Dissertations / Theses on the topic 'Découpage du réseau dans la 5G'

Au cours des dernières décennies, la croissance des statistiques d’utilisation de réseau exige une technologique évolutive. Une question naturelle surgit dans nos esprits: que sera la 5G? Pour répondre à cette question, l’architecture 5G doit être conçue avec un certain niveau de flexibilité via l’intégration des principes de softwarization et virtualisation. Le réseau peut être utilisé de manière efficace et indépendante via la création de plusieurs espaces séparées logiquement, appelés tranches de réseau. De plus, chaque réseau logique peut déployer ses fonctions de réseau dans un environnement de nuage avec la flexibilité d’exécution. À cette fin, l’objectif de cette thèse est d’étudier ces deux techniques: (a) C-RAN et (b) découpage de RAN. Dans la première partie, nous étudions C-RAN, dans lequel les stations de base monolithiques sont remplacées par (1) les éléments radio distribués et (2) les pools centralisés pour des unités de traitement en bande de base. Le concept C-RAN est toujours confronté à des exigences sévères en matière de capacité et de latence de l’interface fronthaul qui connecte l’unité de radio distante distribuée à l’unité de traitement en bande de base centralisée. Dans la deuxième partie, nous nous concentrons sur le découpage RAN non seulement pour permettre des différents niveaux d’isolation et de partage à chaque tranche de réseau, mais également pour customiser le plan de contrôle, le plan utilisateur et la logique de contrôle de réseau virtualisé. Par conséquent, nous proposons un environnement d’exécution flexible pour le système de slicing, nommé «RAN Runtime» pour héberger les instances de service sur chacun des modules RAN sous-jacents
Over the past few decades, the continuing growth of network statistics requires a constantly evolving technology. Therefore, a natural question arises in our minds: what will 5G be? To answer this question, the 5G architecture must be designed with a certain level of flexibility through the integration of softwarization and virtualization principles. Therefore, we can see that 5G will provide a paradigm shift beyond radio access technology in order to establish an agile and sophisticated communication system. The network can be used efficiently and independently by creating multiple logically separated spaces, called network slices. In addition, each logical network can deploy its network functions in a flexible cloud environment. To this end, the goal of this thesis is to study these two techniques: (a) Cloud-RAN and (b) RAN splitting. In the first part, our focus is on the C-RAN concept, in which monolithic base stations are replaced by (1) distributed radio elements and (2) centralized pools for baseband processing units. The C-RAN notion is still confronted with stringent capacity and latency requirements of the fronthaul interface that connects the distributed remote radio unit to the centralized baseband processing unit. In the second part, we focus on RAN cutting not only to allow different levels of isolation and sharing at each slice of network, but also to customize the control plane, user plane and control logic. Therefore, we provide a flexible runtime environment for the "RAN Runtime" slicing system to host service instances on each of the underlying RAN modules

Les architectures de réseaux sans fil actuelles, de type « une taille pour tous », ne peuvent pas prendre en charge ces critères de services hétérogènes de nouvelle génération 5G. Par conséquent, la recherche autour de la 5G vise à fournir des architectures et des mécanismes plus adéquats pour répondre à ce besoin. L'architecture 5G est conçue pour répondre aux exigences variées et contradictoires des services, en termes de latence, de bande passante et de fiabilité, qui ne peuvent être assurées par la même infrastructure du réseau. Dans ce contexte, le découpage du réseau fourni par la virtualisation du réseau permet de diviser l'infrastructure en différentes tranches, chaque tranche est adaptée aux besoins spécifiques des services, où elle permet à différents services (comme l'automobile, l'Internet des objets...) d'être fournis par différentes instances de la tranche du réseau. Les chercheurs ont défini trois grandes classes de services de découpage en réseau, qui sont: enhanced Mobile BroadBand (eMBB), massive Machine Type Communication (mMTC), and ultra-Reliable and Low-Latency Communication (uRLLC). L'un des principaux défis du déploiement des tranches de réseau est le découpage du réseau d'accès radio (RAN). En effet, la gestion des ressources RAN et leur partage entre les tranches de réseau est une tâche particulièrement difficile. Cette thèse propose des solutions qui visent à améliorer les performances du réseau et d'introduire de la flexibilité et une plus grande utilisation des ressources du réseau, en fournissant de manière précise et dynamique aux tranches de réseau activées les quantités de ressources appropriées pour répondre à leurs divers besoins
The current architecture “one size fits all” of 4G network cannot support the next-generation 5G heterogeneous services criteria. Therefore, research around 5G aims to provide more adequate architectures and mechanisms to deal with this purpose. The 5G architecture is envisioned to accommodate the diverse and conflicting demands of services in terms of latency, bandwidth, and reliability, which cannot be sustained by the same network infrastructure. In this context, network slicing provided by network virtualization allows the infrastructure to be divided into different slices. Each slice is tailored to meet specific service requirements allowing different services (such as automotive, Internet of Things, etc.) to be provided by different network slice instances. Each of these instances consists of a set of virtual network functions that run on the same infrastructure with specially adapted orchestration. Three main service classes of network slicing have been defined by the researchers as follows: Enhanced Mobile Broadband (eMBB), massive Machine Type Communication (mMTC), and ultra-Reliable and Low-Latency Communication (uRLLC). One of the main challenges when it comes to deploying Network Slices is slicing the Radio Access Network (RAN). Indeed, managing RAN resources and sharing them among Network Slices is an increasingly difficult task, which needs to be properly designed. This thesis proposes solutions that aim to improve network performance, and introduce flexibility and greater utilization of network resources by accurately and dynamically provisioning the activated network slices with the appropriate amounts of resources to meet their diverse requirements

