MétaCan
Menu
Retour à la cohorte
Enregistrement W4383746831 · doi:10.5539/nct.v8n2p1

Optimizing Telematics Network Performance through Resource Virtualization in a Disruptive Environment: The Case of the IP/MPLS Core Network

2023· article· en· W4383746831 sur OpenAlexvenueno aff
Patrick Dany Bavoua Kenfack, Alphonse Binele Abana, Emmanuel Tonyé, Paul Salomon Ngohe Ekam, Gilles Herve J. Ngotty Mbang

Notice bibliographique

RevueNetwork and Communication Technologies · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware-Defined Networks and 5G
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkNetwork virtualizationCore networkVirtualizationNetwork architectureNetwork management stationNetworking hardwareVirtual networkDistributed computingOperating systemCloud computing

Résumé

récupéré en direct d'OpenAlex

We offer a security solution to considerably reduce latency in an IP network by virtualizing the IP/MPLS core network. It consists of adapting a virtualization method to a complex IP network, presenting the simulation of the implementation of this virtualization and the modifications to be made to certain aspects of the code of the solution. These modifications would take into account the key performance indicators of the network in order to guarantee its security and the transmission through very wide bands of data. To do this, we use Software Defined Network (SDN) technology. It allows us to have an emergent, scalable, dynamic, secure, laudable and adaptable network architecture, making it suitable for today's high bandwidth applications and IT services. This architecture decouples network control and digital data transfer functions, making network control directly programmable and the underlying infrastructure abstracted to network applications and services. After describing the soft failover to a virtualized network, we present the new architecture that describes the separation of the control and data planes of the core of the IP/MPLS network of the Autonomous Port of Kribi (PAK) in Cameroon, as part of our research work. We will then present the aspects in which modifying the code would contribute to improving one of the key qualities of service, namely latency in the heart of the network. We go from latencies above 100 ms to latencies below 1 ms; finally we recommend the approach for a continuous modification of the code with a view to optimizing the performance of the network in a continuous process for the reduction of its latency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,027
Tête enseignante GPT0,243
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNetwork and Communication TechnologiesMême sujetSoftware-Defined Networks and 5GTravaux en français237 207