과제정보
이 논문은 2017년도 정부(과학기술정보통신부)의 재원으로 정보통신기술진흥센터의 지원을 받아 수행된 연구임 (No. IITP-2017-0-00724, 셀룰러 기반 산업자동화 시스템 구축을 위한 5G 성능 한계 극본 저지연, 고신뢰, 초연결 통합 핵심기술 개발)
한국정보처리학회:학술대회논문집 (Proceedings of the Korea Information Processing Society Conference)
- 한국정보처리학회 2020년도 춘계학술발표대회
- /
- Pages.56-59
- /
- 2020
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
5G 네트워크에서 기계학습 기반 트래픽 예측을 통한 네트워크 슬라이싱 자원 예약 기법
Machine Learning-based Network Slicing Resource Reservation Scheme in 5G Network
- Lee, Pil-Won (Department of Computer Science, Soongsil University) ;
- Lee, A-Reum (Department of Computer Science, Soongsil University) ;
- Park, Soo-Yong (Department of Computer Science, Soongsil University) ;
-
Shin, Yong-Tae
(Department of Computer Science, Soongsil University)
- 발행 : 2020.05.29
초록
최근 초저지연, 초고속, 초연결 네트워크를 요구하는 기술들이 급속하게 발전하고 있다. 기존 4G 네트워크는 위 요구사항을 만족할 수 없었기 때문에 5G 네트워크가 등장했다. 5G 네트워크는 네트워크 가상화 기반 네트워크 슬라이싱을 통해 각각의 서비스 마다 독립적인 네트워크 환경을 제공한다. 그러나 네트워크에 참여하는 서비스가 다양해질수록 트래픽 부하가 폭발적으로 증가할 것으로 예상되며 트래픽 부하에 따른 병목현상이 발생할 가능성이 여전히 존재한다. 본 논문에서는 인공 신경망 알고리즘 RNN을 활용하여 트래픽을 예측하고 예측 결과를 기반으로 네트워크 슬라이스의 자원을 선제적으로 조절하는 기계학습 기반 네트워크 슬라이싱 자원 예약 기법을 제안한다.
키워드