Les réseaux fixes et mobiles font face à une croissance dramatique du trafic de données, qui est principalement due à la distribution de contenus vidéo. Les opérateurs Télécoms envisagent donc de décentraliser la distribution de contenus dans les futures architectures convergées fixe-mobile (FMC). Cette décentralisation, conjointement au déploiement d'un cœur de réseau mobile distribué, sera un élément majeur des futurs réseaux 5G. L'approche SIPTO définie par 3GPP permet déjà le délestage sur le réseau fixe du trafic mobile, et pourra donc être utilisée en 5G. SIPTO s'appuie sur la distribution des passerelles de données (PGW) qui permet ainsi de décharger le cœur du réseau mobile actuel. Cependant, dans certains cas de mobilité des usagers, SIPTO ne supporte pas la continuité de session, quand il est nécessaire de changer de PGW, donc de modifier l'adresse IP du terminal. Cette thèse commence par quantifier le gain apporté par le délestage du trafic mobile en termes de capacité requise pour différentes portions du réseau. Un état de l'art des différentes solutions de délestage du trafic de données mobiles est fourni, démontrant qu'aucune des solutions existantes ne supporte la continuité de service pour les sessions de longue durée. C'est pourquoi, cette thèse propose des solutions pour supporter une mobilité transparente ; ces solutions s'appuient à la fois sur SIPTO et sur le protocole MultiPath TCP (MPTCP). Les protocoles du 3GPP sont inchangés car la continuité est maintenue par les extrémités. Enfin, ces solutions sont appliquées aux différentes implémentations d'architectures FMC envisagées à ce jour
Fixed and mobile networks are currently experiencing a dramatic growth in terms of data traffic, mainly driven by video content distribution. Telecoms operators are thus considering de-centralizing content distribution architecture for future Fixed and Mobile Converged (FMC) network architectures. This decentralization, together with a distributed mobile EPC, would be used for future 5G networks. Mobile data offloading, in particular SIPTO approaches, already represent a good implementation model for 5G network as it allows the use of distributed IP edges to offload Selected IP traffic off the currently centralized mobile core network. However, in some cases, SIPTO does not support session continuity during users' mobility. This is due to the fact that user's mobility may imply packet gateway (PGW) relocation and thus a modification of the UE's IP address.This PhD thesis first quantifies the gain, in terms of bandwidth demands on various network portions, brought by the generalized use of mobile traffic offloading. A state of art of existing mobile data offloading solutions is presented, showing that none of the existing solutions solve the problem of session continuity for long-lived sessions. This is why, in the context of future FMC mobile network architectures, the PhD thesis proposes solutions to provide seamless mobility for users relying on SIPTO with the help of Multipath TCP (MPTCP). 3GPP standards are not modified, as session continuity is ensured by end-points. Lastly, the proposed solutions are mapped on different architecture options considered for future FMC networks

Le réseau d’accès radio (RAN) 5G vise à faire évoluer de nouvelles technologies couvrant l’infrastructure Cloud, les techniques de virtualisation et le réseau défini par logiciel (SDN). Des solutions avancées sont introduites pour répartir les fonctions du réseau d’accès radio entre des emplacements centralisés et distribués (découpage fonctionnel) afin d’améliorer la flexibilité du RAN. Cependant, l’une des préoccupations majeures est d’allouer efficacement les ressources RAN, tout en prenant en compte les exigences hétérogènes des services 5G. Dans cette thèse, nous abordons la problématique du provisionnement des ressources Cloud RAN centré sur l’utilisateur (appelé tranche d’utilisateurs ). Nous adoptons un déploiement flexible du découpage fonctionnel. Notre recherche vise à répondre conjointement aux besoins des utilisateurs finaux, tout en minimisant le coût de déploiement. Pour surmonter la grande complexité impliquée, nous proposons d’abord une nouvelle implémentation d’une architecture Cloud RAN, permettant le déploiement à la demande des ressources, désignée par AgilRAN. Deuxièmement, nous considérons le sous-problème de placement des fonctions de réseau et proposons une nouvelle stratégie de sélection de découpage fonctionnel centrée sur l’utilisateur nommée SPLIT-HPSO. Troisièmement, nous intégrons l’allocation des ressources radio. Pour ce faire, nous proposons une nouvelle heuristique appelée E2E-USA. Dans la quatrième étape, nous envisageons une approche basée sur l’apprentissage en profondeur pour proposer un schéma d’allocation temps réel des tranches d’utilisateurs, appelé DL-USA. Les résultats obtenus prouvent l’efficacité de nos stratégies proposées
5G Radio Access Network (RAN) aims to evolve new technologies spanning the Cloud infrastructure, virtualization techniques and Software Defined Network capabilities. Advanced solutions are introduced to split the RAN functions between centralized and distributed locations to improve the RAN flexibility. However, one of the major concerns is to efficiently allocate RAN resources, while supporting heterogeneous 5G service requirements. In this thesis, we address the problematic of the user-centric RAN slice provisioning, within a Cloud RAN infrastructure enabling flexible functional splits. Our research aims to jointly meet the end users’ requirements, while minimizing the deployment cost. The problem is NP-hard. To overcome the great complexity involved, we propose a number of heuristic provisioning strategies and we tackle the problem on four stages. First, we propose a new implementation of a cost efficient C-RAN architecture, enabling on-demand deployment of RAN resources, denoted by AgilRAN. Second, we consider the network function placement sub-problem and propound a new scalable user-centric functional split selection strategy named SPLIT-HPSO. Third, we integrate the radio resource allocation scheme in the functional split selection optimization approach. To do so, we propose a new heuristic based on Swarm Particle Optimization and Dijkstra approaches, so called E2E-USA. In the fourth stage, we consider a deep learning based approach for user-centric RAN Slice Allocation scheme, so called DL-USA, to operate in real-time. The results obtained prove the efficiency of our proposed strategies

Avec la prolifération des appareils mobiles, la mobilité devient une exigence et une caractéristique incontournable pour 5G. Cependant, en dépit des efforts pour permettre la mobilité dans le réseau IP, les solutions sont anchor-basées et inefficaces. Dans ce contexte, le réseau centré sur l'information (ICN) est proposé. Alors que ICN soutient mieux la mobilité, certains défis restent sans solution pour une mobilité transparente. La thèse explore trois défis de ce type et propose solutions efficaces. Tout d'abord, pour résoudre la mobilité des producteurs, MapMe, un protocole de gestion de micro mobilité compatible avec trafics latence-sensibles est proposée. MAP-Me est sans anchor et préserve les avantages de l'ICN. Les résultats de simulation montrent que MAP-Me surpasse les autres solutions en matière de performances client tout en gardant bas les frais de réseau sur diverses conditions réseau. En plus, nous étudions la sécurité de mobilité des producteurs. Nous nous concentrons sur l'attaque de préfixe hijacking, qui est à la base de plusieurs attaques. Pour éviter cette attaque, nous proposons un protocole léger et distribué basé sur hash-chaining. Les premiers résultats montrent une amélioration significative des frais de vérification. Enfin, il faut d'autres mécanismes dans la couche transport pour ICN mobile. Nous proposons WLDR et MLDR pour la détection et la récupération des pertes dans le réseau afin de faciliter le contrôle de la congestion. Les résultats de simulation montrent une réduction significative du temps d'écoulement (jusqu'à 20%)
With the proliferation of mobile devices, mobility becomes a requirement and a compelling feature for 5G. However, despite tremendous efforts in the last 2 decades to enable mobility in IP network, the solutions are mostly anchor-based and inefficient. In this context, Information-Centric networking (ICN) is proposed. While ICN has some native support of mobility, other architectural challenges remain unsolved to achieve seamless mobility. The thesis explores 3 main challenges of such and contributes novel solutions. First, to solve producer mobility, MapMe, a micro mobility management protocol supporting latency sensitive traffic is proposed. MAP-Me is anchorless and preserves key ICN benefits. Simulation results show that MAP-Me outperforms existing work in user performance while retaining low network overheads in various network conditions. Second, we investigate security in producer mobility. We focus on prefix hijacking attack, which is a basis of several attacks. To prevent prefix hijacking, we propose a light-weight and distributed prefix attestation protocol based on hash-chaining. First results show significant improvement in verification overhead. It is resistant to replay-based prefix hijacking. Finally, additional transport-layer mechanisms are needed in mobile ICN. To this aim, we investigate alleviating the adverse effect of wireless/mobility loss on congestion control. We propose WLDR and MLDR for in-network loss detection and recovery to facilitate congestion control. Simulation results show a significant reduction in flow completion time (up to 20%)

