A hálózaton belüli számítások egy új kutatási terület, amely az elmúlt években alakult ki. A hálózaton belüli számítások (in-network computing) olyan hagyományosan végállomásokon futó programok végrehajtására vonatkozik, amelyek ebben a modellben a hálózati eszközökben futnak. Eszerint a számítások a hálózaton belül történnek, a már telepített eszközökön, amelyeket a hálózati forgalom továbbítására is használunk. A hagyományos hálózati számításokkal szemben, ahol a számítást egy hálózaton belül elhelyezett számítógép végzi, a számításokat programozható switchek és routerek végzik. A számítások/szolgáltatások hálózati eszközökre szervezése két fő előnnyel kecsegtet: az elérhető nagy sávszélesség és a nagyon alacsony válaszidő. Napjainkban a hálózati chipek másodpercenként tízmilliárd csomag feldolgozására képesek, ami operációk milliárdjait jelenti másodpercenként egy-egy kiszervezett alkalmazás esetén. Ezeket a switcheket csővezetékszerű feldolgozásra tervezték, melyek megállás nélkül dolgozzák fel a beérkező csomagokat. Általánosságban elmondható, hogy nem túlterhelt esetben a kapott késleltetés a mikrómásodperc töredéke. A hálózaton belüli számítások során a tranzakciók a hálózati út mentén kerülnek végrehajtásra, nem pedig a hálózatban található számítógépeken/szervereken. Ezzel kiküszöbölhető a végállomás által bevezetett extra késleltetést. A meglévő alkalmazások bizonyítják, hogy sok esetben 10 000-szer nagyobb teljesítmény érhető el a hálózaton végzett számítások segítségével a szervereken elvégzetthez hasonlítva.

A programozható adatsíkok megjelenésével [1,2] új korszak kezdődött a számítógép-hálózatok fejlődésében, amelynek során a hálózatok egyszerű csomagtovábbító infrastruktúrákból programozható, végponttól végpontig terjedő platformokká alakulnak. A szoftveralapú hálózatok első generációjának (Software-Defined Networking 1.0, SDN 1.0) alapgondolata a hálózati kapcsolóeszközök adatsíkjának és vezérlősíkjának szétválasztása, valamint a vezérlősík megnyitása volt, amelyet egy logikailag központosított szoftveres vezérlő felügyel. Az SDN 1.0 által biztosított vezérlősík-programozhatóságon túl az adatsík programozhatósága lehetővé teszi, hogy a hálózatüzemeltetők teljes körű ellenőrzést gyakoroljanak infrastruktúrájuk működése felett. Nem csupán azt határozhatják meg, hogy a vezérlősík alkalmazásai miként töltsék fel a csomagtovábbító eszközök táblázatait, hanem azt is, hogy ezek az eszközök hogyan kezeljék és dolgozzák fel a hálózati csomagokat. Az SDN 1.0 megközelítésével ellentétben az alacsony szintű csomagfeldolgozási műveletek módosításához nincs szükség az alapul szolgáló hálózati kapcsolóáramkörök (ASIC-ek) újratervezésére, mivel ezek működése szoftveresen is meghatározható.

Ahogyan Nick McKeown fogalmazott a NetDev 0x14 konferencián tartott nyitóelőadásában: „Többé nem protokollokban fogunk gondolkodni, hanem szoftverekben. Minden funkció és »protokoll« kikerül a hardverből, és szoftveres megvalósítást kap. Az internet egészében.” A jövő programozható hálózataiban a vezérlősík folyamatosan nyomon követheti a hálózat állapotát, és különböző módokon reagálhat annak változásaira. Ez a kibővített megfigyelhetőség teremti meg az autonóm működésű (self-driving) és szándékalapú (intent-based) hálózatok alapjait. A mélyen programozható hálózatok (deeply programmable networks) [3] alapvetően alakíthatják át a számítógép-hálózatok jövőjét, és korábban nem látott innovációk előtt nyithatják meg az utat. Ugyanakkor számos új kihívást is felvetnek, különösen a hálózati szoftverek biztonsága, megbízhatósága és a beléjük vetett bizalom tekintetében. Kutatásaink ezekre a kihívásokra összpontosítanak, és az alábbi területekhez kapcsolódó kutatási kérdések megválaszolását célozzák:* Új hálózati algoritmusok kidolgozása szándékalapú forgalomirányításhoz és forgalomoptimalizáláshoz (intent-based traffic engineering), kizárólag az adatsíkban megvalósítva.* A hálózat programozása egyetlen logikai kapcsolóként (big switch), valamint az adatsík- és vezérlősík-programok szétválasztása és elosztott megvalósítása.* Hálózati erőforrások kihasználtságát figyelembe vevő útvonalválasztás.* Különböző alkalmazások feldolgozási feladatainak gyorsítása a hálózaton belül (in-network acceleration).* Rendellenes és rosszindulatú hálózati forgalmi mintázatok felismerése és kezelése az adatsíkban.* Hálózati teljesítményproblémák észlelése és diagnosztizálása az adatsíkban végzett mérések segítségével.* Hálózati meghibásodások gyors észlelése és a szolgáltatás helyreállítása.

