Uma Revisão da Literatura sobre Alocação de Recursos para Virtualização de Função de Rede com e sem Aprendizado de Máquina em Computação em Nuvem

RESUMO A convergência da computação em nuvem, aprendizado de máquina (ML) e virtualização de função de rede (NFV) oferece oportunidades significativas para avançar na gestão da infraestrutura de rede, proporcionando uma utilização de recursos eficiente, flexível e escalável. Este estudo tem como objetivo fornecer uma revisão abrangente dos principais desafios e explorar soluções de ponta em computação em nuvem para alocação de recursos (RA) específica para ambientes NFV. O artigo destaca a importância de adotar estratégias multifacetadas para otimizar a RA e melhorar a eficiência e adaptabilidade dos sistemas em nuvem que lidam com RA sem ML e com ML em ambientes NFV. Além disso, a identificação de lacunas também é discutida, enfatizando muitas necessidades: (1) a necessidade de estender a RA do NFV no caso de redes sem fio; (2) a necessidade de protocolos de segurança aprimorados para explorar totalmente o potencial do ML dentro de ambientes de virtualização de função de recursos (RFV), garantindo que as infraestruturas de rede sejam não apenas eficientes, mas também resilientes e seguras; e (3) a necessidade de desenvolver RA mais eficiente baseada em ML para NFV, considerando o trade-off entre desempenho e precisão.