VNF Placement Problem: A Multi-Tenant Intent-Based Networking Approach
Notice bibliographique
Résumé
Network Function Virtualization (NFV) has revolutionized the way networking services are offered and deployed. Moving away from a rigid and hardware-centric approach, where expensive and dedicated network components are used, NFV is now leveraging standard x86 servers, where softwarized images of network functions (NFs) can be hosted as Virtual Machines (VNFs) or containers (CNFs). However, in terms of deploying, configuring, and interconnecting these softwarized images, a lot of manual intervention is required. To this end, the Intent-Based Networking (IBN) paradigm has emerged, which has as a goal to automate the network configuration by translating a high-level and abstract request of a network service into a detailed policy description. Usually, IBN and NFV are studied separately, even though in reality they are highly correlated and can benefit from each other. In particular, network services can be expressed as abstract service requirements from the users, where through an IBN System (IBNS) will be translated into specific network policies and a VNF/CNF deployment solution, called VNF Placement solution. Accordingly, in this paper, we aim to combine these two technologies together in order to automate the deployment of the VNFs in a Cloud-based infrastructure, while supporting multitenancy and intent refinement. Our results reveal that an IBN-based VNF placement solution can successfully offer network services, expressed as user intents, in such a way that the network services are automatically configured according to the quality of service and security requirements included in the intent.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».