Solutions du type Zero-Touch basées sur l'IA pour la gestion des ressources dans les réseaux 5G cloud-native

Cette thèse présente une étude approfondie sur le changement dynamique d’échelle des fonctions réseau 5G en environnement cloud natif. Dans le contexte d’une attention croissante portée à une gestion efficace des ressources dans les environnements cloud, les fournisseurs de services de télécommunication explorent des stratégies innovantes pour réduire les coûts opérationnels tout en préservant un niveau élevé de qualité de service (QoS). Cette recherche présente une nouvelle solution de mise à l'échelle automatisée et  proactive, avec la détermination du moment le plus opportun pour la mise en oeuvre des décisions d’allocation, minimisant ainsi les coûts opérationnels tout en maintenant la qualité de service pendant les activités de mise à l'échelle.
La méthode proposée exploite des mécanismes d’inférence à base de réseaux de neurones pour obtenir des informations sur l'utilisation future des ressources, améliorant ainsi l'efficacité de la mise à l'échelle  automatique pour les fonctions cloud natives (CNF). En intégrant ces prédictions dans un cadre Kubernetes, l'approche répond efficacement au compromis critique coût-QoS qui prévaut dans les déploiements basés sur le cloud. De plus, la solution s'aligne sur les normes d'architecture en boucle fermée ETSI Zero-Touch Service Management (ZSM), garantissant l'interopérabilité sur diverses platesformes.
En outre, la thèse examine les implications sur le compromis coût-QoS du mécanisme dit de « throttling » qui restreint l’accès au processeur sous certaines conditions. En conséquence la thèse est en mesure de proposer des améliorations à sa solution initiale, et de parvenir à un équilibre plus favorable entre coût et qualité de service. Les évaluations expérimentales démontrent que les stratégies de mise à l'échelle automatique introduites surpassent significativement les solutions existantes dans les environnements Kubernetes. Cette recherche fait non seulement progresser le domaine de la gestion des ressources dans les réseaux 5G natifs du cloud, mais fournit également des informations exploitables pour optimiser les performances et la rentabilité dans les applications du monde réel.