L'augmentation du nombre d'utilisateurs des réseaux sans-fil et la diversification de leurs usages amène à faire évoluer les méthodes de gestion des ressources. Cette thèse porte sur les techniques d'allocation des ressources dans les réseaux de 5G. Dans le contexte des systèmes classiques de réseaux sans-fil, nous proposons un algorithme d'allocation de ressources dont l'objectif est de garantir équitablement le meilleur service aux utilisateurs. Lorsque la charge de la cellule est suffisamment faible pour garantir un service suffisant, l'algorithme réoriente dynamiquement ses priorités vers l'économie d'énergie. Ce comportement permet un compromis efficace entre la capacité et la consommation énergétique à différents niveaux de charge. Afin d'étendre la capacité des réseaux, l'ajout de nouvelles cellules permet d'élargir la bande passante et de réduire l'atténuation du signal liée à la distance. Nous présentons un algorithme de répartition des utilisateurs dans un contexte multi-cellulaire qui intervient avant l'étape d'allocation de ressources. Cette répartition aura de fortes répercussions sur l'équilibre des charges des cellules et sur la qualité de service générale du système. Le nombre de cellules dans un secteur est limité par sa géographie. Le Massive-MIMO permet d'accroître les fonctionnalités des cellules en permettant une directivité de l’énergie et ainsi ajoute la composante spatiale à l'allocation de ressources. Nous proposons un nouvel indicateur de compatibilité spatiale des utilisateurs en se basant sur les allocations passées. Une fois intégré dans un algorithme d'allocation, il profite des capacités supérieures du Massive-MIMO
The increasing number of wireless network users and the diversification of their usage call for an evolution of the resource management methods. This thesis is based on 5G resource allocation techniques. In regular wireless networks, cells are managed independently. In this context, we propose a resource allocation algorithm with the aim of fairly guaranteeing the best service to users. When the cell charge is low enough to guarantee a sufficient quality of service, the algorithm redirects dynamically its priorities towards energy saving. This behavior allows to obtain an efficient compromise between capacity and energy consumption at different charge levels. In order to extend network capacity, the adding of new cells allows to broaden the available bandwidth and to reduce the distance induced signal attenuation. We present an algorithm of user repartition in a multi-cell context, which intervenes before the resource allocation stage. A user can be covered by several cells using different frequencies, thus its repartition will have strong repercussions on the cell charge balance and on the general quality of service in the system. The maximal number of cells in a sector is limited by its geographical environment. The Massive-MIMO allows to increase the cell functionalities while allowing a better energy directivity, and thus adding the spatial component to the resource allocation. We propose a new indicator evaluating the spatial compatibility of users based on past allocations. Once integrated in an allocation algorithm, it takes advantage of the superior capacities of Massive-MIMO

Depuis 2016, il est bien connu que les réseaux mobiles dominent nos vies. Nous utilisons nos téléphones cellulaires pour presque tout: du réseautage social au streaming, à la recherche de logement ou pour les transactions bancaires. Néanmoins, il semble que les opérateurs ne comprennent pas cette domination, puisque leurs réseaux sont constitués de nœuds qui: (i) subissent d'énormes fluctuations de charge, (ii) gaspillent leurs ressources, et (iii) sont accusés d'être tueurs d'énergie majeurs. Ces inconvénients nuisent à load-balancing, efficacité spectrale et énergétique, respectivement. L'objectif de cette dissertation est d'étudier attentivement ces gains d'efficacité et d'établir un bon “trade off” entre eux pour les futurs réseaux hétérogènes 5G mobiles. Dans cette direction, nous nous concentrons tout d'abord sur (i) l'utilisateur et la différenciation du trafic, émergeant des applications de type MTC et IoT, et (ii) du RAN. Plus précisément, nous réalisons une modélisation, une analyse de performance et une optimisation appropriées pour une famille d'objectifs, en utilisant des outils provenant principalement de l'optimisation (non) convexe, de la probabilité et de la théorie des files d'attente. Après, nous soulignons que l'optimisation des fonctionnalités RAN, suivie d'un formidable « capacity crunch », posent de sérieuses contraintes dans le réseau de backhaul en le faisant apparaître comme un goulet d'étranglement de performance. Ainsi, nous incluons (iii) dans notre cadre: des contraintes de capacité de liaison de backhaul dans des topologies génériques. Enfin, nous considérons le problème de l'allocation TDD dans les réseaux d'accès et de backhaul
By 2016, it is well-known that mobile networking has dominated our lives. We use our mobile cell phones for almost everything: from social networking to streaming, finding accommodation or banking. Nevertheless, it seems that operators have not understood yet this domination, since their networks consist of nodes that: (i) suffer from enormous load fluctuations, (ii) waste their resources, and (iii) are blamed to be a major energy-killer worldwide. Such shortcomings hurt: load-balancing, spectral and energy efficiency, respectively. The goal of this dissertation is to carefully study these efficiencies and achieve a good trade-off between them for future mobile 5G heterogeneous networks (HetNets). Towards this direction, we firstly focus on (i) the user and traffic differentiation, emerging from the MTC and IoT applications, and (ii) the RAN. Specifically, we perform appropriate modeling, performance analysis and optimization for a family of objectives, using tools mostly coming from (non) convex optimization, probability and queueing theory. Our initial consideration is on network-layer optimizations (e.g. studying the user association problem). Then, we analytically show that cross-layer optimization is key for the success of future HetNets, as one needs to jointly study other problems coming from the layers below (e.g. the TDD allocation problem from the MAC, or the cross-interference management from the PHY) to avoid performance degradation. Finally, we add the backhaul network into our framework, and consider additional constraints related to the backhaul capacity, backhaul topology, as well as the problem of backhaul TDD allocation

