端末・エッジ・クラウド連携の三位一体による 「考えるネットワーク」の研究 Jh170041-NWH 中尾 彰宏 (東京大学) 端末・エッジ・クラウド連携の三位一体による 「考えるネットワーク」の研究 ネットワークのAI化を目指すクラウド連携エッジ・コンピューティング技術 ネットワークデータ分析に基づく機械学習によるトラフィックのアプリケーション分類 アプリケーション毎に最適なサービス品質を提供するためのエッジコンピューティング技術 クラウド・コンピューティング 教師端末にエージェントをインストールし パケットにアプリケーション名を付加。 DPIを利用せず100%の確度でアプリケーション識別 （暗号化にも対応）。 増え続けるアプリケーションの特徴量を高速解析 エッジ・コンピューティングのバックエンド計算資源 データベース パケットデータ TAP MNO網 MVNO網 教師データとなる フローとアプリケーションの対応データ 特徴抽出 学習 教師スマートフォン端末 特徴量データ 分類器生成 特徴抽出 端末エージェント 分類器生成 タグ付きパケット リアルタイムでの アプリケーション推定 クラウド連携処理 機械学習 アプリケーションタグ エッジ・コンピューティング 通常スマートフォン端末 特徴抽出 推定 タグ無しトラフィック 分類器を用いた アプリケーション同定 トラフィック分類 一般のトラフィック 特徴量データ トラフィックへの適用 アプリケーション毎のトラフィック分類により、適切なサービス品質を提供。 マルウェアなど異常トラフィックの検出 ネットワーク・ スライシング ネットワーク オンライン機械学習のための計算機ネットワークの構築 各大学拠点の計算機をSINET５を使用したL2VPNにより計算機資源、ストレージ資源を接続 複数のMVNOネットワークからのトラフィックを収集し広域分散・計算機ネットワークで解析 九州大学 MVNOキャリアA 汎用プロセッサとGPGPUを組み合わせた機械学習 東北大学 スマートフォン アプリケーション識別機械学習 エッジコンピューティング MVNOキャリアB 東京大学 IoTトラフィック解析 車載IoT ゲートウェイ 北海道大学 MVNOキャリアC お茶の水女子大学 コネクティッド・カー SNSビッグデータ解析とディープ・ ラーニング学習に よるイベント予測 ネットワーク・トラフィック特徴抽出によるアプリ ケーション・サービス識別 工学院大学 ドローン・ ビデオカメラ センサー