Computer Science / Networking and Internet Architecture

'Computer Science / Networking and Internet Architecture' 카테고리의 모든 글

총 6개의 글
시간순 정렬
초고속 인터커넥트에서의 네트워크 혼잡 연구

초고속 인터커넥트에서의 네트워크 혼잡 연구

고속 인터커넥트에서의 네트워크 혼잡은 애플리케이션 실행 시간 성능 변화의 주요 원인이 됩니다. 최근 몇 년 동안 학계와 산업계는 네트워크 수준과 시스템 수준의 애플리케이션 배치, 매핑 및 스케줄링에 대한 혁신적인 접근 방식 개발에 큰 관심을 보여 왔습니다. 그러나 이러한 연구들은 실제 고속 인터커넥트 혼잡 특성을 대표하지 못하는 프록시 애플리케이션과 벤치마크를 기반으로 하고 있습니다. 이 간극을 해소하기 위해, 우리는 (a) 장기적인 현장 혼잡 캐릭터라이제이션 연구를 지원하기 위한 모니터링 및 분석용 엔드-투-엔드 프레임워크와 (b) 두 가지 다른 인터커넥트 기술을 사용한 페타스케일 시스템에서의 네트워크 혼잡에 대한 경험이라는 두 가지를 제시합니다 (i) 3-D 토러스 위상을 사용하는 Cray Gemini, (ii) DragonFly 위상을 사용하는 Cray Aries.

paper AI 요약
지연 없음 네트워크 지연에 기반한 애플리케이션 성능 인식 클러스터 스케줄링

지연 없음 네트워크 지연에 기반한 애플리케이션 성능 인식 클러스터 스케줄링

데이터 센터에서 관찰되는 네트워크 지연의 변동성으로 인해 애플리케이션의 성능은 데이터 센터 내에서의 위치에 의해 결정됩니다. 우리는 NoMora라는 클러스터 스케줄링 아키텍처를 제시합니다. 이 아키텍처의 핵심은 네트워크 지연을 기반으로 한, 애플리케이션 성능을 고려하는 클러스터 스케줄링 정책입니다. 이 정책은 데이터 센터 내에서 호스트 간 측정된 네트워크 지연에 근거한 예상 성능을 반영하여 애플리케이션의 작업을 배치합니다. 또한, 테넌트의 애플리케이션이 높은 네트워크 지연으로 인해 성능이 저하되면 더 나은 위치로 이동시킬 수 있습니다. 초기 결과는 우리의 정책이 전체 평균 애플리케이션 성능을 최대 13.4% 향상시키며, 사전 중단(preemption)이 활성화된 경우 최대 42%까지 향상시킬 수 있음을 보여줍니다. 이는 Google 클러스터 작업 부하에 대해 무작위 정책에 비해 작업 배치 지연을 1.79배로, 중앙값 알고리즘 실행 시간을 1.16배로 개선했습니다. 이는 애플리케이션 성능을 향상시키기 위해 네트워크 지연과 애플리케이션 성능 간의 관계를 활용하고 데이터 센터에서의 현재 네트워크 상태를 고려하면서, 저지연 클러스터 스케줄링의 요구사항을 충족시키는 것을 보여줍니다.

paper AI 요약
모바일 엣지 클라우드에서 리소스 공유를 위한 게임 이론적 프레임워크 함께 나눠보자

모바일 엣지 클라우드에서 리소스 공유를 위한 게임 이론적 프레임워크 함께 나눠보자

이 논문은 모바일 에지 컴퓨팅을 통해 다양한 지연 민감도가 있는 애플리케이션에 자원을 제공하는 것을 목표로 합니다. 이는 어려운 문제입니다. 왜냐하면, 에지 클라우드 서비스 제공자는 모든 요청된 자원을 충족할 수 있을 만큼의 충분한 자원을 보유하지 못할 수도 있기 때문입니다. 또한, 다양한 애플리케이션에 있는 사용 가능한 자원을 최적화하는 것도 어렵습니다. 다른 에지 클라우드 서비스 제공자들 간의 자원 공유는 위와 같은 한계를 해결할 수 있습니다. 특정 서비스 제공자는 다른 서비스 제공자가 빌릴 수 있는 자원을 보유하고 있을 수 있기 때문입니다. 그러나, 에지 클라우드 서비스 제공자는 서로 다른 목표나 *이용성*을 가질 수 있습니다. 따라서, 각 서비스 제공자의 다양한 목적을 고려하여 효율적이고 효과적인 자원 공유 메커니즘이 필요합니다. 우리는 이 문제를 다목적 최적화 문제로 모델링하고 *협력 게임 이론*(CGT)에 기반한 해결 프레임워크를 제시합니다. 각 서비스 제공자가 먼저 자체 애플리케이션에 자원을 할당한 후, 나머지 자원을 다른 서비스 제공자들의 애플리케이션과 공유하는 전략을 고려하였습니다. 우리는 단조 증가하는 이용성 함수에 대해 게임이 캐논이고 볼록하다는 것을 입증하였습니다. 따라서, *코어*는 빈 집합이 아니며, 그랜드 컨소시엄은 안정적입니다. 또한, 우리가 제안한 두 가지 알고리즘인 *게임 이론 기반 파레토 최적 할당*(GPOA)과 *폴리안드리-폴리가모스 매칭 기반 파레토 최적 할당*(PPMPOA)은 코어에서 할당을 제공합니다. 따라서, 얻어진 할당은 *파레토* 최적이고 모든 서비스 제공자들이 참여하는 그랜드 컨소시엄은 안정적입니다. 실험 결과는 제안한 자원 공유 프레임워크가 에지 클라우드 서비스 제공자의 이용성을 향상시키고 애플리케이션 요청 충족을 개선한다는 것을 확인하였습니다.