Vehicle to Everything (V2X), y compris véhicule à véhicule (V2V) et véhicule à infrastructure (V2I), est la base de communications véhiculaires, où Les messages de sécurité routière active, d’infotainment et de gestion du trafic sont transmis sur des liaisons à bande passante élevée, à faible temps de latence et à haute fiabilité, ouvrant ainsi la voie à une conduite totalement autonome. L’objectif ultime des systèmes de communication V2X de la prochaine génération est de permettre une conduite coopérative sans accident. Pour atteindre cet objectif, le système de communication devra permettre un ensemble diversifié de cas d'usage, chacun avec un ensemble spécifique d'exigences. L'analyse des exigences relatives aux principales catégories de cas d’usage, en particulier les applications de temps réel critiques, souligne la nécessité d'une conception de système V2X efficace, capable de fournir les performances du réseau. La technologie de cinquième génération (5G), avec sa Qualité de Service (QoS) fournie en termes de capacité élevée et de faible temps de latence, est préconisée comme solution pour faire face aux exigences strictes imposées par les applications V2X.Dans cet écosystème 5G véhiculaire, diverses technologies de communication sont envisagés, allant des communications IEEE 802.11p, LTE, LTE-V aux Visible Light Communications. Par conséquent, l’hétérogénéité des technologies d’accès radio suscitera des inquiétudes quant à la gestion transparente de la mobilité et à la garantie de qualité de service.Cette thèse propose un nouveau système de gestion de la mobilité conçu pour les réseaux de véhicules 5G, basé sur la technologie émergente SDN (Software Defined Networking). SDN offre une programmabilité réseau qui vise à obtenir une allocation efficace des ressources du réseau et une gestion de la mobilité.Notre travail de recherche vise trois objectifs. Dans un premier temps, nous concevons une architecture de réseau de véhicules. Au sommet de cette architecture, nous implémentons deux Applications SDN, à savoir application de sélection de réseau et gestion de la mobilité Application. L'architecture proposée est renforcée par une solution de placement de contrôleur visant à réduire le temps de latence des communications. De plus, une préoccupation particulière est consacrée à la conception d’une application de sécurité active de la route SDN contrôlant l’emplacement des capteurs de vitesse sur les routes. L’application proposée vise à réduire le taux d’accidents, objectif principal du futur système de transport intelligent.Le deuxième objectif de cette thèse aborde le problème de la gestion de la mobilité.Ceci est réalisé en implémentant des applications liées à la mobilité SDN au sommet de la topologie de réseau adoptée. La première application est dédiée à la résolution du problème de sélection du réseau. Son objectif est de mapper les sessions V2X en cours sur la technologie correspondante. La deuxième application est conçue pour résoudre le handover; ceci est réalisé en utilisant la duplication de paquets et en introduisant un algorithme de routage efficace.Le troisième objectif de la thèse est axé sur l’approvisionnement en qualité de service pour les communications V2X
Vehicle to everything (V2X), including vehicle-to-vehicle (V2V) and vehicle-to-infrastructure(V2I), is the umbrella for the vehicular communication system, where active road safety, infotainment and traffic management messages are transmitted over high-bandwidth, low-latency, high-reliability links, paving the way to fully autonomous driving. The ultimate objective of next generation V2X communication systems is enabling accident-free cooperative driving that uses the available roadway efficiently. To achieve this goal, the communication system will need to enable a diverse set of use cases, each with a specific set of requirements.The main use case categories requirements analysis, specifically the critical realtime applications, points out the need for an efficient V2X system design that could fulfill the network performance. The Fifth Generation (5G) technology, with its provisioned QoS features in terms of high capacity and low latency, is advocated as a prominent solution to cope with the firm requirements imposed by V2X applications.In this multifaceted vehicular 5G ecosystem, diverse communication technologies are envisioned, spanning from IEEE 802.11p, LTE, LTE-V to vehicular visible light communications. Therefore, the heterogeneity of radio access technologies will raise a concern regarding the seamless mobility management and the quality of service guarantee.This thesis provides a novel mobility management scheme devised for 5G vehicular networks based on the emerging Software Defined Networking (SDN) technology.SDN provides network programmability that strives to achieve an efficient network resource allocation and mobility management.Our research work tackles three objectives. At a first stage, we design a software defined vehicular network topology. On the top of this topology, we implement twoSDN applications, namely Network Selection Application and Mobility Management Application. The proposed architecture is enhanced by a controller placement solution that aims at reducing communication latency. Moreover, a special concern is devoted to design a SDN road active safety application that controls speed traps placement. The proposed application aims at reducing accidents rate which is a main purpose of future Intelligent Transportation System.The second objective of this thesis tackles the mobility management problem. This is achieved by implementing SDN mobility related applications on the top of the adopted network topology. The first application is dedicated to solve the network selection problem; it aims at mapping running V2X sessions to the corresponding technology. The second application is conceived to solve the handover procedure; this is achieved using packets duplication and introducing an efficient routing algorithm.The third thesis objective is focused on QoS provisioning for V2X communications

Avec la prolifération des appareils mobiles, la mobilité devient une exigence et une caractéristique incontournable pour 5G. Cependant, en dépit des efforts pour permettre la mobilité dans le réseau IP, les solutions sont anchor-basées et inefficaces. Dans ce contexte, le réseau centré sur l'information (ICN) est proposé. Alors que ICN soutient mieux la mobilité, certains défis restent sans solution pour une mobilité transparente. La thèse explore trois défis de ce type et propose solutions efficaces. Tout d'abord, pour résoudre la mobilité des producteurs, MapMe, un protocole de gestion de micro mobilité compatible avec trafics latence-sensibles est proposée. MAP-Me est sans anchor et préserve les avantages de l'ICN. Les résultats de simulation montrent que MAP-Me surpasse les autres solutions en matière de performances client tout en gardant bas les frais de réseau sur diverses conditions réseau. En plus, nous étudions la sécurité de mobilité des producteurs. Nous nous concentrons sur l'attaque de préfixe hijacking, qui est à la base de plusieurs attaques. Pour éviter cette attaque, nous proposons un protocole léger et distribué basé sur hash-chaining. Les premiers résultats montrent une amélioration significative des frais de vérification. Enfin, il faut d'autres mécanismes dans la couche transport pour ICN mobile. Nous proposons WLDR et MLDR pour la détection et la récupération des pertes dans le réseau afin de faciliter le contrôle de la congestion. Les résultats de simulation montrent une réduction significative du temps d'écoulement (jusqu'à 20%)
With the proliferation of mobile devices, mobility becomes a requirement and a compelling feature for 5G. However, despite tremendous efforts in the last 2 decades to enable mobility in IP network, the solutions are mostly anchor-based and inefficient. In this context, Information-Centric networking (ICN) is proposed. While ICN has some native support of mobility, other architectural challenges remain unsolved to achieve seamless mobility. The thesis explores 3 main challenges of such and contributes novel solutions. First, to solve producer mobility, MapMe, a micro mobility management protocol supporting latency sensitive traffic is proposed. MAP-Me is anchorless and preserves key ICN benefits. Simulation results show that MAP-Me outperforms existing work in user performance while retaining low network overheads in various network conditions. Second, we investigate security in producer mobility. We focus on prefix hijacking attack, which is a basis of several attacks. To prevent prefix hijacking, we propose a light-weight and distributed prefix attestation protocol based on hash-chaining. First results show significant improvement in verification overhead. It is resistant to replay-based prefix hijacking. Finally, additional transport-layer mechanisms are needed in mobile ICN. To this aim, we investigate alleviating the adverse effect of wireless/mobility loss on congestion control. We propose WLDR and MLDR for in-network loss detection and recovery to facilitate congestion control. Simulation results show a significant reduction in flow completion time (up to 20%)

