工业物联网中服务功能链编排方法、装置及联邦学习系统制造方法及图纸

本申请提供一种工业物联网中服务功能链编排方法、装置及联邦学习系统，方法包括：接收针对工业物联网的服务功能链编排请求；根据用于平衡服务功能链能耗和时延的编排算法对服务功能链编排请求进行编排，得到对应的服务功能链的编排结果；基于编排结果为服务功能链分配物理资源并将该服务功能链部署到工业物联网的物理网络中。本申请能够平衡服务功能链能耗和时延因素，能够提高工业物联网中服务功能链编排过程的可靠性及智能化程度，进而能够有效提高服务功能链的可靠性及有效性。效提高服务功能链的可靠性及有效性。效提高服务功能链的可靠性及有效性。

Service function chain arrangement method, device and federal learning system in industrial Internet of things

【技术实现步骤摘要】
工业物联网中服务功能链编排方法、装置及联邦学习系统


[0001]本申请涉及计算机网络通信
，尤其涉及工业物联网中服务功能链编排方法、装置及联邦学习系统。

技术介绍

[0002]工业物联网(Industrial Internet of Things，简称IIoT)预示着一股新的现代化浪潮，要求在生产力、管理、安全和灵活性方面取得更多的进展。为了解决工业物联网中实时性、资源多样性、安全性等需求，诸多研究将网络功能虚拟化与移动边缘计算引入，将服务功能链SFC(Service Function Chain)有序的编排在边缘网络中，可以使工业物联网中的数据转发更加灵活，满足用户QoS要求，大大提高了工业物联网的可管理和性灵活性。
[0003]因此，为了保障用户要求的网络服务质量，需要对SFC进行高效合理的编排与动态优化。而结合目前已有的研究，服务功能链编排至少存在如下问题：
[0004]对于服务功能链性能问题，部分文献只关注到了时延的优化，通过采取不同的建模方法，优化VNF实例化或者端口传输的能耗开销，部分文献只关注于让网络中承载的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业物联网中服务功能链编排方法，其特征在于，包括：接收针对工业物联网的服务功能链编排请求；根据用于平衡服务功能链能耗和时延的编排算法对所述服务功能链编排请求进行编排，得到对应的服务功能链的编排结果；基于所述编排结果为所述服务功能链分配物理资源并将该服务功能链部署到所述工业物联网的物理网络中。2.根据权利要求1所述的工业物联网中服务功能链编排方法，其特征在于，所述编排算法包括：基于联邦学习和深度强化学习训练得到的用于平衡服务功能链能耗和时延的全局编排模型。3.根据权利要求2所述的工业物联网中服务功能链编排方法，其特征在于，在所述接收针对工业物联网的服务功能链编排请求之前，还包括：在边缘云层中选择多个工作节点；基于联邦学习算法，将用于平衡服务功能链能耗和时延的当前的全局编排模型的模型参数，分发至选定的各个所述工作节点中，以使各个所述工作节点分别基于各自的本地数据对所述模型参数对应的局部编排模型进行深度强化学习训练，并输出各自训练得到的局部编排模型的模型参数；接收各个所述工作节点分别发送的所述局部编排模型的模型参数，并对各个所述局部编排模型的模型参数进行聚合处理，以得当更新后的所述全局编排模型。4.根据权利要求3所述的工业物联网中服务功能链编排方法，其特征在于，所述全局编排模型和所述局部编排模型均为基于DQN的深度强化学习DRL模型；其中，所述基于DQN的深度强化学习DRL模型对应的损失函数，采用神经网络预测Q
‑
learning中的目标Q值和预测Q值获取。5.根据权利要求3所述的工业物联网中服务功能链编排方法，其特征在于，所述在边缘云层中选择多个工作节点，包括：基于预设的主观逻辑模型分别生成所述边缘云层中的各个候选节点各自对应的综合声誉价值；按照所述综合声誉价值由大至小的顺序对各个所述候选节点进行排序，并根据对应的排序结果在各个所述候选节点中选取多个分别作为所述工作节点。6.根据权利要求5所述的工业物联网中服务功能链编排方法，其特征在于，所述基于预设的主观逻辑模...

【专利技术属性】
技术研发人员：张群，马珊珊，徐洋，汪书韵，芮兰兰，熊翱，李娜，韦磊，蒋承伶，
申请(专利权)人：北京邮电大学国网综合能源服务集团有限公司国网江苏省电力有限公司，
类型：发明
国别省市：