Towards AI-based Network Programmability as an enabler for Zero-touch management and orchestration in B5G infrastructures

Resumen

La llegada de las redes de próxima generación (NGNs) exige una mayor flexibilidad y automatización en las infraestructuras de comunicaciones. La integración de la inteligencia artificial (IA) permitirá alcanzar mayores velocidades y menor latencia, requisitos clave para la aparición de servicios disruptivos en diversos sectores. La proliferación de tecnologías de virtualización en estas áreas plantea desafíos de interoperabilidad que las funciones de gestión y orquestación basadas en IA pueden resolver mediante la automatización de la toma de decisiones. La evolución de las funciones de red basadas en IA permitirá la orquestación predictiva, optimizando la gestión del tráfico, la ubicación de recursos y la configuración de servicios. Esto conducirá a la gestión zero-touch (ZSM), minimizando la intervención humana y maximizando la eficiencia de la red. Además, se espera que las arquitecturas tradicionales de red y computación converjan en un continuo de computación que abarque desde la nube hasta los dispositivos finales. Esto democratizará el uso de recursos, aumentará la capacidad de respuesta y reducirá la latencia. Para avanzar en el estado del arte y hacer frente a estos retos, el objetivo principal de esta tesis es explorar las necesidades actuales de las NGNs para adoptar capacidades ZSM plenamente funcionales. Se pretende proporcionar la integración de diferentes tecnologías que permitan la gestión rápida del plano de datos, por ejemplo, el procesamiento eficiente de paquetes, dirigido por funciones de red basadas en IA que permitan la gestión autónoma de la red en tiempo real. Para alcanzar dichos objetivos, el trabajo se dividió en diferentes líneas de investigación que convergen para componer esta tesis doctoral. En primer lugar, hubo una fase de búsqueda y estudio, en la que se revisó la literatura para conocer en profundidad el estado del arte de ZSM, ML aplicado a redes de comunicaciones, actividades de estandarización y proyectos de investigación enfocados en NGNs. Una vez hecho esto, se exploraron y examinaron las herramientas y tecnologías más utilizadas en estas áreas, con el fin de seleccionar las más adecuadas para lograr la reprogramabilidad inteligente de la red en escenarios ZSM. eBPF fue la tecnología de procesamiento de paquetes seleccionada tras compararla experimentalmente con P4. eBPF demostró que es una solución flexible, sencilla y rentable que puede desplegarse en múltiples escenarios sin requisitos de hardware prohibitivos. Al utilizar eBPF como tecnología de procesamiento de tráfico, la siguiente etapa consistió en seleccionar los algoritmos de ML adecuados para analizar el tráfico y reaccionar automáticamente ante cambios, interrupciones o amenazas en la red. La revisión de la literatura inicial reveló que las redes neuronales son uno de los pilares fundamentales para permitir la toma de decisiones inteligentes en entornos ZSM. De este modo, se realizó un desarrollo para combinar el procesamiento de paquetes en eBPF con redes neuronales para obtener capacidades de gestión y control de la red habilitadas por ML. Como resultado, se integró en el kernel de Linux un pipeline de manejo de paquetes basado ML, acelerando así la ejecución eficiente de algoritmos de IA. Para validar la implementación desarrollada, se exploró un caso de uso real, en el que la solución procesaba el tráfico en vivo mientras se utilizaba una red neuronal para detectar ataques. Finalmente, con todo el conocimiento adquirido durante el desarrollo de estas líneas de investigación, se realizó un ejercicio final para concebir los aspectos clave que impulsarán el diseño de las futuras infraestructuras 6G. El exigente y desafiante vertical vehicular fue estudiado desde el punto de vista de sus futuras aplicaciones y servicios para explorar cómo estas darán forma a la definición y despliegues de redes 6G