Adaptation basée sur le contenu et le contexte dans les réseaux mobiles – CANCAN

Le projet adopte une méthodologie en trois étapes :
1- Collecte de données. De nouveaux jeux de données, caractérisant la mobilité des utilisateurs et leur usage des services mobiles, sont constitués. Ils sont obtenus à partir des relevés de sondes passives déployées dans le réseau mobile. Ces sources ont différents niveaux de précision spatio-temporelle. Une fois anonymisées pour respecter les réglementations en vigueur elles sont mises à disposition du projet.
2- Analyse des données. Des techniques à l’état de l’art scientifique en analyse de données sont mises en œuvre et adaptées pour obtenir une meilleure caractérisation de l’utilisation de réseau mobile. Les tendances et les comportements des usagers sont ainsi mieux compris et des événements ou des comportements nouveaux peuvent être anticipés.
3- Algorithmes d’orchestration dynamique des réseaux. Enfin, les solutions d’orchestration des réseaux 5G sont enrichies avec des algorithmes dynamiques et adaptatifs issus de l’analyse précédente. Ces algorithmes sont appliqués à la gestion des ressources virtualisées, au calcul à la bordure du réseau, et la différentiation de services dans le réseau de cœur. L’estimation des gains dans chacun de ses cas permet d’évaluer la pertinence des nouvelles approches d’orchestration dynamique.

Le projet CANCAN a produit dans ses premiers 18 mois les résultats suivants :
- Le projet a collecté des données d’opérateur mobile à grande échelle : ce jeu de données caractérise le comportement du trafic et des applications mobiles. Il couvre une période de 3 mois et l’ensemble du territoire national. Les règles du RGPD et du Code des postes et des communications électroniques ont été suivies. Les données détaillées sont maintenant effacées et des agrégats anonymisés restent à disposition des partenaires.
- Une première série d’études sur les données mobiles a permis d’affiner la méthodologie de caractérisation de la mobilité des utilisateurs, ainsi que de prédire et de détecter des anomalies dans le réseau mobile à partir de l’analyse des comportements récurrents des usagers
- Les techniques d’apprentissage machine ont été mises en œuvre (i) classifier le trafic par services à partir d’agrégats, (ii) résoudre le problème de l’allocation préemptive de ressources dédiées à chaque slice du réseau mobile et (iii) permettre la détection d’anomalies dans les infrastructures virtualisées SDN/NFV à partir des logs. Ces techniques permettent une adaptation fine de la gestion des réseaux mobiles au comportement des usagers.

Les prochaines étapes du projet consistent tout d’abord à poursuivre les analyses de données mobiles, en particulier en évaluant des algorithmes prédictifs, ainsi que des techniques de détection en ligne.
Ensuite des algorithmes d’orchestration dynamique seront développés ou complétés dans es trois domaines suivants : gestion des ressources virtualisées dans le réseau mobile, stratégies de calcul en bordure du réseau et gestion de qualité de services différenciées.

Le consortium a déjà fait 10 publications (dont 5 en collaboration entre plusieurs partenaires du projet) dont certaines dans des conférences prestigieuses (Infocom, Mobicom) et des revues de premier plan (TNSM, JSAC).

Le projet CANCAN propose d'utiliser des outils d'analyse de données réseaux afin de définir des mécanismes anticipatifs dans la future génération de réseaux mobiles. En effet, alors qu’ils sont très souvent planifiés et déployés de façon statique, les réseaux mobiles actuels et a fortiori à venir sont fortement dynamiques. Les utilisateurs sont par définition mobiles. Leur activité dépend en grande partie de leur localisation (ex : domicile, travail, transport) et du moment de la journée (ex : jour/nuit). De plus, le trafic qu’ils génèrent varie énormément selon l’application et/ou le contenu demandé. Récemment, plusieurs initiatives ont émergé dans le but de définir des architectures permettant l’allocation dynamique de ressources et de services. Ces approches reposent sur des orchestrateurs en charge de prendre automatiquement les bonnes décisions de reconfiguration au bon endroit. Le projet CANCAN vise précisément la définition et l’évaluation d’algorithmes d’orchestration à partir de jeux de données massifs.
Le projet a ainsi trois principaux objectifs :
1) La collecte de nouveaux jeux de données avec un haut niveau de détails et à grande échelle.
2) L’utilisation et l’adaptation d’outils d’analyse de données afin de caractériser le trafic réseau et d’anticiper la demande de service.
3) L’intégration et la démonstration d’algorithmes d’analyse de données dans la future génération de réseaux mobiles selon trois principaux cas d’étude : i) l’orchestration des ressources au niveau du réseau radio, ii) la gestion dynamique des ressources de calcul, stockage et de réseau dans le réseau d’accès (approche MEC : Mobile Edge Computing) et iii) la génération dynamique de Service Level Agreements (SLA) et de classes de service.
Pour cela, le projet CANCAN s'appuie sur un consortium complémentaire formé par deux importants industriels du secteur des télécommunications (Orange, Thales) et deux partenaires académiques de renommée (Inria, Sorbonne Université) et, ainsi que sur un groupe multidisciplinaire de chercheurs, avec une expertise en réseaux, analyse de données et sociologie.