基于软件定义网络(software-defined networking, SDN)与网络功能虚拟化(network function virtualization,NFV)融合的云数据中心,面临用户差异化的服务需求,采用如基于虚拟机、容器等服务部署方式,以提升网络功能部署效率。而在云数据...
详细信息
基于软件定义网络(software-defined networking, SDN)与网络功能虚拟化(network function virtualization,NFV)融合的云数据中心,面临用户差异化的服务需求,采用如基于虚拟机、容器等服务部署方式,以提升网络功能部署效率。而在云数据中心中,网络功能的按需组合即服务功能链(service function chain, SFC),呈现一些新特征如状态多维、故障样本不均衡等,导致检测精度低的问题。因此,为解决该难题,提出了一种基于控制平面、数据平面与智能推理平面的故障检测架构,数据平面采集网络状态,控制平面采集计算、存储等资源,智能推理平面采用基于大语言模型算法(the algorithm based on FLAN-T5 for failure detection, FTFD)对采集的故障样本进行分类。搭建了7个交换节点和1个控制节点的原型系统,实验结果表明,与现有故障检测算法相比,所提算法FTFD的故障检测精确率达到了99.87%,分类错误率至少降低了90%。
暂无评论