La virtualisation des fonctions réseau (NFV) est le pilier fondateur de l'architecture 5G basée sur les services. La NFV a débuté en 2012, avec les fonctions de réseau virtuelles (VNF) basées sur les machines virtuelles (VM). Les conteneurs sont devenus une technologie alternative de conditionnement intéressante pour la virtualisation des fonctions réseau. Le conteneur est léger en termes de consommation de ressources ce qui améliore son temps d'instanciation. Outre les fonctions de réseau, la conteneurisation peut être un outil prometteur pour les applications multi-access edge computing (MEC) qui abritent des services exigeants à faible latence. La rareté des ressources à la périphérie du réseau exige des technologies qui utilisent efficacement les ressources de calcul, de stockage et de mise en réseau. La conteneurisation est censée être utilisée dans le cadre des principes fondamentaux de la conception d'applications cloud-native, une architecture basée sur des microservices à couplage lâche, d'une évolutivité à la demande et d'une résilience élevée. La flexibilité et l'agilité des conteneurs peuvent certainement profiter au découpage du réseau 5G en tranches,ces derniers reposent fortement sur NFV et MEC. Le concept de découpage du réseau permet de créer des réseaux logiques isolés au-dessus du même réseau physique. Une tranche de réseau peut avoir des fonctions de réseau dédiées, partagées entre plusieurs tranches. En effet, l'orchestration des tranches de réseau nécessite une interaction avec de multiples orchestrateurs de domaines technologiques: l'accès radio, le transport, le réseau central et l'informatique périphérique. Le changement de paradigme consistant à utiliser des principes de conception d'applications cloud-natives a créé des défis pour les systèmes d'orchestration existants et les normes NFV et MEC de l'ETSI. Ces derniers ont été conçus pour gérer des fonctions de réseau basées sur des machines virtuelles. Ils sont donc limités dans leur approche de la gestion d'une fonction de réseau cloud-native. Par le présent manuscrit, nous examinons les normes existantes de l'ETSI NFV, de l'ETSI MEC et des orchestrateurs de services/tranches de réseau, nous proposons de résoudre les défis liés à l'orchestration de tranches de réseau multi-domaines cloud-native. Pour cela, nous proposons tout d'abord un service d'information sur le réseau radio (RNIS) MEC qui a la capacité de fournir des informations radio au niveau de l'abonné dans un environnement NFV. Deuxièmement, nous fournissons un algorithme d'allocation et de placement dynamique des ressources (DRAP) pour placer les services réseau cloud-natives en tenant compte de leur matrice de coût et de disponibilité. Troisièmement, en combinant NFV, MEC et Network Slicing, nous proposons un nouveau mécanisme d'orchestration de tranches MEC (LeSO) pour surmonter les défis liés à l'orchestration de tranches MEC. Quatrièmement, le mécanisme proposé offre un modèle de déploiement de tranches de réseau qui permet de multiples possibilités de conception d'applications MEC. Ces possibilités ont été étudiées plus en détails pour comprendre l'impact de l'architecture de conception microservice sur la disponibilité et la latence de l'application. Enfin, tous ces travaux sont combinés pour proposer une nouvelle approche d'orchestration de tranches légères Cloud-native (CLiSO) étendant le précédant mécanisme d'orchestration de tranches légères de bord (LeSO). Cette nouvelle approche offre un modèle de tranche de réseau agnostique sur le plan technologique et orienté déploiement. La solution a été évaluée de manière approfondie en orchestrant les fonctions réseau du conteneur OpenAirInterface sur des plateformes de cloud public et privé. Les résultats expérimentaux montrent que la solution proposée a des empreintes de ressources plus faibles que les orchestrateurs existants et prend moins de temps pour orchestrer les tranches de réseau
Network Function Virtualization (NFV) is the founding pillar of 5G Service Based Architecture. It has the potential to revolutionize the future mobile communication generations. NFV started long back in 2012 with Virtual-Machine (VM) based Virtual Network Functions (VNFs). The use of VMs raised multiple questions because of the compatibility issues between VM hypervisors and their high resource consumption. This made containers to be an alternative network function packaging technology. The lightweight design of containers improves their instantiation time and resource footprints. Apart from network functions, containerization can be a promising enabler for Multi-access Edge Computing (MEC) applications that provides a home to low-latency demanding services. Edge computing is one of the key technology of the last decade, enabling several emerging services beyond 5G (e.g., autonomous driving, robotic networks, Augmented Reality (AR)) requiring high availability and low latency communications. The resource scarcity at the edge of the network requires technologies that efficiently utilize computational, storage, and networking resources. Containers' low-resource footprints make them suitable for designing MEC applications. Containerization is meant to be used in the framework of cloud-native application design fundamentals, loosely coupled microservices-based architecture, on-demand scalability, and high resilience. The flexibility and agility of containers can certainly benefit 5G Network Slicing that highly relies on NFV and MEC. The concept of Network slicing allows the creation of isolated logical networks on top of the same physical network. A network slice can have dedicated network functions or its network functions can be shared among multiple slices. Indeed, network slice orchestration requires interaction with multiple technological domain orchestrators, access, transport, core network, and edge computing. The paradigm shift of using cloud-native application design principles has created challenges for legacy orchestration systems and the ETSI NFV and MEC standards. They were designed for handling virtual machine-based network functions, restricting them in their approach to managing a cloud-native network function. The thesis examines the existing standards of ETSI NFV, ETSI MEC, and network service/slice orchestrators. Aiming to overcome the challenges around multi-domain cloud-native network slice orchestration. To reach the goal, the thesis first proposes MEC Radio Network Information Service (RNIS) that can provide radio information at the subscriber level in an NFV environment. Second, it provides a Dynamic Resource Allocation and Placement (DRAP) algorithm to place cloud-native network services considering their cost and availability matrix. Third, by combining NFV, MEC, and Network Slicing, the thesis proposes a novel Lightweight edge Slice Orchestration framework to overcome the challenges around edge slice orchestration. Fourth, the proposed framework offers an edge slice deployment template that allows multiple possibilities for designing MEC applications. These possibilities were further studied to understand the impact of the microservice design architecture on application availability and latency. Finally, all this work is combined to propose a novel Cloud-native Lightweight Slice Orchestration (CLiSO) framework extending the previously proposed Lightweight edge Slice Orchestration (LeSO) framework. In addition, the framework offers a technology-agnostic and deployment-oriented network slice template. The framework has been thoroughly evaluated via orchestrating OpenAirInterface container network functions on public and private cloud platforms. The experimental results show that the framework has lower resource footprints than existing orchestrators and takes less time to orchestrate network slices

