Cơ chế phân nhóm ảo người dùng trong framework của Weber phức tạp, và phải bổ sung cơ chế bootstrap, trong khi đó với ưu điểm của mạng nơ-ron Robust- ART2 đã trình bày ở trên tôi đề nghị cơ chế cải tiến cho việc phân nhóm ảo người dùng trong mạng NGN sử dụng giao thức SIP trong framework của Weber như
Hình 3.7. Khi thực hiện phân lớp cơ chế cải tiến sẽ không yêu cầu chọn ra các mẫu
đại diện (có mức khác biệt nhau) và cơ chế bootstrap, khi mẫu đầu vào cần phân lớp PUT vào hệ thống, sau khi biên dịch sẽ ngay lập tức được Robust ART-2 phân lớp, kết quả phân lớp sẽđược lưu lại và hệ thống sẽ tiếp tục nếu còn mẫu khác cần phân lớp.
Mặc dù Robust ART-2 về chi phí thời gian có thể lớn hơn ART-2 [21], nhưng nó lại cho phép điều chỉnh tựđộng giá trị ρvà có biện pháp hạn chế sự gia tăng phân nhóm nên phù hợp với ứng dụng thực tế.
3.4 Kết luận
Trên cơ sở các yêu cầu khi xây dựng framework (trong phần 3.1.1) Weber và các đồng sựđã đạt được một số kết quả sau đây:
- Về việc tiết kiệm tài nguyên mạng đã được các tác giả thực hiện bằng cách phân nhóm ảo người dùng, từ đó thay vì kiểm soát QoS từng người dùng thì việc kiểm soát tiến hành theo từng nhóm người dùng thông qua những điểm được chọn làm giám sát.
- Về việc tiết kiệm chi phí và tính đúng đắn, về lý thuyết framework được tích hợp vào kiến trúc NGN chuẩn của ETSI TISPAN hoặc ITU-T.
- Về việc kiểm soát QoS trong NGN, vì framework được tích hợp vào kiến trúc NGN chuẩn của ITU-T hoặc ETSI TISPAN, trong khi đó theo phần 1.2.4 thì bản thân mạng NGN đã có thể hỗ trợ cả lưu lượng theo phiên truyền hoặc không theo phiên truyền.
- Khi chọn điểm giám sát QoS, framework đã thể hiện được việc kiểm soát chất lượng dịch vụ có cân nhắc tới cách hành xử của phiên truyền của mỗi người dùng thể hiện qua thông số MSD (đại diện cho số lượng phiên truyền trên một người dùng, thời gian của mỗi phiên trong quá khứ) và thông số EOS (đại diện thời gian đã dùng của các phiên đang xẩy ra trên một người dùng), trong trường hợp hai UAG có cùng giá trị MSD thì nếu EOS nhỏ hơn chứng tỏ thời gian sống của UAG còn dài và theo công thức (1) UAG có EOS nhỏ hơn làm điểm giám sát.
- Mạng nơ-ron nhân tạo có ưu điểm là cho phép phân lớp với nhiều tham số, có thể cho phép tổ chức xử lý song song, do đó phù hợp trong điều kiện phân lớp theo chất lượng dịch vụ với nhiều tham số khác nhau.
- Hỗ trợ QoS theo cách phân lớp ảo người dùng, tức là từng nhóm người dùng sẽđược đảm bảo cùng một điều kiện QoS, dẫn tới điều kiện QoS không được thực hiện tuyệt đối theo yêu cầu của mỗi người dùng, tương tự như nhược điểm của cơ chế DiffServ.
- Trí tuệ nhân tạo có hạn chế là khó hội tụ hoặc hội tụ chậm làm tăng thời gian thực hiện, do đó có thể gây ảnh hưởng tới các ứng dụng thời gian thực.
- Việc xử lý tập trung tại SIP Call Server có thể gây hiện tượng thắt nút cổ
chai khi lưu lượng mạng tăng.
- Khi ánh xạ từ mạng thực tế vào mạng nơ-ron, để giảm sự phức tạp cho việc áp dụng mạng nơ-ron, các thông số của mạng thực tế có thể sẽ bị hạn chế chỉ
còn một hoặc hai thông số, điều này có thể ảnh hưởng tới chính sách chất lượng dịch vụ của nhà cung cấp cũng như khó có thể đáp ứng được yêu cầu của người dùng.
