[Paper Review] Survey on Machine Learning for Intelligent End-to-End Communication Toward 6G: From Network Access, Routing to Traffic Control and Streaming Adaption

Abstract

• 네트워크 최적화에 있어 QoS와 QoE 보장은 굉장히 중요한 요소임
• 5G와 6G 시장에서는 굉장히 수준 높은 기술이 요구됨
• 전통적인 네트워크 최적화 기법은 6G를 대비한 복잡하고 역동적인 시나리오에 적합하지 않음
  • 러닝 기법과 현명한 결정 기법이 포함되어야 함
• 최근, 머신러닝을 기반으로 한 QoS 및 QoE 네트워크 최적화 알고리즘이 굉장한 관심을 이끌고 있음
  • 네트워크, 특히 6G에 머신 러닝을 도입하기에는 아직 해결되지 않은 critical한 요소들이 남아있음
• 본 논문에서는, 이를 해결하기 위한 comprehensive survey를 진행하였음

---

논문 진행 순서

1. The investigated works following the end-to-end trasmission flow from network access
2. The investigated works following the end-to-end routing to network congestion control
3. The investigated works following the end-to-end adaptive streaming control
4. Open issues and potential future research directions

---

Introduction

• Abstract에서 언급한 것처럼, QoS와 QoE를 보장하는 것이 통신 효율 증대를 불러옴
• QoS와 QoE의 보장을 위해서는, data-link layer에서 application layer까지의 다양한 최적화 함수가 제안되었음
• 하지만 MAC layer에서 가장 많이 사용되는 라우팅 프로토콜이나, TCP 프로토콜과 같은 방식은 구시대적 형태를 띰
  • 다음 세대의 네트워크 구조는 매우 복잡하고 동적이기 때문에 적용되기 어려움
• 복잡한 네트워크에 기존 TCP를 적용하면 기존 최적값보다 10배 이상의 packets loss rate 값을 보이는 문제가 발생함 [1]
• 최근 몇몇 연구에서는 6G에서의 QoS 보장을 위해서는 single layer 간의 최적화가 아닌 end-to-end 형태의 cross-layer 최적화가 필요함을 주장함 [2][3]

  ---

  30년여 전에, 네트워크 함수 최적화와 end-to-end QoS를 위해 머신러닝을 활용하기 시작하였음
  • 컴퓨터 성능과 머신러닝 알고리즘의 복잡성으로 인하여 크게 활용되지는 않음
  • 시간이 지난 현재에는 큰 발전으로 인해 딥러닝을 활용할 수 있게 됨
• 딥러닝을 활용하여 end-to-end 통신, 그리고 다양한 네트워크 최적화 기법들(traffic prediction, traffic classification and congestion control)을 효율적으로 진행할 수 있음

---

Reference

 

[1] M. Dong et al., “PCC Vivace: Online-learning congestion control,” in Proc. 15th USENIX Symp. Netw. Syst. Design Implement. (NSDI), Apr. 2018, pp. 343–356. [Online]. Available: https://www.usenix.org/conference/nsdi18/presentation/dong

[2] M. Polese, J. M. Jornet, T. Melodia, and M. Zorzi, “Toward end-toend, full-stack 6G terahertz networks,” IEEE Commun. Mag., vol. 58, no. 11, pp. 48–54, Nov. 2020.

[3] N. Kato, B. Mao, F. Tang, Y. Kawamoto, and J. Liu, “Ten challenges in advancing machine learning technologies toward 6G,” IEEE Wireless Commun., vol. 27, no. 3, pp. 96–103, Jun. 2020.