Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 595

Aluno: Guto Leoni Santos
Orientadora: Profa. Judith Kelner
Coorientadora: Profa.  Patricia Takako Endo (UPE/Caruaru)
Título: An Artificial Intelligence Powered Framework for Automatic Service 
Function  Chain Placement in Distributed Scenarios
Data: 22/03/2023
Hora/Local: 13h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:

Prof. Nelson Souto Rosa (UFPE / Centro de Informática)
Prof. Paulo Romero Martins Maciel (UFPE / Centro de Informática)
Prof. Edmundo Roberto Mauro Madeira (UNICAMP / Instituto de Computação )
Prof. Antonio Alfredo Ferreira Loureiro (UFMG / Departamento de Ciência da Computação)
Prof. Carmelo Jose Albanez Bastos Filho (UPE / Escola Politécnica de Pernambuco)

RESUMO:

Software Defined Networks (SDN) e Network Function Virtualisation (NFV) 
estão tornando as redes programáveis e, consequentemente, muito mais 
flexíveis e ágeis. Para cumprir acordos de nível de serviço, obter maior 
utilização de redes legadas, implantação de serviço mais rápida e reduzir 
despesas, as operadoras de telecomunicações estão implantando Service 
Function Chains (SFCs) cada vez mais complexas. Apesar dos benefícios das 
SFCs, o aumento da heterogeneidade e do dinamismo da computação em nuvem 
para a computação em borda apresenta desafios significativos de 
posicionamento de SFC, não menos importante, adicionando ou removendo 
funções de rede, mantendo a disponibilidade, qualidade de serviço e 
minimizando custos.
Apesar das vantagens da virtualização de serviço, espera-se que o 
desempenho e a disponibilidade da rede não sejam afetados pelo uso de SFCs. 
No entanto, vários fatores que podem comprometer a disponibilidade da SFC 
são adicionados em um cenário virtualizado, como falhas de software, erros 
de configuração, ataques cibernéticos, entre outros. Para mitigar o impacto 
desses fatores, mecanismos de redundância podem ser utilizados, ou seja, 
adicionar Funções Virtuais de Redes (do inglês Virtual Network Functions 
(VNFs)) redundantes nos servidores para manter o funcionamento da SFC em 
caso de falhas. Por outro lado, os operadores de rede desejam, obviamente, 
alocar as SFCs otimizando a utilização dos recursos com o intuito de 
reduzir os Gastos Operacionais (do inglês Operational Expenditures (OPEX)). 
No entanto, isto é um desafio, pois os mecanismos de redundância exigem 
recursos computacionais adicionais.
Além disso, a alocação de uma SFC em cenários distribuídos pode melhorar 
sua disponibilidade, uma vez que uma falha isolada não impactaria toda a 
operação do SFC. No entanto, a alocação em cenários geograficamente 
distribuídos aumenta a complexidade do gerenciamento, onde diferentes tipos 
de hardware e atrasos adicionais podem comprometer o desempenho da SFC. 
Portanto, estratégias inteligentes são necessárias para otimizar o 
posicionamento das SFCs. Além disso, com o intuito de reduzir o OPEX, essas 
estratégias devem ser executadas com o mínimo de iteração humana.       
Esta  tese apresenta o Sfc Placement framework focused on availability for 
DistributEd scenaRios (SPIDER), um framework para posicionamento de SFC com 
foco em cenários distribuídos e disponibilidade dessa SFC. O SPIDER foi 
projetado para fazer o posicionamento de SFC em diferentes cenários 
distribuídos, ou seja, cenários com diferentes características de hardware 
e software. Para fazer isso, o SPIDER utiliza informações contextuais para 
definir a estratégia de posicionamento do SFC. Além disso, técnicas de 
aprendizado de máquina são usadas para prever o tráfego das SFCs alocadas 
previamente e aprendizado de reforço para selecionar os servidores para o 
posicionamento
da SFC. Porém, o SPIDER é flexível para usar outras abordagens de acordo 
com as necessidades do gerente da rede. Além disso, com base na estratégia 
de posicionamento definida pelos algoritmos de aprendizado de máquina, o 
SPIDER também interage com as ferramentas de gerenciamento para fazer o 
posicionamento do SFC de forma automática, ou seja, com o mínimo de 
intervenção humana, facilitando o gerenciamento da rede.

Palavras-chave: Network Function Virtualisation. Service Function Chain. 
Gerenciamento de rede. Rede distribuída. Aprendizado de máquina. 
Aprendizado profundo. Aprendizado por reforço.

Comentários desativados

Sobre este site

Portal institucional do Centro de Informática – UFPE

Encontre-nos

Endereço
Av. Jornalista Aníbal Fernandes, s/n – Cidade Universitária.
Recife-PE – Brasil
CEP: 50.740-560

Horário
Segunda–Sexta: 8:00–18:00