Suite à l'augmentation continue du trafic de données mobiles, la technologie 5G a été introduite pour offrir une capacité et un débit de données plus élevé. Ceci impose de nouvelles méthodes pour renforcer les capacités comme l’intégration de petites cellules, ou ajouter des nouvelles fréquences sans licence, autour de 2.4 et 5 GHz des réseaux WiFi pour former les réseaux hétérogènes. Pour ces raisons, la coopération entre WiFi et 4G ou Long Term Evolution (LTE) est nécessaire. Dans cette thèse, différents algorithmes ont été proposés pour assurer une coopération optimale entre WiFi et 4G dans le chemin du système 5G pour les réseaux hétérogènes. Notre premier algorithme calcule la valeur de la charge des canaux de la couche physique du 802.11n. Ayant cette valeur, nous présentons notre second algorithme qui propose de dimensionner un réseau WiFi pour décharger le réseau 4G en transférant les utilisateurs, qui consomment le plus de débits de données, au réseau WiFi. Finalement, nous avons calculé le profit de la coopération entre WiFi et LTE en utilisant la valeur de Shapley
Following the continuous increase of the mobile data traffic, the 5G technology has been introduced to offer additional capacity and higher data rate. WiFi APs integration with mobile networks are considered as potential candidate towards the heterogenous networks. We first propose in this thesis an algorithm for the estimation of the WiFi physical channels load through the observation of the non-overlapped channels and estimating as a result the load of the entire physical channels. Then, in our second proposed algorithm, we propose to dimension the WiFi network to offload LTE network and transfer the users that consume the high level of transmission power. The algorithm calculates the minimum needed number of APs that will support the extra offloaded LTE traffic. Finally, we evaluate the benefit of the cooperation by estimating the profit share of LTE and WiFi. We calculate for each player the profit using a coalition game concept based on Shapley value

La formation de voies est une méthode de traitement du signal utilisée dans les réseaux d'antennes, permettant de favoriser certaines directions d'émission ou de réception des signaux par commande des différents éléments.Dans les réseaux de téléphonie mobile, elle peut permettre notamment de réduire l'interférence au niveau d'une station de base.Son implémentation entièrement numérique se heurte à des limitations de consommation énergétique et de coût quand on augmente le nombre d'antennes.En réponse à ces problèmes, l'implémentation hybride analogique-numérique peut être utilisée afin de réduire le nombre de chaînes radio-fréquences (RF) et de convertisseurs analogique-numérique.Dans cette implémentation, l'étage analogique peut être réalisé en utilisant différents types de dispositifs (déphaseurs, amplificateur/atténuateurs, impédances variables) et avec une connectivité variable avec le réseau d'antennes.Toutefois, si on souhaite garder une circuiterie RF simple en utilisant des déphaseurs uniquement (phase-only) afin de régler les poids du formateur de voies analogique, le problème d'optimisation de ces poids devient non-convexe.Les travaux actuels sur les réseaux de petites cellules montrent que l'interférence entre stations de base est un des facteurs limitant la couverture et le débit.De plus, dans une implémentation entièrement numérique, la présence de forts bloqueurs mène à la saturation ou à une désensibilisation des convertisseurs analogique-numérique.L'objet de ces travaux de thèse portent sur l'étude de la formation de voies avec une implémentation hybride phase-only, ainsi que de proposer un algorithme de calcul des matrices de formation de voies, afin de réduire les interférences en réception au niveau d'une petite cellule.Après une description du contexte et de l'état de l'art, on a en préliminaire proposé une caractérisation de l'interférence en utilisant un angle algébrique entre vecteurs des signaux utiles, et vecteurs des signaux interférants, ce qui nous a permis d'obtenir une borne inférieure sur les performances du formateur de voies optimal en RSIB.On a proposé ensuite une solution sous-optimale de formation de voies hybride phase-only, qui dans un modèle à résolution numérique infinie, a de faible pertes par rapport à une solution avec des poids variable en module et phase.Dans un second lieu, on a introduit un modèle de convertisseur analogique numérique dans la chaîne de réception, ce qui nous a permis de mettre en évidence les limitations de la première approche ainsi que de l'implémentation entièrement numérique en présence de forts bloqueurs.On a ensuite proposé un algorithme d'optimisation de l'étage analogique, qui repose sur une méthode de relaxation semi-définie.Cet algorithme montre des performances en RSIB et en somme-capacité proches de celles du benchmark à deux degrés de liberté module et phase.En comparaison, les solutions testées de l'état de l'art qui utilisent des fonction coût non-convexe restent dépendantes de l'initialisation et donnent des performances inférieures
Beamforming is a signal processing method used in antenna arrays, allowing to enhance directions of emission or reception of signals by controlling the different elements.In mobile networks especially, it allows interference reduction in base stations.Its full digital impementation is limited by energy consumption and cost when increasing the number of antennas.As a response, hybrid analog-digital implementation could be used to reduce the number of radiofrequency (RF) chains as well as the number of analog-to-digital converters.In this implementation, the analog stage could be realised using different types of devices (phase shifters, amlifiers/attenuators, variable impedances) and with a variable connectivity to the antenna array.Nevertheless, if we want to keep a simple RF circuitry by using phase shifters only to tune the analog beamformer, the problem of optimising these weights becomes non-convex.The current works on small cell networks show that the interference between base station is one of the limiting factors of the coverage and the datarate.Furthermore, in a full digital implementation, the presence of strong blockers leads to analog-to-digital converters saturation or desensitization.The purpose of this work is the study of hybrid beamforming with phase-only implementation, as well as to propose an algorithm to compute the beamforming matrices, to reduce the received interference in a small cell.After a description and a state-of-the-art, we preliminarily proposed an interference characterization using an algebraic angle between the signals of interest vectors and the interference vectors, which allowed us to obtain a lower bound on the SINR performance of the optimal beamformer.We have then proposed a sub-optimal solution of hybrid phase-only beamforming, which when using an infinite resolution digitization, has a low loss as compared to a solution using modulus and phase.Secondly, we introduced an analog-to-digital converter model, which allowed us to bring out the limitations of the first appproach as well as of the full digital implementation, in the presence of strong blockers.Afterwards, we proposed an optimisation algorithm of the analog stage, based on a semidefinite relaxation.The peroformance of this algorithm, in terms of SINR and sumrate are close to the benchmark with full degree of freedom, modulus and phase.In comparison, the performance state-of-the-art tested solutions using non-convex cost function are lower and depend on initialization point

