Network Slicing Mobility Aware Control to Assist Handover Decisions on e-Health 5G Use Cases

Silva, Felipe S. Dantas; Schneider, Lucas M.; Rosário, Denis; Neto, Adrião Duarte Dória

doi:10.1109/iwcmc55113.2022.9825010

Cited by 7 publications

(6 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Além disso, no melhor do nosso conhecimento, e confirmado em levantamento recente da literatura, há uma carência de estudos sobre a aplicac ¸ão de modelos de ML para predic ¸ão dos níveis de qualidade de vídeos quando submetidos a diferentes condic ¸ões de rede. Somente através de um estudo desta natureza será possível estabelecer novos critérios para o desenvolvimento de sistemas inteligentes capazes de suportar as especificidades de casos de uso de missão crítica demandados em redes 5G e além do 5G (B5G, do inglês Beyond 5G) [Silva et al 2022].…”

Section: Introduc ¸ãOunclassified

Avaliação de Algoritmos de Aprendizado de Máquina para Predição de QoE em Redes 6G

Silva

Lima

Santos

et al. 2023

Anais Do III Workshop De Redes 6G (W6G 2023)

View full text Add to dashboard Cite

This paper evaluates the performance of Machine Learning (ML) algorithms to provide Quality of Experience (QoE) user decisions in multimedia services. A specialized dataset was built for mapping network Quality of Service (QoS) Key Performance Indicators (KPIs) with video quality metrics to perform QoE predictions. An evaluation is then carried out considering the main regression models to support the development of QoE-aware systems and meet the critical requirements of applications characteristic of 6G scenarios.

show abstract

Section: Introduc ¸ãOunclassified

Avaliação de Algoritmos de Aprendizado de Máquina para Predição de QoE em Redes 6G

Silva

Lima

Santos

et al. 2023

Anais Do III Workshop De Redes 6G (W6G 2023)

View full text Add to dashboard Cite

show abstract

“…Esta confirmac ¸ão pode ser vista nos resultados dos experimentos realizados na presente proposta, que demonstram que a estratégia introduzida em [Ma et al 2014] apresenta uma latência média em torno de 20.68 ms, enquanto a rede normal apresenta uma resposta média na ordem dos 0.13 ms. Uma variac ¸ão como esta impacta diretamente a QoS da rede, e pode desencorajar o seu uso para alguns tipos de servic ¸os (p. ex. aplicac ¸ões da vertical de e-Health do 5G) [Silva et al 2022].…”

Section: Introduc ¸ãOunclassified

Abordagem Adaptativa para Proteção de Redes SDN Utilizando Moving Target Defense

Nunes¹,

Pascoal²,

Souza³

et al. 2022

Anais Do XL Simpósio Brasileiro De Redes De Computadores E Sistemas Distribuídos (SBRC 2022)

Self Cite

View full text Add to dashboard Cite

O paradigma das Redes Definidas por Software (SDN) vem sendo cada vez mais adotado nas infraestruturas de redes de computadores. No entanto, por se tratar de uma abordagem relativamente recente, poucas estratégias de segurança tem sido empregadas para sua proteção. Um dos problemas relacionados ao uso de SDN é a presença de ataques do tipo scanning. Recentemente, as técnicas de Moving Target Defense (MTD) tem sido usadas para lidar com esses ataques. No entanto, devido à sua natureza de operação, as estratégias baseadas em MTD podem degradar consideravelmente o desempenho da rede. Assim, com o objetivo de conciliar, de forma factível, a proteção contra ataques scanning sem degradar os serviços da rede, principalmente em termos de Qualidade de Serviço (QoS), neste artigo apresentamos o MTD Adaptive Delay System (MADS). Em nossa proposta, os atrasos baseados em MTD são aplicados apenas à resposta dos pacotes quando a rede está sob ataque. Em contraste, os trabalhos existentes aplicam continuamente atrasos à todos os pacotes trafegados e, portanto, incorrem em mais degradação na rede. MADS foi extensivamente avaliado e comparado com o estado da arte em defesas baseadas em MTD. Os resultados das avaliações demonstraram que MADS promove menor degradação na rede em termos de latência, pacotes Bad TCP e vazão.

show abstract

“…7 Also, MEC boosts 5G and cloud, promoting flexibility and elastic service delivery by fostering high-bandwidth and ultra-low latency with network resources access in real-time. 8,9 The integrated use of softwarization, virtualization, and cloudification 10 enabled network operators with a new strategic way to deliver end-to-end services that run under diverse network domains of the same 5G cloud and federation. As a result, the Cloud-Network Slicing (CNS) approach 11,12 can be seen as a single arrangement for providing services as an extended domain of resources.…”

Section: Introductionmentioning

confidence: 99%

“…The deployment of 5G systems through MEC facilities offers computing and storage resources close to end‐users within the Radio Access Network (RAN) 7 . Also, MEC boosts 5G and cloud, promoting flexibility and elastic service delivery by fostering high‐bandwidth and ultra‐low latency with network resources access in real‐time 8,9 …”

Section: Introductionmentioning

confidence: 99%

On delivering cloud‐network slicing networking and service management through EDCS slice granularity monitoring

Costa

Silva

Maciel

et al. 2022

Internet Technology Letters

View full text Add to dashboard Cite

In the last years, several new Internet service models have been consolidated due to the innovative business vision introduced by the 5G verticals. This scenario, designed to support diverse application requirements with very stringent quality constraints, demands the rapid development of new management and orchestration strategies which the main goal is to accomplish end‐to‐end service delivery. One of the main advancements in the 5G development is the network slicing concept, which seeks to maximize its capabilities by offering network service and resource abstraction over several different physical networks, thus improving end‐to‐end service delivery flexibly. Our previous work introduces an edge‐cloud‐supported monitoring approach (EDCS) to cope with current demands in slicing resource monitoring. This paper extends the previous study with a detailed operational description of the proposed EDCS solution, highlighting how it can be deployed to operationalize slicing monitoring in cloud‐network slicing scenarios.

show abstract

Network Slicing Mobility Aware Control to Assist Handover Decisions on e-Health 5G Use Cases

Cited by 7 publications

References 18 publications

Avaliação de Algoritmos de Aprendizado de Máquina para Predição de QoE em Redes 6G

Avaliação de Algoritmos de Aprendizado de Máquina para Predição de QoE em Redes 6G

Abordagem Adaptativa para Proteção de Redes SDN Utilizando Moving Target Defense

On delivering cloud‐network slicing networking and service management through EDCS slice granularity monitoring

Contact Info

Product

Resources

About