SCALA 5G: Un mecanismo de escalamiento automático con aprendizaje por refuerzo profundo para el uso eficiente de recursos en un ambiente NFV

Abstract

Las redes actuales y futuras deben cumplir requerimientos de rendimiento para prestar servicios multimedia de alta definición, llamadas sobre internet, y realidad aumentada entre otras. La variación de los servicios mencionados hacen que las redes se modifiquen continuamente respecto al volumen y a la demanda específica de los usuarios. Para este propósito los operadores de red han implementado técnicas como la Virtualización de Funciones de Red y Redes Definidas por Software. Respecto a la operación de estas redes, el escalamiento surge como una herramienta clave. Sin embargo, este proceso no se puede hacer de manera trivial, debido a los diversos factores incidentes en el comportamiento de las redes. Los mecanismos actuales proporcionan soluciones, satisfaciendo parcialmente la demanda de las redes, pero aún se requieren aportes capaces de optimizar el rendimiento y la adaptabilidad para garantizar los servicios requeridos por los clientes en cada caso de uso. En este documento proponemos una solución mediante un agente de aprendizaje por refuerzo profundo llamada SCALA 5G. Este sistema controla el escalamiento de recursos de una manera predictiva lo cual mejora las decisiones de escalamiento haciendolas más estables y precisas respecto a otras tecnologías y algoritmos. SCALA 5G fue probado en una infraestructura 5G con condiciones de operación idénticas a la de una red comercial, escalando servicios de banda ancha multimedia mejorada y se comparó con soluciones previas basadas en los aportes de otros autores, donde mostró una mejora significativa respecto a tecnologías predecesoras siendo hasta un 40 % más preciso, superándolos de igual manera en estabilidad y cumpliendo con los estándares propuestos para la automatización del escalamiento en redes 5G de servicios multimedia.