Slicing enterprise WiFi networks for differentiated IoT service provisioning

Résumé

Le nombre croissant de services IdO introduits dans les réseaux sans fil avec leurs diverses exigences et parfois contradictoires ont créé de nouveaux défis pour le contrôle et la gestion de ces réseaux. Le tranchement de réseau est l’une des fonctionnalités les plus recherchées de la 5G pour répondre à ces diverses exigences. Cependant, trancher les réseaux WiFi d’entreprise est difficile à cause de manque des mécanismes de virtualisation du matériel. Cette thèse propose une nouvelle solution pour le tranchement des réseaux WiFi d’entreprise qui ne nécessitent aucun support de virtualisation dans les points d’accès. Notre solution s’appuie sur un mécanisme d’association dynamique d’utilisateurs qui prend en compte l’utilisation du réseau pour chaque tranche. Afin de prendre les décisions d’association, nous formulons un problème d’optimisation qui maximize le débit total du réseau par rapport aux différentes contraintes de chaque tranche. Ces contraintes incluent les limitations physiques des connexions sans fil, les limitations d’intégrité du système liées aux réseaux WiFi, les exigences IoT et l’utilisation à l’échelle du réseau pour chaque tranche. En raison de la mobilité des utilisateurs et du changement de trafic dans les réseaux WiFi d’entreprise, cette optimisation de haute complexité doit être résolue en temps réel. De ce fait, nous proposons une heuristique basée sur un jeu d’appariement plusieurs-à-un. Nous adoptons l’algorithme d’acceptation différée pour trouver la solution de correspondance stable tout en tenant compte des exigences de la tranche IoT et du temps nécessaire pour trouver une association appropriée pour les consommateurs existants dans le réseau. Les résultats de la simulation montrent un potentiel substantiel d’extension des travaux en cours, ce qui peut avoir un impact considérable sur la croissance sociale et économique des réseaux WiFi. Les résultats montrent que la solution proposée se rapproche des résultats optimaux et surpasse les approches RSSI traditionnelles tout en garantissant les exigences des différentes tranches IoT.

Date	25 août 2022
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Kim Khoa Nguyen (Directeur(-trice))