STARS: Stability-Aware SFC Orchestration and Associations in LEO Satellite Networks
Notice bibliographique
Résumé
Low Earth orbit (LEO) satellite networks present critical challenges for security function chain (SFC) orchestration and associations due to rapid topology changes, resource volatility, and heterogeneous service requirements that render conventional SFC optimization approaches ineffective. To tackle this issue, we introduce here STARS, an optimization framework that fundamentally transforms the sequential time-window optimization for SFC orchestration and satellite association through three techniques: (1) Stability-aware regularization that penalizes configuration changes across time windows, thus reducing handovers by 54% and security function migrations by 33%; (2) Temporal decoupling that leverages solutions from prior time windows as warm-start seeds and dynamic repairing using real-time visibility constraints; and (3) Hierarchical decoupling that separates satellite association and SFC placement into computationally efficient stages, thus reducing time complexity. Through rigorous formulation as a mixed-integer non-linear programming (MINLP) and simulation-based evaluation, STARS achieves a 57% reduction in optimization solution time, a 7% reduction in the load of deployed security function instances, and efficient CPU utilization (9.81% increase) compared to benchmark schemes. STARS delivers these substantial benefits without any degradation in end-to-end delay. Note that the reported performance values are based on our specific system parameter choices and simulation setup and may not be universally representative. The co-design of stability mechanisms and decoupling strategies establishes STARS as a new paradigm for resilient satellite network optimization, balancing optimality, continuity, and computational tractability under high LEO satellite dynamicity.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».