Joint Satellite Association and SFC Placement with Stability Optimization in LEO Satellite Networks
Notice bibliographique
Résumé
Low Earth orbit (LEO) mega-constellations enable global, low-latency connectivity but challenge the security function chain (SFC) orchestration due to fast-changing visibility, resource volatility, and heterogeneous quality of service (QoS) requirements. To tackle this issue, we present in this paper SATStab, a stability-aware orchestration framework that co-designs: (i) stability-regularized objectives penalizing configuration churn across time windows; (ii) temporal decoupling with visibility-aware repair and warm starts; and (iii) hierarchical decoupling that separates fast association decisions from slower SFC placement and resource allocation. We formulate SATStab as a mixed-integer non-linear programming (MINLP) problem and evaluate it with realistic LEO dynamics. We solve it through a two-stage approach, where in the first stage, we optimize satellite-user associations while in the second stage, we optimize SFC placements. Through extensive simulations, we show that, relative to a monolithic MINLP, SATStab reduces user-satellite handovers by 54.3%, satellite-ground station (GS) re-associations by 59.3%, and SFC migrations by 32.7%, while cutting solution time by 56.8% without degrading end-to-end (E2E) delay. These results prove the efficiency of SATStab in terms of resource orchestration and resilience.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».