- Các tác giả mới chỉ dừng lại ở việc thực nghiệm phân lớp cho một mạng NGN mô phỏng, chứ chưa có kết quả thực nghiệm của framework với các chức năng của nó. Do đó chưa đánh giá được tính ưu nhược điểm của framework.
- Cơ chế phân lớp được trình bày trong phần 3.2.2 khá phức tạp, việc chọn giá trị ρ phụ thuộc nhiều vào các mẫu đại diện phải được định nghĩa ngay từ đầu bắt đầu cơ chế, và phải bổ sung thêm cơ chế bootstrap. Đối với việc ứng dụng trong thực tế rất khó có thể chọn trước được các mẫu đại diện này. Hơn nữa một hạn chế
cố hữu của ART-2 là số phân nhóm theo thời gian có thể rất lớn do các mẫu đầu vào là mẫu tương tự. Giải pháp cho các vấn đề này đã được đề cập trong phần 3.3.
- Tác giả chỉ mới đề cập tới việc giảm lưu lượng báo hiệu giữa người dùng với người dùng, vì SIP là giao thức báo hiệu tại mức này, trong khi đó lưu lượng phát sinh do báo hiệu giữa mạng với mạng (ví dụ giao thức NSIS) cũng chiếm dụng tài nguyên mạng.
KẾT LUẬN VÀ KIẾN NGHỊ
1 Kết luận
Trong phạm vi nghiên cứu, một số kết quảđạt được như sau:
- Hiểu được mạng thế hệ mới, sự cần thiết của nó trong tiến trình phát triển của mạng máy tính trong thời đại hiện nay. Nắm bắt được kiến trúc mạng, cũng như
các xu hướng xây dựng mạng thế hệ mới.
- Tiếp cận các kiến trúc kiểm soát QoS trong mạng NGN của một số tổ
chức chuẩn hóa gồm RACS của ETSI TISPAN, IMS của 3GPP, RACF của ITU-T,
đồng thời so sánh giữa các kiến trúc. Bên cạnh đó kiến trúc kiểm soát QoS có ứng dụng trí tuệ nhân tạo, kiến trúc kiểm soát QoS cho kiến trúc NGN gồm một số mạng có dây và không dây, và một số nghiên cứu khác xung quanh kiến trúc QoS cho mạng NGN cũng được giới thiệu.
- Giới thiệu framework hỗ trợ kiểm soát QoS có ứng dụng trí tuệ nhân tạo. Phân tích và đưa ra giải pháp khắc phục một số hạn chế trong kiến trúc kiểm soát QoS có ứng dụng trí tuệ nhân tạo.
2 Kiến nghị
Tôi sẽ tiếp tục nghiên cứu luận văn theo các hướng sau:
- Với đề xuất dùng Robust ART-2 thay vì ART-2 trong framework tích hợp trong mạng NGN chuẩn, tôi sẽ tiến hành thực nghiệm phân lớp người dùng dựa trên các thông tin QoS thu được trong môi trường mô phỏng mạng NGN từ đó so sánh đánh giá.
- Tiếp tục hoàn chỉnh framework và tiến hành thực nghiệm framework trong mạng NGN để so sánh với mạng NGN khi chưa có framework. Kết hợp xử lý của framework với chuẩn RACF.
TÀI LIỆU THAM KHẢO
[1] Aastha, Tarun Aggarwal, Sachin Garg(2011), “Congestion Control in Diffi- Serv using Fuzzy and Neural Methodology”, International Journal of
Information Technology and Knowledge Management, 4(1), pp. 151-156
[2] Abdi R. Modarressi, BellSouth Science and Technology Seshadri Mohan, Comverse Network Systems(10/2000), “Control and Management in
Next-Generation Networks: Challenges and Opportunities”, IEEE Communications Magazine, 38(10), pp. 94 – 102.
[3] Changho Yun and Harry Perros(2010), “QoS Control for NGN: A Survey of Techniques”, Journal of network and systems management, 18(4), pp. 447- 461.
[4] Dr. Vaiva Lazauskaite(2009), Developments of Next Generation Networks
(NGN): country case studies, ITU-T.
[5] E. Mingozzi, G. Stea, M.A. Callejo-Rodríguez, J. Enríquez-Gabeiras, G. García-de-Blas, F.J. Ramón-Salquero, W. Burakowski, A. Beben, J. Sliwinski, H. Tarasiuk, O.Dugeon, M. Diaz, L. Baresse, E. Monteiro(7/2009), “EuQoS: End-to-End Quality of Service over Heterogeneous Networks”, Journal Computer Communications, 32(12), pp. 1355-1370.
