软件定义网络架构和应用分析

软件定义网络（SDN）是当前网络发展的方向之一,其目标是将网络控制与物理网络拓扑分离,从而创造一种从中央管理控制器向所有交换机和路由器发送流量的环境。该文主要探讨软件定义网络的基本架构,并就软件定义网络的应用方向作具体分析。     

软件定义网络架构和应用分析

软件定义网络(SDN)是当前网络发展的方向之一,其目标是将网络控制与物理网络拓扑分离,从而创造一种从中央管理控制器向所有交换机和路由器发送流量的环境。该文主要探讨软件定义网络的基本架构,并就软件定义网络的应用方向作具体分析。     

基于云计算技术的软件定义网络研究

文章介绍了基于云计算技术的软件定义网络（Software Defined Network,SDN）的可靠性、安全性、可扩展性等方面的研究,以及基于云计算技术的SDN的未来发展趋势。研究结果表明,基于云计算技术的SDN可以极大地提高网络管理的灵活性和可扩展性,保障网络的可靠性和安全性,为网络的发展提供了新的思路和解决方案。未来的研究将集中在改善SDN的可靠性、安全性和可伸缩性以及实现网络自动化等方面。     

云计算环境中软件定义网络研究应用

云计算可以根据实际需求提供灵活多样的服务,正成为IT模式的应用趋势,其中大部分采用软件定义网络(SDN)作为其网络架构,控制平面和数据平面相互分离,以简化网络管理、保证网络隔离.该文基于SDN技术的发展现状,介绍了OpenFlow交换、控制器和SDN技术的关键组成和研究进展,及其在网络中的应用.最后,分析了云计算环境中SDN技术存在的问题,并提出相关解决建议.     

软件定义车联网云边端协同一体化架构的研究

随着自动驾驶、智能网联汽车和智能交通系统的发展,车联网的应用场景也越来越丰富。本文经过循序渐进地分析,提出软件定义云边端协同一体化车联网架构。为了适应车联网的高移动性、实时性、流量剧烈增减和网络异构等特点,提出基于KubeEdge框架的车联网系统管理架构,并系统介绍KubeEdge的组成和云边消息传递机制。该架构将Docker容器、Kubernetes与车载智能设备、路边智能设备相结合,并对KubeEdge框架的云端、边端和云边端消息传递进行“本土化”改造,可作为车联网未来发展思路和路径之一。     

软件定义网络（SDN）架构下的网络管理与优化研究

主要研究软件定义网络（SDN）架构下的网络管理与优化技术。首先,介绍SDN网络的基本原理和架构组成部分,以及网络管理和控制过程。然后,详细阐述SDN网络的监控、配置、故障处理、安全技术,以及性能优化、负载均衡、服务质量保证、能源管理等优化技术。接着,探讨SDN网络管理与优化在数据中心、车联网、5G和物联网等领域的应用,并介绍实验与验证的环境和方法,使用SDN仿真软件Mininet构建SDN网络拓扑,模拟网络流量、网络攻击和网络负载等场景,评估SDN网络并分析实验结果。最后,总结SDN网络管理与优化的研究成果和不足,并展望未来发展趋势。     

基于软件定义网络的云边协同架构研究综述

随着5G和物联网时代的到来以及云计算应用的逐渐增加,各有所长的边缘计算与云计算势必彼此融合进行云边协同,实现云计算与边缘计算的优势互补和协同联动.SDN网络因其灵活开放可编程的网络架构被认为是解决当前云计算和边缘计算协同问题的有效方法.基于云计算和边缘计算的优势与不足对云边协同的必要性和具体内涵进行了梳理,归纳总结了目...     

