网络自智——网络创新的新时代

张宏科 ,  权伟

工程（英文） ›› 2022, Vol. 17 ›› Issue (10) : 13 -16.

工程（英文） ›› 2022, Vol. 17 ›› Issue (10) : 13 -16. DOI: 10.1016/j.eng.2021.06.019

网络自智——网络创新的新时代

作者信息 +

Networking Automation and Intelligence: A New Era of Network Innovation

Author information +
文章历史 +

引用本文

引用格式 ▾
张宏科,权伟. 网络自智——网络创新的新时代[J]. 工程（英文）, 2022, 17(10): 13-16 DOI:10.1016/j.eng.2021.06.019

登录浏览全文

4963

注册一个新账户 忘记密码

1、 网络自智

“网络自智”的提出为不断增长的网络需求和挑战提供了一个很有前景的规划图。早在2003年便有人提出建立一个智能化网络的想法，来自麻省理工学院（MIT）的David D. Clark教授提议为互联网构建一个“知识平面”，他分析了实现该平面面临的主要挑战[3]。在国家重点基础研究发展计划（973计划）项目的资助下，我们指出未来网络应具有智慧协同能力，根据自动灵活的标识映射技术来满足不断涌现的新服务需求[4‒5]。来自国家数字交换系统工程技术研究中心（NDSC）的中国工程院邬江兴院士提出了多模态智慧网络（PINet）架构，可以支持多个全维可定义的网络模态[6‒7]，这一前瞻性研究在自智网络的研究发展中起到了重要作用。

在过去几年中，网络自智已经引起业界大量的研究兴趣。思科提出了基于意图的网络（intent-based networking, IBN），将意图抽象地表达为特定的管理规则，从而改变网络的管理方式。华为推出自动驾驶网络（ADN）和意图驱动网络（IDN），通过解耦网络控制逻辑，使得网络能够根据用户意图自动验证、部署和优化网络功能。瞻博网络还提出了一个自动驾驶网络的愿景，它可以以自动化的方式对网络进行测量和控制[8]。此外，欧洲电信标准化协会（ETSI）的零接触网络和服务管理（ZSM）小组推广的零接触网络（ZTN）被认定具备自动化能力，包括基于服务配置的功能升级、服务部署和服务迁移能力[9]。研究人员还提出了知识定义网络（KDN），并且得到很多主流公司的支持，如博通公司、思科公司、英特尔公司和日本电报电话公司[10‒11]。由此可见，网络自动化是迄今为止网络发展最重要、最有前途的方向。表1 [3‒11]列出了该领域的部分主要研究成果。

表1 网络自智研究

NumberResearch and project nameOrganizationsCountryReferences
1Knowledge plane for the InternetMITUnited States[3]
2SINETNGITChina[4‒5]
3PINetNDSCChina[6‒7]
4IBNCiscoUnited States—
5ADNHuaweiChina—
6Self-driving networkJuniperUnited States[8]
7IDNHuaweiChina—
8ZITETSI, EricssonEuropean Union[9]
9SONICMicrosoftUnited States—
10KDNPolytechnic University of Catalonia, Broadcom, Cisco, Intel, NTT, etc.Spain, United States, Japan, etc.[10‒11]

2、 挑战和功能

在上述研究人员的共同努力下，推动网络自动化、智能化的创新工作取得了显著进展。然而，集成网络的自动化能力是一个需要不断迭代演进的长期工作。首先，对于需要进行网络创新的新时代，我们需要一种创新的网络功能架构来支持网络自动化和智能化。构建该智能网络架构的过程存在诸多挑战，下面我们列出了三个主要的技术挑战，同时也是我们提出的技术目标。

（1）高级网络感知：智能网络应能理解用户的意图，自动将其转化为网络操作。智能网络能够不断地自动监控网络状态、运行状况和服务需求。

（2）高级网络自动化：网络自动化应能自动配置相应的硬件或软件参数，以满足预定义的目标状态。它还应能执行自我修复操作，以解决网络问题或使网络恢复到期望状态。此外，它还应自动管理网络用户和更新服务功能。

（3）高级网络诊断：网络应不断地与网络环境交互数据，报告和交换必要的诊断信息。它应该分析和执行自我诊断操作，抵御来自外部和内部的安全威胁，通过一定的服务动作反馈自我修复结果。

为了实现上述目标，在实现网络自动化过程中，网络功能架构应该具备多个核心能力，我们简要总结了所需的12项核心功能。网络功能架构必须能够：①自我识别和理解用户意图；②将意图自动转化为网络操作；③对网络环境和状态进行自我监控；④自动检测各种服务需求；⑤自动配置所需功能；⑥当检测到决策错误时进行自动校正；⑦自动监视和管理网络用户，包括恶意用户；⑧自动更新服务功能，优化交付能力；⑨使用机器学习自动分析内省；⑩自动抵御外部和内部安全威胁；⑪通过服务动作反馈自我修复结果；⑫意外情况发生时进行自动报告。技术挑战与所需核心能力之间的关系如表2所示。

表2 网络自动化的技术挑战和核心能力

Technical challengesCore required capabilities and research issues
High-level network awareness

• Self-recognize and understand user intentions

• Self-translate intentions into network operations

• Self-monitor the network environment and statuses

• Self-detect various service requirements

High-level network automation

• Self-configure required functions

• Self-correct when an decision error is detected

• Self-manage network users, e.g., malicious users

• Self-update service functions to optimize delivery

High-level network diagnosis

• Self-analyze introspection using machine learning

• Self-defend from external and internal threats

• Self-heal with service motion feedback

• Self-report when an unexpected situation arises

3、 智融标识网络

未来的网络应融合所有类型的先进高级网络技术，以实现网络间的智能协作[12]。基于这一期望，我们在先前工作的基础上提出了智融标识网络（SINET）[13‒14]。图2为SINET的功能架构。