La densification de réseau à l'aide de petites cellules massivement déployées sur les zones macro-cellules, représente une solution prometteuse pour les réseaux mobiles 5G avenir pour faire face à l'augmentation du trafic mobile. Afin de simplifier la gestion de l'hétérogène du réseau d'accès radio (Radio Access Network RAN) qui résulte du déploiement massif de petites cellules, des recherches récentes et des études industrielles ont favorisé la conception de nouvelles architectures de RAN centralisés appelés comme Cloud-RAN (C-RAN), ou RAN virtuel (V-RAN), en incorporant les avantages du cloud computing et Network Functions Virtualization (NFV). Le projet de DynaRoC vise l'élaboration d'un cadre théorique de l'orchestration de ressources pour les C-RAN et dériver les limites de performance fondamentaux ainsi que les arbitrages entre les différents paramètres du système, et la conception de mécanismes d'orchestration de ressources dynamiques sur la base des conclusions théoriques à atteindre un équilibre de performance souhaité, en tenant compte des différents défis de conception. Le doctorant va étudier les mécanismes d'optimisation des ressources novatrices pour favoriser le déploiement de C-RAN, améliorer leur performance exploitant la technologie Network Functions Virtualization
Network densification using small cells massively deployed over the macro-cell areas, represents a promising solution for future 5G mobile networks to cope with mobile traffic increase. In order to simplify the management of the heterogeneous Radio Access Network (RAN) that results from the massive deployment of small cells, recent research and industrial studies have promoted the design of novel centralized RAN architectures termed as Cloud-RAN (C-RAN), or Virtual RAN (V-RAN), by incorporating the benefits of cloud computing and Network Functions Virtualization (NFV). The DynaRoC project aims at (1) developing a theoretical framework of resource orchestration for C-RAN and deriving the fundamental performance limits as well as the tradeoffs among various system parameters, and (2) designing dynamic resource orchestration mechanisms based on the theoretical findings to achieve a desired performance balance, by taking into account various design challenges. The PhD student will investigate innovative resource optimization mechanisms to foster the deployment of C-RANs, improving their performance exploiting the enabling Network Functions Virtualization technology

Les réseaux 5G émergents et au-delà promettent de prendre en charge de nouveaux cas d'utilisation tels que la communication holographique immersive, l'internet des compétences et la cartographie interactive 4D [1]. Ces cas d'usage ont des exigences strictes en termes de Quality de Service (Quality of Service), telles qu'une faible latence, un débit descendant et ascendant (Downlink (DL)/Uplink (UL)) élevé, ainsi qu'une faible consommation d'énergie. Les spécifications du groupe de normalisation 3GPP ont introduit de nombreuses fonctionnalités aux système radio 5G (5G NR), dans le but d'améliorer l'efficacité spectrale de la 5G et de répondre aux exigences strictes et hétérogènes des services de la 5G et au-delà. Parmi les principales fonctionnalités de la 5G NR, on peut citer l'introduction du concept de numérologie et BandWidth Part (BWP), le multiplexage temporel (TDD) dynamique et Connected-mode Discontinuous Reception (C-DRX). Toutefois, les spécifications 3GPP n'indiquent pas comment configurer la next gNode B (gNB)/User Equipment (UE) pour optimiser l'utilisation des fonctionnalités 5G NR. Afin de combler ce manque, nous proposons de nouvelles solutions qui mettent en œuvre des fonctionnalités 5G NR en appliquant les techniques de l'apprentissage automatique ou Machine Learning (ML), en particulier l'apprentissage profond par renforcement ou Deep Reinforcement Learning (DRL). En effet, les outils de l'intelligence artificielle jouent un rôle essentiel dans l'optimisation des systèmes de communication et des réseaux [2] grâce à leurs capacités à rendre le réseau capable de s'auto-configurer et s'auto-optimiser.Dans cette thèse, nous proposons plusieurs solutions pour permettre une configuration intelligente du réseau d'accès radio (RAN). Nous avons divisé les solutions en trois parties distinctes.Dans la première partie, nous proposons deux contributions. Tout d'abord, nous présentons NRflex, une solution de découpage du RAN en tranches (ou slicing), aligné sur l'architecture Open RAN (O-RAN). Par la suite, nous modélisons le problème de découpage du RAN en tranches comme un problème Mixed-Integer Linear Programming (MILP). Après avoir montré que la résolution du problème prend un temps exponentiel, nous avons introduit une nouvelle approche pour le résoudre en un temps polynomial, ce qui est très important pour la fonction de l'ordonnancement (scheduling) des ressources radio. La nouvelle approche consiste à formaliser et résoudre ce problème par le biais l'apprentissage par renforcement profond (DRL).Dans la deuxième partie de la thèse, nous proposons une solution basée sur le DRL pour permettre un TDD dynamique dans une seule cellule 5G NR. La solution a été implémentée dans la plateforme OpenAirInterface (OAI) et testée avec UEs réels. Nous avons ensuite étendu la solution, en tirant parti de Multi-Agent Deep Reinforcement Learning (MADRL), pour prendre en charge plusieurs cellules en tenant compte de l'interférence radio entre les liaisons transversales entre les cellules.Dans la dernière partie de la thèse, nous avons proposé trois solutions pour optimiser le RAN afin de prendre en charge les services URLLC. Tout d'abord, nous avons proposé une solution en deux étapes basées sur l'apprentissage automatique pour prédire les coupures du lien radio ou Radio Link Failure (RLF). Le modèle de prédiction RLF a été entraîné avec des données réelles obtenues à partir d'un banc d'essai 5G. Dans la deuxième contribution, nous avons proposé une solution basée sur le DRL pour réduire la latence UL. Notre solution alloue (prédit) dynamiquement les futurs besoins en ressource radio du UL en apprenant du modèle de trafic. Dans la dernière contribution, nous introduisons une solution basée sur le DRL afin d'équilibrer la latence et la consommation d'énergie en calculant conjointement les paramètres C-DRX et la configuration BWP
The emerging 5G networks and beyond promise to support novel use cases such as immersive holographic communication, Internet of Skills, and 4D Interactive mapping [usecases]. These use cases require stringent requirements in terms of Quality of Service (QoS), such as low latency, high Downlink (DL)/Uplink (UL) throughput and low energy consumption. The 3rd Generation Partnership Project (3GPP) specifications introduced many features in 5G New Radio (NR) to improve the physical efficiency of 5G to meet the stringent and heterogeneous requirements of beyond 5G services. Among the key 5G NR features, we can mention the numerology, BandWidth Part (BWP), dynamic Time Duplex Division (TDD) and Connected-mode Discontinuous Reception (C-DRX). However, the specifications do not provide how to configure the next Generation Node B (gNB)/User Equipment (UE) in order to optimize the usage of the 5G NR features. We enforce the 5G NR features by applying Machine Learning (ML), particularly Deep Reinforcement Learning (DRL), to fill this gap. Indeed, Artificial Intelligence (AI)/ML is playing a vital role in communications and networking [1] thanks to its ability to provide a self-configuring and self-optimizing network.In this thesis, different solutions are proposed to enable intelligent configuration of the Radio Access Network (RAN). We divided the solutions into three different parts. The first part concerns RAN slicing leveraging numerology and BWPs. In contrast, the second part tackles dynamic TDD, and the last part goes through different RAN optimizations to support Ultra-Reliable and Low-Latency Communication (URLLC) services.In the first part, we propose two contributions. First, we introduce NRflex, a RAN slicing framework aligned with Open RAN (O-RAN) architecture. NRflex dynamically assigns BWPs to the running slices and their associated User Equipment (UE) to fulfill the slices' required QoS. Then, we model the RAN slicing problem as a Mixed-Integer Linear Programming (MILP) problem. To our best knowledge, this is the first MILP modeling of the radio resource management featuring network slicing, taking into account (i) Mixed-numerology, (ii) both latency and throughput requirements (iii) multiple slices attach per UE (iv) Inter-Numerology Interference (INI). After showing that solving the problem takes an exponential time, we consider a new approach in a polynomial time, which is highly required when scheduling radio resources. The new approach consists of formalizing this problem using a DRL-based solver.In the second part of this thesis, we propose a DRL-based solution to enable dynamic TDD in a single 5G NR cell. The solution is implemented in OAI and tested using real UEs. Then, we extend the solution by leveraging Multi-Agent Deep Reinforcement Learning (MADRL) to support multiple cells, considering cross-link interference between cells.In the last part, we propose three solutions to optimize the RAN to support URLLC services. First, we propose a two-step ML-based solution to predict Radio Link Failure (RLF). We combine Long Short-Term Memory (LSTM) and Support Vector Machine (SVM) to find the correlation between radio measurements and RLF. The RLF prediction model was trained with real data obtained from a 5G testbed. In the second contribution, we propose a DRL-based solution to reduce UL latency. Our solution dynamically allocates the future UL grant by learning from the dynamic traffic pattern. In the last contribution, we introduce a DRL-based solution to balance latency and energy consumption by jointly deriving the C-DRX parameters and the BWP configuration