paper AI 요약
마에스트로 테스팅, 신뢰성 및 가시성을 위한 다중 에이전트 평가 도구

마에스트로 테스팅, 신뢰성 및 가시성을 위한 다중 에이전트 평가 도구

(LLM 기반 다중 에이전트 시스템(MAS)은 다양한 작업을 처리할 수 있으며, 이로 인해 시스템 부하와 실행 동작에 대한 불확실성이 증가한다. 본 논문에서는 MAS의 복잡한 실행 특성을 체계적으로 분석하기 위한 벤치마크인 MAESTRO를 제안하며, 이를 통해 시스템 최적화 및 연구 개발을 돕는다.)

paper AI 요약
보안 통신의 새로운 시대 의미 정보 보호

보안 통신의 새로운 시대 의미 정보 보호

의미 통신은 메시지 복원에만 집중하는 대신 작업 관련 의미를 전달함으로써 차세대 무선 시스템에서 대역폭 효율성과 견고성을 향상시키지만, 학습된 의미 표현이 여전히 예기치 않은 수신자(espionage)에게 민감한 정보를 유출할 가능성이 있습니다. 이 논문은 다수의 수신자 작업을 지원하면서 동시에 esponeage에 대한 의미 유출을 명시적으로 제한하는 딥러닝 기반 의미 통신 프레임워크를 제시합니다. 정당한 링크는 전송기에서 학습된 인코더를 사용하며, 수신기는 의미 추론과 데이터 복원을 위한 디코더를 훈련합니다. 보안 문제는 반복적 최소-최대 최적화를 통해 구성되며, 여기서 esponeage는 의미 추론을 개선하기 위해 훈련되고 정당한 송신자-수신자 쌍은 임무 성능 유지하에 esponeage의 성공률을 줄이기 위해 훈련됩니다. 또한 전송된 파형 위에 협력적이고 적대적으로 구상된 변동을 겹치는 보조 레이어를 도입하여 esponeage에게 의미 유출을 저하시키도록 합니다. 성능은 MNIST와 CIFAR-10 데이터셋을 사용한 가우시안 잡음과 Rayleigh 침식 채널에서 평가됩니다. 잠재 차원이 증가함에 따라 의미 정확도와 복원 품질이 향상되며, 최소-최대 메커니즘은 정당한 수신자의 성능을 저하시키지 않고 esponeage의 추론 성능을 크게 감소시킵니다. 이 보조 레이어는 정당한 링크가 자신의 임무만을 위해 훈련된 경우에도 의미 유출을 줄이는 데 성공합니다. 이 포괄적인 프레임워크는 적응적 대상자에 대한 조절 가능한 종단간 사생활 보호를 갖춘 의미 통신 설계를 촉구하며 실제 무선 환경에서의 사용을 모티베이트하고 있습니다.

paper AI 요약
챗봇으로 최적화된 가상 네트워크 관리

챗봇으로 최적화된 가상 네트워크 관리

본 논문은 자연어 처리(NLP)를 최적화 기반 가상 네트워크 할당과 통합한 채팅 주도의 네트워크 관리 프레임워크를 제안합니다. 이는 직관적이고 신뢰할 수 있는 가상 네트워크 서비스 재구성을 가능하게 합니다. 기존 의도 기반 네트워킹(IBN) 방법은 사용자의 의도 해석을 위해 통계 언어 모델에 의존하지만, 생성된 설정의 타당성 보장을 할 수 없습니다. 이를 극복하기 위해Interpreter와 Optimizer로 구성된 두 단계 프레임워크를 개발하였습니다. Interpreter는 NLP를 활용해 자연어 프롬프트로부터 의도를 추출하고, Optimizer는 정수 선형 계획법을 통해 타당한 가상 머신(VM) 배치와 라우팅을 계산합니다. 특히 Interpreter는 사용자 채팅을 업데이트 방향으로 번역하여 CPU 요구량과 지연 상한 등 매개변수를 증가시키거나 감소시키거나 유지할지 결정함으로써 네트워크 설정의 반복적 정교화를 가능하게 합니다. 본 논문에서는 SVM 분류기와 Sentence-BERT 모델, 대형 언어 모델(LLM)을 포함한 두 개의 의도 추출기를 소개합니다. 단일 사용자 및 다중 사용자 환경에서의 실험 결과는 프레임워크가 타당성을 유지하면서 VM 배치와 라우팅을 동적으로 업데이트할 수 있음을 보여줍니다. LLM 기반 추출기는 적은 양의 레이블된 샘플로 더 높은 정확도를 달성하며, Sentence-BERT와 SVM 분류기 조합은 실시간 운영에 적합한 상당히 낮은 지연을 제공합니다. 이러한 결과들은 안전하고 해석 가능하며 사용자 친화적인 가상 네트워크 관리를 위해 NLP 기반 의도 추출과 최적화 기반 할당의 결합이 효과적임을 강조합니다.

paper AI 요약

< 분야별 논문 현황 (Total: 566) >

Astrophysics
1
Computer Science
581
Condensed Matter
2
Economics
17
Electrical Engineering and Systems Science
38
Mathematics
19
Physics
10
Quantitative Biology
6
Quantitative Finance
4
Quantum Physics
5
Statistics
20

검색 시작

검색어를 입력하세요

↑↓
↵
ESC
⌘K 단축키