Concepts de base
NS-IoTシステムにおいて、デバイス故障を検知するためのモニタリングコストを最小化する省エネルギー型のモニタリングメカニズムを提案する。
Résumé
本論文では、ネットワークスライシング(NS)技術をInternet of Things(IoT)システムに統合したNS-IoTシステムを対象に、デバイス故障の検知を効率的に行うための省エネルギー型のモニタリングメカニズムを提案している。
具体的には以下の取り組みを行っている:
-
NWDAF(Network Data Analysis Function)フレームワークをIoTシステムに統合し、NFV(Network Function Virtualization)技術を用いてデバイスのモニタリング機能をMonitor Application Function(MAF)として仮想化する。
-
MAFごとにデバイスをグループ化し、各グループのデバイスを監視する。故障の可能性が低いデバイスのMAFをドーマント状態に置くことで、モニタリングコストを削減する動的ドーマンシー機構を提案する。
-
強化学習のProximal Policy Optimization(PPO)アルゴリズムを用いて、MAFのドーマンシー制御の最適化戦略を学習する。
シミュレーション結果より、提案手法はエネルギー消費を大幅に削減しつつ、監視精度も維持できることが示された。
Stats
デバイス-サーバ間の送信エネルギー消費は、Etran1(k) = Σm=1^M Σn=1^N pm,ntk1,mで表される。
サーバ処理エネルギー消費は、Edeal1(k) = edeal Σm=1^M Σn=1^N vm,ntk1,m / cPで表される。
サーバ-クラウド間のアップロードエネルギー消費は、Eup1(k) = eup Σm=1^M Σn=1^N vm,ntk1,m / Sunitで表される。
異常発生時のエネルギー消費は、Ek2 = Σm=1^M Σi=1^I el_m,ntk3,miで表される。
Citations
"我々は、NWDAF フレームワークを既存のIoTシステムに統合し、新しいNS-IoTシステムを構築し、NFV技術を活用してデバイス監視機能を論理的に抽象化したMonitoring Application Functions (MAFs)を導入する。"
"我々は、上記のNS-IoT新システムにおいて、MAFsの動的ドーマンシー監視メカニズムを導入する。このメカニズムは、様々なMAFsのスリープ期間を動的に調整し、デバイスがデータ解析のためのデータ送信を指定のスリープ間隔中に中断するタイミングを調整する。"
"我々は、デバイスの異常パターンを学習し、監視エネルギー消費を削減しつつ必要な検出精度を維持するための最適化戦略を得るために、強化学習(RL)ベースのアプローチを開発する。"