[00105271]基于云化服务的人工智能光网络节点模型和控制机理研究

该项目为中国博士后科学基金资助面上项目（资助编号：2019M650588）。 在光网络资源优化和安全防护方面取得多项研究进展，主要研究成果如下：

1. 为了提升光网络的数据传输质量，提出了一种基于自优化光网络中跨层人工智能交互的认知网络管理架构，并给出了一个基于光信噪比的故障预测和传输质量评估的用例。

2. 针对光网络根源故障定位难的问题，提出了一种基于知识图谱和图神经网络的光网络故障定位方法。实验证明，该方法能有效地实现光网络故障的自动定位。

3. 针对边缘计算光网络中如何部署 DNN 模型，提出了一种城域光网络中边缘节点与云之间的 DNN 模型划分与部署算法。仿真结果表明，该算法可以在相同的网络资源下部署更多的DNN 任务。

4. 针对网络切片逻辑隔离面临的旁路攻击风险，研究了如何在不同安全要求下为切片有效分配异构资源。面向 5G RAN 中 URLLC 和 eMBB 切片，提出了一种旁路攻击感知的资源分配算法，仿真结果表明，与基准算法相比，所提算法可以优化 IT 和传输资源的使用，有效降低切片请求的阻塞概率。

5. 针对光传输网络如何有效承载基于数据包复制技术（PD）的 5G URLLC 切片，提出了基于 PD 的波长隔离切片（PDS-WI）和链路隔离切片（PDS-LI）算法，并详细分析了这两种算法的时间复杂度。仿真结果表明，与 PDS-LI 相比，PDS-WI 通过优化异构资源的分配，可以承载更多的 URLLC 切片。

6. 为了优化数据中心光网络虚拟网络功能（VNF）的提供，提出了两种联合均衡因子来量