图2 SINET功能架构。AI：人工智能。

为促进网络自智，智融标识网络整体架构分为三层两域。三层包括智慧服务层、资源适配层与网络组件层，两个域分别为行为域和实体域。

• 智慧服务层主要负责翻译用户意图和对服务注册功能进行管理。资源适配层动态调度网络资源，通过建立网络功能族群来满足智慧服务层的服务需求。网络组件层主要用于协调各网络组件，以执行特定的网络操作。

• 行为域是一种用于网络感知和网络诊断的特定功能域。它由三层数字信息（以行为描述标记）组成，负责分析网络行为和服务需求，它也负责为特定操作生成决策及规则，并完成命令的传递。实体域由实际的网络实体（以实体标识符标记）组成，并根据来自行为域的决策进行相应操作。

基于该创新网络功能架构，我们进一步引入了三层之间的垂直自主映射，使网络能够动态地满足各种服务需求、更新服务功能，从而实现优化的智能交付。此外，两个域之间根据网络感知和诊断的水平自主映射操作也促进了网络的自动化。图3展示了SINET支持网络智能化的范例。

图3 SINET中的一个应用实例。HD：高清晰度。

• 自上而下，SINET完成自动服务感知和自动功能部署。智慧服务层将用户的意图转化为特定的网络需求，如带宽和延迟，这些需求被进一步传递至资源适配层。资源适配层在接收到服务需求后协调功能组，网络控制器将生成最优的数据传输方案。网络组件层将合理协调组件，形成能够执行特定任务的功能组。

• 自下而上，SINET完成自我反馈、自我诊断和优化。网络组件层中应用了网络遥测技术（如带内网络遥测），以监控网络和资源状态，如带宽、延迟和队列占用率。资源适配层在进一步分析这些遥测数据后，将协调功能和优化数据包传输方案。此外，服务执行报告和通知都将被发送至智慧服务层，以便进行服务动作反馈和执行自我修复。

以上分析简要阐述了SINET实现提高网络自智的动态操作过程。实体域中的自动感知和获取信息的操作可以为自动分析等能力提供信息支撑，从而提高SINET的自动化程度。行为域中的智能数据分析可以提高自我配置等能力，从而实现SINET的智能化。这种解耦设计在促进网络自智的发展方面具备显著优势，因此在安全性、移动性、能耗和效率等多个网络性能方面具有很大的发展潜力。

4、 结论

网络自智开启了网络创新的新时代，同时也为网络研究人员带来了新的挑战。网络自动化自智不再是一个理想主义性质的愿景，当前网络行业正朝着这一目标前进。值得一提的是，网络自智目前处于方兴未艾的阶段，实现网络行业这一宏伟目标需要更多同行科研人员参与、协作，共同为网络基础设施创新做出贡献。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

The Internet of Things: movementa, marketnot a. Report. London: IHS Markit.
[2]

Kerravala Z. Digital transformation requires an autonomous network. Report. San Jose: Extreme Networks; 2019 May.
[3]

Clark DD, Partridge C, Ramming JC, Wroclawski JT. A knowledge plane for the Internet. In: Proceedings of the SIGCOMM 2003 Conference on Applications, Technologies, Architectures, and Protocols for Computer Communication; 2003 Aug 25‒29; Karlsruhe, Germany; 2003.
[4]

Zhang H, Su W. Fundamental research on the architecture of new network—universal network and pervasive services. Chin J Electron 2007;35(4):594‒8. Chinese.
[5]

Zhang H, Luo H. Fundamental research on theories of smart and cooperative networks. Chin J Electron 2013;41(7):1249‒54. Chinese.
[6]

Wu J. Thoughts on the development of novel network technology. Sci China Inf Sci 2018;61(10):101301.
[7]

Hu Y, Li D, Sun P, Yi P, Wu J. Polymorphic smart network: an open, flexible and universal architecture for future heterogeneous networks. IEEE Trans Netw Sci Eng 2020;7(4):2515‒25.
[8]

Kalmbach P, Zerwas J, Babarczi P, Blenk A, Kellerer W, Schmid S. Empowering self-driving networks. In: Proceedings of ACM SIGCOMM 2018 Afternoon Workshop on Self-Driving Networks (SelfDN 2018); 2018 Aug 24; Budapest, Hungary; 2018.
[9]

Gallego-Madrida J, Sanchez-Iborrab R, Ruiza PM, Skarmeta AF. Machine learning-based zero-touch network and service management: a survey. Digit Commun Netw 2022;8(2):105‒23.
[10]

Mestres A, Rodriguez-Natal A, Carner J, Barlet-Ros P, Alarcón E, Solé M, et al. Knowledge-defined networking. ACM SIGCOMM. Comput Commun Rev 2017;47(3):2‒10.
[11]

Wu D, Li Z, Wang J, Zheng Y, Li M, Huang Q. Vision and challenges for knowledge centric networking. IEEE Wirel Commun 2019;26(4):117‒23.
[12]

Zhang H, Quan W, Chao H, Qiao C. Smart identifier network: a collaborative architecture for the future internet. IEEE Netw 2016;30(3):46‒51.
[13]

Zhang H, Feng B, Quan W. Fundamental research on smart integration identifier networking. Chin J Electron 2019;47(5):977‒82. Chinese.
[14]

Quan W, Zhang H. Future Internet architecture: research status, hot topics, and development practice. Sci China Sin Inf 2017;47(6):804‒10. Chinese.

基金资助

()

AI Summary AI Mindmap

5064

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