ネットワークの多様性と競合フローとの親和性を考慮した機械学習による輻輳制御の探究

考虑网络多样性和与竞争流的亲和力，利用机器学习探索拥塞控制

基本信息

批准号：
21KK0202
负责人：
内海哲史
金额：
$ 9.98万
依托单位：
Fukushima University
依托单位国家：
日本
项目类别：
Fund for the Promotion of Joint International Research (Fostering Joint International Research (A))
财政年份：
2022
资助国家：
日本
起止时间：
2022 至 2024
项目状态：
已结题

项目摘要

【具体的内容】本研究では、基課題（20K11786: バッファリング遅延ゼロ・100％リンク利用率を達成する理想的な輻輳制御の追求）を次のように発展させることを目的とする。[発展性1] ネットワーク環境の多様性を考慮し、高性能を実現させる。[発展性2] ボトルネック回線において競合するフローとの親和性を考慮する。本研究においては、機械学習によるアプローチを取り入れて、これらの発展性を実現することを目的とするが、その前段階として、機械学習をもちいない統計学的アプローチによる方策も検討した。その結果、(研究実績1) 前年度から実施していた研究成果として、輻輳制御アルゴリズムBBRとCUBICによるフローが競合する場合における公平性改善を実現し、IFIP Networking 2022で発表した。また、(研究実績2) オクラホマ大学での研究成果として、非輻輳遅延が発生するようなネットワーク環境下においても、高スループット・低遅延・優れた公平性を実現できる、遅延に基づく輻輳制御アルゴリズムCopaの改善を実現した。さらに、(研究実績3) 機械学習によるアプローチを取り入れることで、Copaフローが、BBRフローまたはCUBICフローとの競合を検出できることと、それらのフローのデータ送信速度を推定できることを確認した。【意義】機械学習をもちいたアプローチを念頭に、まず、統計学的アプローチにより、ネットワーク多様性と競合フローとの親和性を考慮した輻輳制御アルゴリズムの改善を実現した。機械学習をもちいたアプローチを導入することで、より現実的な状況においても、高スループット・低遅延・優れた公平性を実現できることが期待できる。【重要性】IFIP Networking 2022で提出した研究論文において、BBRとCUBICによるフローが競合する場合における公平性を最大95.4%改善した。

[具体内容] 本研究的目的是提出如下基本问题（20K11786：追求实现零缓冲延迟和100%链路利用率的理想拥塞控制）。【发展潜力1】考虑网络环境的多样性，实现高性能。 [可能性2]考虑与瓶颈线上的竞争流的兼容性。在这项研究中，我们的目标是通过结合机器学习方法来实现这些可能性，但作为初步步骤，我们还考虑了使用不使用机器学习的统计方法的措施。结果，（研究结果1）作为前一年的研究结果，我们使用在 IFIP Networking 2022 上宣布的拥塞控制算法 BBR 和 CUBIC，实现了冲突流情况下的公平性改进。另外，（研究成果2）作为俄克拉荷马大学的研究成果，Copa是一种基于延迟的拥塞控制算法，即使在出现非拥塞延迟的网络环境下，也能实现高吞吐量、低延迟，并且具有优异的公平性。实现了改进。此外，（研究结果3）通过结合机器学习方法，我们确认Copa流可以检测与BBR流或CUBIC流的冲突，并可以估计这些流的数据传输速度。 [意义] 首先，考虑到使用机器学习的方法，我们使用统计方法来改进拥塞控制算法，该算法考虑了网络多样性和与竞争流的兼容性。通过引入使用机器学习的方法，即使在更现实的情况下，也有望实现高吞吐量、低延迟和出色的公平性。 [重要] 在 IFIP Networking 2022 提交的研究论文中，我们在 BBR 和 CUBIC 之间的流量发生冲突时将公平性提高了高达 95.4%。