ICNP 2019 Workshop on Harnessing the Data Revolution in Networking
Организаторы: ICNP ORGANIZING COMMITTEE
emal: [email protected]
Технологии искусственного интеллекта (AI) и машинного обучения (ML) в настоящее время достигли значительных успехов во многих областях применения, например, в обработке естественного языка, распознавании голоса и компьютерном зрении. Между тем, постоянно растущая сложность и масштаб современных сетей продолжают создавать новые проблемы для методов и инструментов измерения и анализа сети. Достижения в производительности CPU / GPU и прогресс в методах ML, особенно с использованием нейронных сетей, сделали ML / AI способным пролить свет на огромный объем оперативных и системных данных. Поэтому AI / ML эффективно использовался во многих критических сетевых аналитических функциях данных, таких как изоляция отказов, обнаружение вторжений, корреляция событий, анализ журналов, планирование емкости и оптимизация проектирования, и это лишь некоторые из них.
Кроме того, сеть недавно претерпела огромные преобразования, благодаря новым моделям, появившимся в результате софтваризации, виртуализации и облачных вычислений. Это привело к появлению ряда новых архитектур, поддерживаемых новыми технологиями, таких как программно-определяемые сети (SDN), виртуализация сетевых функций (NFV), пограничные вычисления, IoT и 5G. С другой стороны, методы зрелого ML, такие как усиленное обучение и трансферное обучение, могут потенциально служить основой для включения обучения в автоматизированное управление сетью.Появление усовершенствованного дизайна в сочетании с повышенной сложностью сетевых систем и протоколов вызвало необходимость в улучшенной автономности сети в гибких инфраструктурах, которая может быть объединена с методами AI / ML для выполнения эффективных, быстрых и заслуживающих доверия операций управления. Например, связь программируемого управления SDN с научными инновациями в AI / ML обещает беспрецедентные возможности для запроса больших объемов и высокоскоростных распределенных потоковых данных в масштабе. Эта новая техническая возможность может предоставить необходимую информацию для множества различных задач мониторинга и управления сетью, чтобы обеспечить эффективную автоматизацию автономных сетей.
Вышеуказанные направления можно увидеть в совокупности в Большой идее Национального научного фонда (ННФ), использующей революцию данных (HDR), деятельность в национальном масштабе, чтобы обеспечить новые способы обнаружения, основанного на данных, которые позволят решать новые фундаментальные вопросы. адресованный на передовых рубежах науки и техники, с упором на компьютерные и коммуникационные сети. На этом семинаре мы приглашаем представить высококачественные оригинальные технические и обзорные документы, которые ранее не публиковались, о методах искусственного интеллекта и машинного обучения и их применениях в компьютерных и коммуникационных сетях, включая, помимо прочего, следующие темы:
- Алгоритмы машинного обучения и интеллектуального анализа данных для сетей
- Интеллектуальный анализ данных и анализ больших данных для управления сетью
- Усиленное обучение в управлении и планировании сети
- Энергоэффективные / экологически чистые сети с использованием алгоритмов машинного обучения и интеллектуального анализа данных
- Самообучение, машинное обучение и анализ больших данных для обнаружения сетевых атак и других проблем безопасности
- Аналитика больших данных и визуализация для анализа трафика
- Аналитика больших данных / машинное обучение для обнаружения сетевых аномалий / сбоев / обнаружения сбоев
- Используйте примеры использования сетевых данных для бизнес-аналитики, например, для оптимизации процессов и выбора поставщиков.
- Используйте примеры использования сетевых данных для повышения качества обслуживания и взаимодействия с пользователем, таких как рекомендации по контенту, сервис на основе определения местоположения и реклама
- Алгоритмы машинного обучения для снятия отпечатков пальцев сетевого устройства / услуги
- Методы обработки естественного языка для анализа сетевых журналов
- Алгоритмы машинного обучения и инструменты для диагностики сети и анализа первопричин
- Усиленное обучение и методы машинного обучения в разработке и оптимизации протоколов
- Архитектура управляемой данными сети и разработка протокола (например, для транспортных сетей, сетей IoT)
- Алгоритмы обучения для предоставления сетевых ресурсов
- Автономные сети в DC, WAN, IXP, беспроводных сетях, облачных сетях, CDN, домашних сетях и т. Д.
- Машинное обучение, глубокое обучение, усиленное обучение и другие алгоритмы обучения для IoT и 5G
- Усиленное обучение и другие методы обучения для технологий виртуализации, включая NFV, SDN, SFC и т. Д.
- Методы обучения для оптимизации среза сети
- Программное обеспечение AI с открытым исходным кодом для сетевых или сетевых приложений
- Методы анонимизации и защиты конфиденциальности пользователей в сетевых данных
- Федеративное обучение по данным распределенной сети
- Анализ производительности (например, безопасность, оптимальность, конфиденциальность) алгоритмов ML применительно к сетевым проблемам