Placement des VNFs dans les réseaux 5G en utilisant AI/ML

La transition inévitable des dispositifs matériels physiques vers des modules logiciels légers et réutilisables dans le cadre de la virtualisation des fonctions de réseau (NFV) offre d’innombrables possibilités tout en présentant plusieurs défis sans précédent. La satisfaction des attentes de la NFV dans les réseaux post-5G dépend fortement du placement efficace des services de réseau. L’allocation dynamique des ressources physiques pour les demandes de services en ligne exigeant des ressources hétérogènes selon des exigences de qualité de service spécifiques représente l’une des étapes les plus importantes de la conception NFV et un problème NP-Hard à résoudre. Cette complexité est rencontrée dans divers cas d’utilisation 5G NFV, qui sont liés au placement, à partir de VNF Forwarding-Graphs et Network Slicing, à la virtualisation du réseau central, CDN, IoT, etc., examinant de nombreux objectifs dans la littérature, allant des optimisations multi objectifs basées sur les ressources à la consommation d’énergie, le coût des revenus, l’acceptation du service, la résilience, la disponibilité, la sécurité, etc. Dans cette thèse, nous nous intéressons au placement des services de réseau virtuel sur le réseau en essayant de maximiser le nombre de services acceptés en tenant compte de leurs exigences de qualité de service. Bien que le problème de placement des VNF soit étudié depuis de nombreuses années, le besoin d’une approche permettant de trouver un juste compromis entre l’optimalité et l’scalabilité existe toujours. Dans cette thèse, nous étudions plusieurs problèmes et défis dans le placement de services en réseau et proposons des solutions AL/ML en conséquence.