Cette thèse examine comment optimiser le placement de tranches (slices) de réseau dans les infrastructures distribuées à grande échelle en se concentrant sur des approches heuristiques en ligne et basées sur l'apprentissage par renforcement profond (DRL). Tout d'abord, nous nous appuyons sur la programmation linéaire en nombre entiers (ILP) pour proposer un modèle de données permettant le placement de tranches de réseau sur le bord et le cœur du réseau. Contrairement à la plupart des études relatives au placement de fonctions réseau virtualisées, le modèle ILP proposé prend en compte les topologies complexes des tranches de réseau et accorde une attention particulière à l'emplacement géographique des utilisateurs des tranches réseau et à son impact sur le calcul de la latence de bout en bout. Des expérimentations numériques nous ont permis de montrer la pertinence de la prise en compte des contraintes de localisation des utilisateurs.Ensuite, nous nous appuyons sur une approche appelée "Power of Two Choices" pour proposer un algorithme heuristique en ligne qui est adapté à supporter le placement sur des infrastructures distribuées à grande échelle tout en intégrant des contraintes spécifiques au bord du réseau. Les résultats de l'évaluation montrent la bonne performance de l'heuristique qui résout le problème en quelques secondes dans un scénario à grande échelle. L'heuristique améliore également le taux d'acceptation des demandes de placement de tranches de réseau par rapport à une solution déterministe en ligne en utilisant l'ILP.Enfin, nous étudions l'utilisation de méthodes de ML, et plus particulièrement de DRL, pour améliorer l'extensibilité et l'automatisation du placement de tranches réseau en considérant une version multi-objectif du problème. Nous proposons d'abord un algorithme DRL pour le placement de tranches réseau qui s'appuie sur l'algorithme "Advantage Actor Critic" pour un apprentissage rapide, et sur les réseaux convolutionels de graphes pour l'extraction de propriétés. Ensuite, nous proposons une approche que nous appelons "Heuristically Assisted DRL" (HA-DRL), qui utilise des heuristiques pour contrôler l'apprentissage et l'exécution de l'agent DRL. Nous évaluons cette solution par des simulations dans des conditions de charge de réseau stationnaire, ensuite cyclique et enfin non-stationnaire. Les résultats de l'évaluation montrent que le contrôle par heuristique est un moyen efficace d'accélérer le processus d'apprentissage du DRL, et permet d'obtenir un gain substantiel dans l'utilisation des ressources, de réduire la dégradation des performances et d'être plus fiable en cas de changements imprévisibles de la charge du réseau que les algorithmes DRL non contrôlés
This PhD thesis investigates how to optimize Network Slice Placement in distributed large-scale infrastructures focusing on online heuristic and Deep Reinforcement Learning (DRL) based approaches. First, we rely on Integer Linear Programming (ILP) to propose a data model for enabling on-Edge and on-Network Slice Placement. In contrary to most studies related to placement in the NFV context, the proposed ILP model considers complex Network Slice topologies and pays special attention to the geographic location of Network Slice Users and its impact on the End-to-End (E2E) latency. Extensive numerical experiments show the relevance of taking into account the user location constraints. Then, we rely on an approach called the “Power of Two Choices"(P2C) to propose an online heuristic algorithm for the problem which is adapted to support placement on large-scale distributed infrastructures while integrating Edge-specific constraints. The evaluation results show the good performance of the heuristic that solves the problem in few seconds under a large-scale scenario. The heuristic also improves the acceptance ratio of Network Slice Placement Requests when compared against a deterministic online ILP-based solution. Finally, we investigate the use of ML methods, more specifically DRL, for increasing scalability and automation of Network Slice Placement considering a multi-objective optimization approach to the problem. We first propose a DRL algorithm for Network Slice Placement which relies on the Advantage Actor Critic algorithm for fast learning, and Graph Convolutional Networks for feature extraction automation. Then, we propose an approach we call Heuristically Assisted Deep Reinforcement Learning (HA-DRL), which uses heuristics to control the learning and execution of the DRL agent. We evaluate this solution trough simulations under stationary, cycle-stationary and non-stationary network load conditions. The evaluation results show that heuristic control is an efficient way of speeding up the learning process of DRL, achieving a substantial gain in resource utilization, reducing performance degradation, and is more reliable under unpredictable changes in network load than non-controlled DRL algorithms