网络应如何自我运行

Oct, 2017

Why (and How) Networks Should Run Themselves

Nick Feamster, Jennifer Rexford

TL;DR网络管理需要基于机器学习算法的实时控制方法和端到端性能的细粒度检测。

Abstract

The proliferation of networked devices, systems, and applications that we depend on every day makes managing networks more important than ever. The increasing security, availability, and performance demands of these applications suggest that these increasingly difficult network management

network management real-time control machine learning anomaly detection end-to-end performance

发现论文，激发创造

智能网络管理：利用人工智能进行网络服务检测

利用机器学习方法，该研究介绍了一种高级网络流量分类系统，能够实时分析网络流量并识别各种网络服务类型。通过对网络流量中的模式进行分析，我们的方法将相似的网络流量归类为不同的网络服务，并将流量分解为多个小的流，每个流专门用于承载特定的服务。我们的机器学习模型基于包含不同网络服务类型的标记示例的数据集进行训练，并在评估中展现了出色的准确性。这些结果强调了将人工智能集成到无线技术中的巨大潜力，通过这种方法可以实现更高效的能源消耗、提供更好的服务质量保证以及优化网络资源的分配，为先进智能网络的发展打下坚实的基础。

Oct, 2023

网络动态的现实控制

本文提出了一种可控制复杂网络行为的方法，该方法考虑到真实系统的非线性动力学特性，允许将系统带入所需的目标状态，从而重新编程网络并挽救网络遭受连锁失败的危险。

Jun, 2013

面向 5G 的 NFV 实例 AI 驱动故障检测概念

通过利用人工智能进行半监督学习，本文介绍了一种针对 NFV 应用程序故障检测的方法，并创建了一个测试应用程序的配置文件，以检测异常行为并实现自动回滚功能，以避免网络停机。

Apr, 2018

下一代无线网络中的机器学习和人工智能

本文将探讨机器学习、自动化、人工智能和大数据分析对于提高下一代无线网络的能力和效率的作用，发现这些新技术将有助于使下一代无线网络实现自适应、自我感知、预测和主动性，最终得出未来的无线网络运营商不能脱离人工智能和机器学习技术转变其操作框架的结论。

Dec, 2021

网络机器学习：工作流程、进展和机会

本文介绍了机器学习技术在网络领域的应用及其工作流程，并针对不同的网络设计目标分析了其具体实现和优势，旨在为研究人员提供广泛的研究方向及指南。