기업조회

본문 바로가기 주메뉴 바로가기

연구보고서 기본정보

인공지능 기반 지능형 에지 네트워킹 기술개발

연구보고서 개요

기관명, 공개여부, 사업명, 과제명, 과제고유번호, 보고서유형, 발행국가, 언어, 발행년월, 과제시작년도 순으로 구성된 표입니다.
기관명 NDSL
공개여부
사업명
과제명(한글)
과제명(영어)
과제고유번호
보고서유형 report
발행국가
언어
발행년월 2022-02-01
과제시작년도

연구보고서 개요

주관연구기관, 연구책임자, 주관부처, 사업관리기관, 내용, 목차, 초록, 원문URL, 첨부파일 순으로 구성된 표입니다.
주관연구기관 한국전자통신연구원
연구책임자 김태연
주관부처
사업관리기관
내용
목차
초록 연구개발 목표 및 내용 최종 목표 o 최종 목표 사용자/사물의 행위를 인공지능 기반으로 분석하여 상황에 맞는 인프라 (네트워킹, 컴퓨팅 등) 자원 최적구성 및 동적 서비스 환경을 제공할 수 있는 지능형 에지 네트워킹 기술 개발 o 주요 기능 - 다계층 분산 AI 처리 기술 · 다계층(디바이스, 에지, 클라우드) 분산 협력 AI 처리 기능 · Multi-Dimensional Context 기반 상황 추론 기술 - 상황인지 기반 자원 자율관리 및 마이크로 서비스 구성관리 기술 · 상황에 따른 에지 자원 동적 자율 구성 기능 · 상황 맞춤서비스 제공을 위한 마이크로서비스 구성관리 기능 - 상황인지 기반 지능형 SD-WAN 기술 · 서비스 품질 보장형 SD-WAN Edge Fabric 기능 o 주요 성능 - AI 분산 처리 : 다중 도메인 분산 DNN - 상황인지 연계 요소 : 마이크로 서비스, 가상 자원 (네트워크, VM/Container, vGPU, MLU 등) - 서비스 라이브 마이그레이션 시간 : < 10 sec - 상황인지기반 마이크로서비스 구성 시간 : < 3 sec - SD-WAN Edge 노드간 전송 Packet Latency : 평균 50msec 이하 o End Product - AI 기반 Context 브로커 및 추론 엔진 (SW) - 상황인지 분산 네트워크 컴퓨팅 융합 플랫폼 (SW) - 상황인지기반 네트워크 컴퓨팅 에지 시스템 (SYS) - 상황인지기반 네트워크 컴퓨팅 분산 에지 제어 시스템 (SYS) 전체 내용 o 연차별 목표 2018년 : 인공지능 기반 지능형 에지 네트워크 구조 및 핵심 기술 연구 (IPR 학보) 2019년 : 다중 도메인 AI 분산처리 및 상황인지 기술 개발 2020년 : 상황인지 연동 자원관리/서비스 구성/SD-WAN 기술 개발 2021년 : 지능형 에지 네트워크 요소기술 통합 및 PoC o 연구개발 내용 - 다중 도메인 AI 분산 처리 기술 · 계층적(디바이스, 에지, 클라우드) DNN 오프로딩 기술 · 다중 에지 간 협력적 AI 처리 기술 · 분산 DNN(Deep Neural Network) 기반 상황인지 브로커 기술 - 상황인지 기반 자원 자율관리 및 마이크로 서비스 구성관리 기술 · 상황에 따른 에지 자원 동적 자율 구성 기술 · 상황 맞춤서비스 제공을 위한 마이크로 서비스 구성 관리 기술 · 상황정보를 고려한 서비스 연결 및 가상자원 마이그레이션 기술 - 상황인지 기반 지능형 SD-WAN 기술 · 서비스 품질 보장형 SD-WAN Tunnel 제어 기술 · 마이크로서비스 Driven Packet Forwarding 기술 · 상황 및 서비스 맞춤형 WAN Optimization 기술 o 과제수행방법 - 연구개발 초기부터 철저한 기술 분석을 바탕으로 핵심 기술 연구 및 개발에 집중 - 기술 경제성 및 사업성 분석을 통해서 시장의 현실을 반영한 연구 개발 진행 - 연구 개발 결과물의 신뢰성 확보를 위한 실증 서비스(PoC) 추진 - 주관 및 참여기관의 유기적 연구개발 체계를 구축 및 시제품 개발 - 핵심 기술을 제외한 오픈 소스 소프트웨어(OSS)의 적극 활용 - SDN/NFV 포럼 산하 에지 네트워킹 연구그룹 운영을 통해 기술적/산업적 요구 변화를 연구개발에 신속 반영 결과물의 경쟁력 강화 o 연구개발 결과물 특징 - 저지연 에지 클라우드 Cognitive 서비스 기술 (세계 Top 3위) - 지능형 Software Defined Edge Fabric 기술 (세계 최초) - 프로세서/엑셀러레이터(GPU/FPGA) 연동 지능형 고속 Flow 처리 기술 (세계 최초) - AI 기반 실시간 상황정보(네트워크 및 컴퓨팅 자원) Telemetry 분석 기술 (세계 Top 5위) o 적용범위(또는 서비스) - (상황인지기반 분산 네트워크 컴퓨팅 융합 플랫폼) 향후 도래할 Post App 시대에 대응하여 