适用于软件定义网络的原子操作技术

软件定义网络(SDN)是近年来网络技术的研究热点,其主要实现了由控制器来转发数据。由于数据需要在转发过程中不被其他路由策略打断,即控制器为各个节点下发流表要保证同步,因此可以将原子操作的概念引入SDN中。基于此,笔者提出利用流表中丰富的匹配规则解决丢包、环路等原子操作问题,同时搭建硬件平台系统,提出适用于软件定义网络的原子操作技术。     

基于软件定义网络的数据中心网络负载均衡算法研究

针对传统网络的分布式架构使得负载均衡技术难以满足低成本、高灵活性、自适应调整的要求,提出一种基于SDN的数据中心网络负载均衡算法。首先,根据路径当前负载状况和链路负载波动为路径设置了一个权重,并以此作为路径选择依据;其次,设置了一个负载均衡度用于衡量网络负载状况;最后,针对需要调度的流,进一步限定了其流量大小范围,保证了高效的流调度。仿真结果表明,与其他算法相比,所提算法能有效提高网络资源利用率并均衡全网负载。     

浅谈数据中心网络架构的发展

网络是数据中心的一个重要基础设施,而通常分为两大部分：前端计算网络以及后端存储网络.后端的存储网络目前主要是FC网络,不过随着IP技术的发展,采用FCoE技术融合前后端网络成为一种趋势.本文主要关注前端计算网络.     

基于软件定义网络的智能变电站网络架构设计

随着智能变电站二次装置标准化、智能化水平的提升,需要有一种更高效、智能的通信网络以满足变电站运行和维护要求,能够实现设备即插即用、智能监测、子网间安全隔离以及设备通用互换。针对智能站网络统一管理、子网间安全隔离以及设备兼容性、互换性的应用需求,提出了一种基于软件定义网络（SDN）技术的变电站网络架构,将IEC61850和OpenFlow协议用于网络架构设计,利用OpenFlow控制器管控和隔离各独立子网,以实现网络设备管理和子网安全隔离。实验结果表明,所提架构可实现流量基于业务类型的精准控制和数据的安全隔离,对于提升变电站运行和维护水平有着非常重要的应用价值。     

基于软件定义网络的边缘控制部署机制

针对软件定义网络（software-defined Networking,SDN）中单一控制器容易发生过载导致较长时延的问题,提出一种基于SDN的边缘控制模型,该模型采取分层部署方式将边缘计算集成到SDN中,每个边缘控制器控制其覆盖范围内部署的所有子边缘控制器和交换机,负责区域内网络设备的通信量。为了方便管理边缘控制器之间的交互,该模型引入一个控制器代理模块,将设备请求转发给父控制器或将路由信息发送给子控制器来协调控制器之间的工作。实验结果表明,与基于SDN的传统网络相比,该方法依托部署在网络设备边缘的计算和存储服务,减轻了SDN主控制器上的负载,降低了转发平面和控制平面之间的延时,显著地改善了总处理延时和带宽使用情况。     

软件定义网络架构下基于流调度代价的数据中心网络拥塞控制路由算法

针对传统数据中心网络极易发生拥塞的问题,提出了在软件定义网络（SDN）的架构下设计基于流调度代价的拥塞控制路由算法加以解决。首先,进行拥塞链路上的大小流区分,并对所有大流的各条等价路径进行路径开销权重的计算,选择权重最小的路径作为可用调度路径;然后,使用调度后路径开销变化量和流占用带宽比例来共同定义流调度代价;最终选择调度代价最小的流进行调度。仿真结果表明,所提算法能在网络发生拥塞时降低了拥塞链路上的负荷,并且与仅进行流路径选择的拥塞控制算法相比,提高了链路利用率,减少了流传输时间,使得网络链路资源得到更好的利用。     