[6] F.Weber, W.Fuhrmann, U.Trick, U.Bleimann, B.Ghita(2007), “QoS in SIP- based NGN – state of the art and new requirements”, Proceedings of the
Third Collaborative Research Symposium on Security, E-learning, Internet and Networking (SEIN 2007), Plymouth, UK, pp. 201-214.
[7] F.Weber, W.Fuhrmann, U.Trick, U.Bleimann, B.Ghita(2008), “A framework for improved QoS evaluation and control in SIP-based NGN”,
Proceedings of the Seventh International Network Conference (INC2008),
Plymouth, UK, pp. 27-37.
QoS monitoring points in a new QoS control framework for SIP-based NGN”, Proceedings of the Fourth Collaborative Research Symposium on
Security, E-learning, Internet and Networking (SEIN 2008), Wrexham,
UK, pp. 176-185.
[9] F.Weber, W.Fuhrmann, U.Trick, U.Bleimann, B.Ghita(2009), “AI-based QoS profiling for NGN user terminals”, Proceedings of the Third International Conference on Internet Technologies & Applications (ITA09), Wrexham, UK, pp. 539-548.
[10] F.Weber, W.Fuhrmann, U.Trick, U.Bleimann, B.Ghita(2009), “Applying and Validating AI-Based QoS Profiling for NGN User Terminal”, Proceedings
of the Fifth Collaborative Research Symposium on Security, E-learning, Internet and Networking (SEIN 2009), Darmstadt, Germany, pp. 205-215
[11] F.Weber, W.Fuhrmann, U.Trick, U.Bleimann, B.Ghita(2010), “A Bootstrap Mechanism for NGN QoS Profiling”, Proceedings of the Eighth International Network Conference (INC2010), Heidelberg, Germany, pp.
61-70.
[12] G. Ascia, V. Catania, G. Ficili, D. Panno(2001), “A fuzzy buffer management scheme for ATM and IP networks”, IEEE Communications Magazine, 3, pp. 1539–1547
[13] Gail A. Carpenter and Stephen Grossberg(1987), “ART 2: self-organization of stable category recognition codes for analog input patterns”, Applied
Optics, 26(23), pp. 4919-4930
[14] http://vntelecom.org/
[15] ITU-T Recommendation Y.2011(2004), General principles and general
reference model for Next Generation Networks.
[16] ITU-T Recommendation Y.2174(6/2008), Distributed RACF architecture for
MPLS networks.
[17] ITU-T Recommendation Y.2175 (11/2008), Centralized RACF architecture
[18] ITU-T Y.2111(9/2006), Resource and admission control functions in Next
Generation Networks.
[19] ITU-T(2010), Module 2: NGN Services: Technology, Business and Regulatory.
[20] Janusz Gozdecki, Andrzej Jajszczyk, & Rafal Stankiewicz(3/2003), “Quality of service terminology in IP networks”, IEEE Communications Magazine, 41(3), pp. 153-159
[21] Jiang-Bo Yin, Hong-Bin Shen(2011), “Robust ART-2 Neural Network Learning Framework”, Proceedings of 2011 International Conference on
Modelling, Identification and Control, Shanghai, China, pp.267-272 [22] Jongtae Song, Mi Young Chang, and Soon Seok Lee(9/2007), “Overview of
ITU-T NGN QoS Control", IEEE Communications Magazine, 45(9), pp.
116–123.
[23] Keith Knightson, Naotaka Morita, Thomas Towle(2005), “NGN Architecture: Generic Principles, Functional Architecture, and Implementation”, IEEE Communications Magazine, 43(10), pp. 49–56. [24] Paul Bottorff, Nortel Panagiotis Saltsidis, Ericsson(9/2008),“Scaling
Provider Ethernet”, IEEE Communications Magazine, 46(9), pp. 104–109.
[25] Pavithra Ramaswamy(2009), Comparison of end-to-end QoS Reservation
Schemes in Next Generation Networks, North Carolina State University.
[26] PGS. TS Hồ Anh Túy, Nguyễn Trung Kiên(2010), “Ứng dụng Trí tuệ nhân tạo trong bài toán định tuyến QoS”, Tạp chí bưu chính viễn thông.
[27] Vinod Joseph, Brett Chapman(2009), Deploying QoS for Cisco IP and Next
Generation Networks, Elsevier Inc, 30 Corporate Drive, Suite 400,