Programabilidade e Telemetria In-Band Adaptativa Usando Aprendizado por Reforço Profundo em Redes 5G

• Processo: 23/06190-8
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de junho de 2023
• Data de Término da vigência: 31 de maio de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Magnos Martinello
• Beneficiário: Debora Helena Job
• Instituição Sede: Centro Tecnológico. Universidade Federal do Espírito Santo (UFES). Ministério da Educação (Brasil). Vitória , SP, Brasil
• Vinculado ao auxílio: 20/05182-3 - PORVIR-5G: programabilidade, orquestração e virtualização em redes 5G, AP.TEM
• Assunto(s): Orquestração Telemetria Redes de computadores
• Palavra(s)-Chave do Pesquisador: Deep Reinforcement Learning | Orquestração | Programabilidade de Redes | Telemetria | 5G Networks | Redes de computadores

Resumo

O uso de redes programáveis alavancou a adoção de técnicas de telemetria para um monitoramento de alta granularidade. Contudo, uma adoção ampla e indiscriminada de telemetria in-band resulta em custos adicionais que podem degradar o desempenho da rede e provocar um volume exagerado de dados a serem armazenados e processados, comprometendo os benefícios pretendidos. De forma a contornar esse problema, este plano de pesquisa propõe o uso de um mecanismo de aprendizado por reforço profundo capaz de prover telemetria in-band adaptativa no plano de dados de redes de núcleo programáveis em provedores de redes 5G. (AU)