상황인지기반 사용자 맞춤형 서비스 (스마트 홈, 스마트 쇼핑, 스마트 교통 등)를 제공하기 위한 공통 기반 플랫폼으로 활용 - (AI 기반 Cognitive 서비스 기술) 저지연 에지 클라우드에 탑재되어 클라우드 기반의 지능/실감 서비스 (VR/AR)와 실시간 서비스 (Connected Car, RT-VPA)에 활용 - (지능형 SD Edge Fabric 기술) 기업/금융/물류/의료 등 다수의 에지 네트워크를 연결하는 VPN 서비스, 데이터센터간 연결시 IP 이동성 문제 솔루션 및 방대한 IoT 단말을 Multi-Tenancy로 연결하기 위한 핵심기술로 활용 - (AI 기반 실시간 분석 기술) 실시간 Telemetry를 활용하기 위한 범용 스위치/라우터장Telemetry 비 및 가상화 네트워크를 구성하는 소프트웨어 기반의 다양한 형태의 오픈 하드웨어에서 활용 연구개발성과 o 목표 대비 연구성과 연구 목표 : 다중 도메인 AI 분산 처리 기술 당해 연구목표 1. 협력적 AI 기반 Context 추론 기술 고도화 연구 개발 내용 : 1.1 Multimodal Context 추론 기술 고도화 1.2 복합 상황인지 요소기술 통합 및 플랫폼 구축 1.3 다계층 분산 DNN 클러스터 구축 및 시험 연구 성과 : (정성적 성과) o Multimodal Context 추론 기술 - Imputation Accuracy Prediction (IAP) Module 성능 분석 - Imputation Accuracy Prediction (IAP) 모듈의 Ablation 결과 - 에너지와 데이터 성능별 가중치에 따른 주기조절 결과 성능 분석 o 복합 상황인지 요소기술 - 복합 상황인지 통합엔진 및 플랫폼 o 다계층 분산 DNN 클러스터 구축 - Multi exit point DNN 추론 모델 - Docker container 기반 분산 DNN 협력 추론 모듈 (성능목표 달성) o (성능평가항목) AI 분산처리 - 개발목표치: 다중 도메인 분산 DNN - 평가결과: 합격 (공인시험 완료) (혁신기술) o 머신러닝 기반 오토스케일링 알고리즘 - Response time 예측 모델과 post-scaling metric 예측모델을 활용하여 서비스 품질 향상 및 인프라 운용 비용감소에 효과적인 auto-scaling 수행 - Kubernetes 환경을 기반으로, pod scaling에 대한 성능 시험 - 기존scaling policy 대비 뛰어난 scaling 성능 (SLA violation 비율, 평균 response time, 평균 pod 수, scaling action 횟수) 보임 (핵심기술) o IoT 단말의 데이터 전송 주기 조절 기술 - 데이터의 누락 복원 정확도와 IoT 단말의 에너지 소비량을 고려 최적의 IoT 단말의 데이터 전송주기 결정 - 실제 IoT 환경에 구동중인 IoT 단말 데이터를 활용, 실제 누락 복원 오차율을 정확하게 근사함을 보임 연구 목표 : 상황인지 기반 자원 자율관리 및 마이크로 서비스 구성관리 기술 당해 연구목표 2. 상황인지 기반 Cognitive 서비스 플랫폼 구축 연구 개발 내용 : 2.1 Context 연동 마이크로서비스 기술 통합 및 시험 2.2 Context 연동 자원자율관리 기술 통합 및 시험 2.3 상황인지기반 Cognitive 서비스 PoC 개발 및 시험 연구 성과 : (정성적 성과) o Context 연동 마이크로서비스 관리 기술 - Container 기반 마이크로서비스 라이프사이클 관리 - 가상머신 기반 마이크로서비스 라이프사이클 관리 - 마이크로서비스에 가상 및 물리 네트워크 연동 - 마이크로서비스에 vGPU 연동 o Context 연동 자원자율관리 기술 - Kubernetes 기반 Telemetry 정보 수집 시스템 및 오토스케일링 시험 환경 - 머신러닝 기반 가상함수 스케일링 알고리즘 (성능목표 달성) o (성능평가항목) 상황인지 연계요소 - 개발목표치: 마이크로서비스, 가상자원 (네트워크, 가상머신, Container, vGPU 등) - 평가결과: 합격 (공인시험 완료) (혁신기술) o QoS 보장형 마이크로서비스 네트워킹 기술 - 노드 내 대역폭 보장이 가능한 Qdisc 연동 기능 - Virtual
원문URL http://click.ndsl.kr/servlet/OpenAPIDetailView?keyValue=03553784&target=REPORT&cn=TRKO202200004838
첨부파일

추가정보

과학기술표준분, ICT 기술분류, 주제어 (키워드) 순으로 구성된 표입니다.
과학기술표준분류
ICT 기술분류
주제어 (키워드)