| 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 |