An extended software defined optical networks slicing architecture

Optical Networks are composed of multiple devices, from multiple vendors. Normally these networks have a huge transmission capacity. The Slicing of Optical Networks is not a new concept, but continues to be very important, since the capacity of Optical Networks keeps evolving. Most of the time the slicing is manually configured by system operators. Besides being laborious and error-prone, such configuration limits the clients’ ability to customize and configure the network according to their own needs. One way out of this problem is to separate from these devices the control of and the data from the planes. The Software Defined Networks (SDNs) propose the separation of planes while also offering network operators the flexibility to create and manage applications, enabling them to reduce the network costs by globally optimizing the network’s resources, reducing the staff needed to configure it, and contributing for less violation of the service level agreement (SLA). SDN can also help operators to maximize their profit by generating more revenue through mechanisms that increase availability and failure resiliency, maximize throughput, allow for fast dynamic reprovisioning and enable network virtualization. The goal of this paper is to propose a Software Defined Optical Networks Slicing Architecture (SONA) extension (eSONA). that permits defining components such as topology manager, inventory manager, slice manager and path provisioner, and thus enable Optical Networks slicing. It has proved to be capable of managing different slices and provisioning a path on a given slice over the same physical optical network. It has showed an excellent performance, taking little time to provision paths, even with a large number of nodes, which are crucial for optical environments.     

基于软件定义网络的反嗅探攻击方法

网络嗅探攻击中,攻击者从网络节点或链路捕获和分析网络通信数据、监视网络状态、窃取用户名和密码等敏感信息。在攻击发生时,攻击者通常处于静默状态,传统的网络防护手段如防火墙、入侵检测系统（IDS）或入侵防御系统（IPS）很难发现并有效抵御攻击。从网络结构入手,提出基于软件定义网络（SDN）的动态路径跳变（DPH）通信机制,依据空间和时间约束条件,动态改变通信节点之间的路径,宏观上将通信流量相对均匀地分布在多条传输链路中,增加网络嗅探攻击中获取完整数据的难度。实验仿真结果说明,在一定的网络规模下,动态路径跳变能够在不明显降低网络传输性能的条件下有效防御嗅探攻击。     

基于神经网络的软件水印实现方案

本文总结了现有的软件水印算法并给出了水印系统的形式化定义,继而提出一种新的基于神经网络的软件水印实现方案,并对其进行了简单的性能分析。     

Engineering artificial intelligence software

Artificial Intelligence (AI) software is a reality, but only for limited classes of problems. In general, AI problems are significantly different from those of conventional software engineering. The differences suggest a different program development methodology for AI problems: one that does not readily yield programs with the desiderata of practical software (reliability, robustness, etc.). In addition, the problem of machine learning must be solved (to some degree) before the full potential of AI can be realized, but the resultant self-adaptive software is likely to further aggravate the software crisis. Realization of the full potential of AI in practical software awaits some prerequisite breakthroughs in both basic AI problems and an appropriate AI software development methodology.     

人工智能基础软硬件架构的关键技术研究

针对当前人工智能技术在军用领域的应用问题和难点,研究基于深度学习技术的军用软硬件架构设计方法,并且结合业内主流的软硬件基础架构,分析在军事应用中涉及的关键技术和解决思路。通过对深度学习模型压缩转化、数据增强和分布式训练等软硬件架构的关键技术研究,设计构建了一站式人工智能开发平台、嵌入式边缘智能计算平台,对军用人工智能提供端到端的训练、部署和测试支撑。该研究可为未来智能无人作战系统提供软硬协同的智能计算解决方案。     

基于软件定义网络的触觉互联网端到端系统

针对现有蜂窝系统无法满足触觉互联网延迟问题,提出一种基于软件定义网络的触觉互联网端到端系统。首先给出了触觉互联框架;然后提出一种基于软件定义网络（SDN）的多层触觉互联网端到端体系结构,该结构基于5G蜂窝系统,将硬件和软件分离,并提供API以便于系统的控制和管理,网络核心采用SDN并启用网络功能虚拟化（NFV）,系统在多级云单元中使用移动边缘计算（MEC）,减少通信过程中涉及中间节点的数量,从而减少延迟。实验结果表明该架构在5G高速率下能够得到毫秒级延迟,说明所提框架的可行性和有效性。