şebeke iletişimi hizmet kalite (QoS) şartlarını karşılaması bir zorunluluk haline gelmiştir. 5G telekomünikasyon ağları bu soruna bir çözüm önerisinde bulunuyor: Ağ Dilimleme kavramı. Ağ fonksiyonlarının sanallaştırılması (VNF), ağ dilimleme konseptinde önemli bir rol oynamakta ve bu sanallaştırılan fonksiyonların şebeke üzerinde yerleştirilmesi önemli bir görev teşkil etmektedir. Literatürdeki araştırmalar, bu fonksiyonları ağ üzerinde yalnızca enerji verimliliğini dikkate alarak tahsis etmeye odaklandığından, bu tez çalışması güvenlik yönlerini de dikkate alan bir çözüm sunmaktadır. Bu çalışmada, güvenlik gereksinimleri olan 5G ağ dilimleme konsepti için çekirdek ağ fonksiyonlarının enerji tüketimini, tamsayılı doğrusal programlama (ILP) modeli kullanarak sanal ağ fonksiyonlarını verimli bir şekilde yerleştirme stratejisi ile optimize edilmektedir. Bu yaklaşım üzerine bir iyileştirme olarak, ağ dilimleme için dinamik, enerji açısından verimli, esnek ve güvenli bir kaynak tahsis çerçevesi sağlamak için Derin Güçlendirmeli Öğrenme (DRL) yöntemlerinin kullanılması eklenmiştir. Çalışmada, katı güvenlik kısıtlamaları altında enerji verimli kaynak tahsisi için uygun bir algoritma bulmak için çeşitli son teknoloji Derin Güçlendirmeli Öğrenme yöntemleri karşılaştırmıştır. Simülasyon sonuçları önerilen DRL modellerinin, aynı QoS ve güvenlik kısıtlamaları altında VNF yerleştirme gerçekleştiren ILP tabanlı yaklaşıma göre önemli ölçüde güç tasarrufu sağladığını göstermektedir. Aynı zamanda, DRL tabanlı yöntemlerin ILP tabanlı yöntemlerden daha hızlı kaynak tahsis sağladığını da göstermektedir.

Özet (Çeviri)

The one-size-fits-all idea of the previous telecommunication generations is no longer suitable for current applications. The current network systems need to satisfy the Quality of Service requirements of the different types of use cases such as enhanced mobile broadband, ultra-reliable and low latency communications and massive machine type communications in the same physical infrastructure. 5G telecommunication networks aim to provide a solution to this problem through the network slicing concept. Virtual Network Functions (VNF) play an essential role in the network slicing concept and embedding these functions into the network is an important task to achieve. As state-of-the-art research focuses on allocating these functions in-network taking only energy efficiency into consideration, this research proposes a solution that considers the security aspects too. We propose a VNF placement strategy using an integer linear programming (ILP) model for 5G network slicing under strict security requirements, which optimizes energy consumption by the core network nodes. As an improvement to this approach, we also propose using Deep Reinforcement Learning (DRL) methods to provide a dynamic, energy-efficient, resilient, and secure resource allocation framework for network slicing. Hence, in this research, we compared various state-of-the-art DRL methods to find a suitable algorithm for energy-efficient resource allocation under stringent security constraints. Simulation results demonstrate that the proposed DRL-based models achieve significant energy optimization compared to the ILP-based optimization model performing VNF placement under the same QoS and security constraints. The results of the study show that DRL-based methods provide faster allocation than ILP-based methods. Also, the results show that DRL-based methods provide faster allocation than ILP-based methods.

Benzer Tezler

  1. Çok periyotlu aralık parametreli tamsayılı programlama ile Türkiye'nin enerji talebini karşılayan sistemin incelenmesi

    An investigation of Turkey's energy demand satisfaction system using the multi period interval parameter integer programming

    MİRAÇ EREN

    Doktora

    Türkçe

    Türkçe

    2015

    EkonometriAtatürk Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. ERKAN OKTAY

    YRD. DOÇ. DR. ÜMRAN ŞENGÜL

  2. Tedarik zincirinde işbirlikçi oyun kuramı kullanılarak adil kâr paylaşımının yapılması ve enerji sektöründe uygulamalar

    Fair profit sharing using cooperative game theory in a supply chain and energy market applications

    HÜSEYİN KUTAY TİNÇ

    Doktora

    Türkçe

    Türkçe

    2018

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET NAHİT SERARSLAN

    PROF. DR. ELMKHAN MAHMUDOV

  3. Akıllı ev cihazlarının haberleşmesinde hafif sıklet şifreleme algoritmalarının performans analizi

    In communication of smart home devices performance analysis of lightweight encryption algorithms

    ÖMER YEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN ESKİ

  4. Yatay eksenli rüzgar türbini palasının dinamik analizi

    Dynamic analysis of a horizontal axis wind turbine blade

    SERAP BAYTOK

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Enerjiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. METİN ORHAN KAYA

  5. IETF 6TiSCH ağlar için q-öğrenme algoritmasından esinlenilmiş amaç fonksiyonu optimizasyonu

    Q-learning algorithm inspired objective function optimization for IETF 6TiSCH networks

    TAYFUN BEKAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEDAT GÖRMÜŞ