关于未来网络技术体系创新的思考

被引:11
作者
刘韵洁
黄韬
汪硕
机构
[1] 网络通信与安全紫金山实验室
[2] 北京邮电大学信息与通信工程学院
基金
国家重点研发计划;
关键词
未来网络; 互联网; 确定性网络; 网络可编程; 网络开源;
D O I
10.16418/j.issn.1000-3045.20211117007
中图分类号
TP393.09 [];
学科分类号
080402 ;
摘要
当前,网络技术正在与物理世界发生深度融合,传统网络架构难以支撑工业互联网等业务的差异性、可定制、确定性需求,探索新型网络架构与核心技术已成为全球互联网竞争的战略制高点。文章回顾了网络演变历程与趋势,分析了面对未来飞速变化的网络业务需求如何才能实现高效能、低成本、智能化的网络发展,建立自主可控的未来网络技术体系。文章认为:(1)通过近几十年来网络建设的探索,融合、开放、智能、可定制、网算存一体(亦称为转算存一体)已经成为未来网络技术发展的关键趋势。(2)面向网络与物理世界融合的重大机遇,只有改变传统互联网架构,引入新一代信息技术进行基础网络架构创新,才能在互联网"下半场"取得技术领先,并在全球范围内引领制造、国防、航天等产业发展。
引用
收藏
页码:38 / 45
页数:8
相关论文
共 8 条
[1]   未来网络技术与发展趋势综述 [J].
黄韬 ;
刘江 ;
汪硕 ;
张晨 ;
刘韵洁 .
通信学报, 2021, 42 (01) :130-150
[2]   确定性网络研究综述 [J].
黄韬 ;
汪硕 ;
黄玉栋 ;
郑尧 ;
刘江 ;
刘韵洁 .
通信学报 , 2019, (06) :160-176
[3]   面向服务定制的未来网络架构 [J].
刘韵洁 ;
张娇 ;
黄韬 ;
潘恬 .
重庆邮电大学学报(自然科学版), 2018, 30 (01) :1-8
[4]   Machine Learning and Deep Learning Methods for Intrusion Detection Systems: A Survey [J].
Liu, Hongyu ;
Lang, Bo .
APPLIED SCIENCES-BASEL, 2019, 9 (20)
[5]   Ultra-Low Latency (ULL) Networks: The IEEE TSN and IETF DetNet Standards and Related 5G ULL Research [J].
Nasrallah, Ahmed ;
Thyagaturu, Akhilesh S. ;
Alharbi, Ziyad ;
Wang, Cuixiang ;
Shao, Xing ;
Reisslein, Martin ;
ElBakoury, Hesham .
IEEE COMMUNICATIONS SURVEYS AND TUTORIALS, 2019, 21 (01) :88-145
[6]  
A Survey of Networking Applications Applying the Software Defined Networking Concept Based on Machine Learning..[J].Yanling Zhao;Ye Li;Xinchang Zhang;Guanggang Geng;Wei Zhang 0049;Yanjie Sun.IEEE Access.2019,
[7]   A Deep Learning Approach to Network Intrusion Detection [J].
Shone, Nathan ;
Tran Nguyen Ngoc ;
Vu Dinh Phai ;
Shi, Qi .
IEEE TRANSACTIONS ON EMERGING TOPICS IN COMPUTATIONAL INTELLIGENCE, 2018, 2 (01) :41-50
[8]   State-of-the-Art Deep Learning: Evolving Machine Intelligence Toward Tomorrow's Intelligent Network Traffic Control Systems [J].
Fadlullah, Zubair Md. ;
Tang, Fengxiao ;
Mao, Bomin ;
Kato, Nei ;
Akashi, Osamu ;
Inoue, Takeru ;
Mizutani, Kimihiro .
IEEE COMMUNICATIONS SURVEYS AND TUTORIALS, 2017, 19 (04) :2432-2455