MétaCan
Menu
Retour à la cohorte
Enregistrement W4214808862 · doi:10.1109/ccwc54503.2022.9720797

Dynamic On-Demand Virtual Extensible LAN Tunnels via Software-Defined Wide Area Networks

2022· article· en· W4214808862 sur OpenAlexaff
Gieorgi Maxim Zakurdaev, Mohammed Ismail, Chung–Horng Lung

Notice bibliographique

Revue2022 IEEE 12th Annual Computing and Communication Workshop and Conference (CCWC) · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware-Defined Networks and 5G
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésSoftware as a serviceCloud computingComputer scienceSoftware-defined networkingInterconnectivityPopularityComputer networkOpenFlowSoftwareOperating system

Résumé

récupéré en direct d'OpenAlex

The world of information and communications technologies continues to evolve at an exponential rate, not only inaugurating numerous breakthroughs in research, but also changing the perception of interconnectivity and exchange of information. The increasing popularity of software-defined networks (SDN) and the related technologies have shattered the realm of corporate infrastructures. The traditional approach for employees to access the corporate headquarter data centers has experienced challenges due to the significant traffic volume and delay, as more services have been moved to the cloud, e.g., Software-as-a-Service (SaaS). Tunnel-splitting can mitigate the problem, but it is mostly static. The paper proposed a dynamic on-demand tunnels approach based on Extensible LAN Tunnels (VXLAN) and SDN. The primary objectives are to reduce the load on corporate network and delay for users to access SaaS. We conducted experiments for feasibility study using Mininet and the results showed that the delay could be significantly reduced and the approach allows for a single point of policy management, which it still preserved the benefit of split tunnels.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,847
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,242
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE 12th Annual Computing and Communication Workshop and Conference (CCWC)Même sujetSoftware-Defined Networks and 5GTravaux en français237 207