Hivatkozások: [1] Pat Bosshart, Dan Daly, Glen Gibb, Martin Izzard, Nick McKeown, Jennifer Rexford, Cole Schlesinger, Dan Talayco, Amin Vahdat, George Varghese, David Walker, P4: Programming Protocol-Independent Packet Processors, ACM Sigcomm Computer Communications Review (CCR). Volume 44, Issue #3 (July 2014) [2] P4 Consortium: http://p4.org

A szolgáltatás minőség (QoS) területén végzett kiterjedt kutatás és szabványosítás ellenére a legtöbb kifejlesztett megoldást nem alkalmazzák a gyakorlatban. A hálózatok túltervezésének hívei azzal érvelnek, hogy sokkal egyszerűbb és hatékonyabb kapacitást növelni, ha szükség van rá, mint olyan összetett QoS-mechanizmusokat kiépíteni és fenntartani, amelyek csak kismértékű javulást biztosítanak a torlódások során. A hálózatok torlódása, valamint a végfelhasználókra gyakorolt hatások elkerülésének módjai idővel visszatérően jelentkeznek, különösen manapság, amikor a hálózat kritikus társadalmi eszközzé vált. A közelmúltban a COVID-19 miatt kialakult szerencsétlen világjárvány nyilvánvalóvá tette ezt a kritikus tényt, felfedve, hogy megfelelő mechanizmusokat kell meghatározni a robusztusságának javítására és a végfelhasználók számára megfelelő minőségű élmény biztosítására.

A Per Packet Value nevű, alapvető állapot nélküli erőforrás-megosztási keretrendszeren dolgozunk. További részletek a http://ppv.elte.hu oldalon érhetők el.

A hatodik generációs (6G) mobilhálózatok fejlődése a kommunikációs infrastruktúrákat mélyen programozható, felhőnatív és mesterséges intelligenciával támogatott platformokká alakítja. A nagyobb adatátviteli sebesség és az alacsonyabb késleltetés mellett a 6G-hálózatoknak olyan heterogén alkalmazásokat kell támogatniuk, mint a kiterjesztett valóság (XR), az autonóm rendszerek, az ipari automatizálás és az elosztott mesterséges intelligencia. Ezek az alkalmazások eltérő követelményeket támasztanak a teljesítmény, a megbízhatóság, az energiahatékonyság és a számítási erőforrások tekintetében, ezért olyan intelligens hálózatokra van szükség, amelyek dinamikusan alkalmazkodnak az alkalmazások igényeihez és a változó működési környezethez [1,2]. Kutatásaink programozható hálózati architektúrák, intelligens erőforrás-kezelési mechanizmusok és alkalmazásorientált kommunikációs megoldások fejlesztésére irányulnak. Korábbi eredményeink közé tartoznak az 5G-hálózati funkciók gyorsítására szolgáló hibrid hardver-szoftver architektúrák [3], a programozható adatsíkfunkciók szétválasztását és összeállítását támogató keretrendszerek [4], valamint a skálázható szolgáltatásminőség-biztosítási (QoS) és felhasználói élményre (QoE) épülő mechanizmusok [5,6]. Emellett foglalkoztunk digitális ikermodelleken alapuló rádiós erőforrás-menedzsmenttel [7], mobilhálózatok gépi tanulásra épülő elemzésével [8] és energiahatékony erőforrás-optimalizálással [9]. Hosszú távú célunk olyan autonóm, alkalmazásorientált 6G-hálózatok kialakítása, amelyek a kommunikációs és számítási erőforrásokat az alkalmazások célkitűzései alapján, összehangoltan optimalizálják. Ezek a hálózatok folyamatosan követik a működési környezet változásait, értelmezik az alkalmazások követelményeit, és dinamikusan módosítják működésüket a teljesítmény és a felhasználói élmény javítása érdekében, figyelembe véve a megbízhatósági és energiahatékonysági szempontokat is.

Kutatásaink főbb irányai:

Mélyen programozható 6G-architektúrák: Programozható adatsíkokat, felhőnatív hálózati funkciókat és elosztott vezérlési mechanizmusokat integráló rugalmas hálózati architektúrák fejlesztése [1–4].AI-natív hálózatmenedzsment: Intelligens és autonóm algoritmusok kidolgozása hálózati mérésekhez, teljesítmény-előrejelzéshez, erőforrás-optimalizáláshoz és zárt hurkú szolgáltatásmenedzsmenthez [7,8].Alkalmazásorientált QoS- és QoE-optimalizálás: A csomagok fontosságát, az alkalmazások követelményeit és a felhasználói élményt figyelembe vevő ütemezési, forgalommenedzsment- és erőforrás-megosztási algoritmusok [5,6].Kommunikációs és számítási erőforrások együttes optimalizálása: Dinamikus erőforrás-elosztás és szolgáltatáselhelyezés a rádiós, szállítóhálózati, peremhálózati és felhőinfrastruktúrákban, a teljesítmény és az energiahatékonyság figyelembevételével [2,9].Célorientált és szemantikai kommunikáció: Az információ alkalmazásszintű hasznosságát és relevanciáját figyelembe vevő kommunikációs mechanizmusok fejlesztése.Megbízható és biztonságos autonóm hálózatok: Biztonsági, hibatűrési és ellenőrzési mechanizmusok kidolgozása a programozható és AI-vezérelt 6G-infrastruktúrák megbízható működéséhez.

Kutatásaink célja az intelligens, fenntartható és megbízható 6G-hálózatok alapjainak megteremtése, amelyekben a kommunikációs és számítási erőforrások dinamikusan működnek együtt az alkalmazásszintű célok teljesítése érdekében.

[1] G. Pongrácz, A. Mihály, I. Gódor, S. Laki, A. Nanos, C. Papagianni (2023). Towards Extreme Network KPIs with Programmability in 6G. ACM MobiHoc, pp. 340–345. https://doi.org/10.1145/3565287.3617610

[2] F. Paolucci et al. (2026). End-to-End Latency Assurance for Distributed Augmented Reality over Programmable 6G Networks: A DESIRE6G Demonstration. Computer Networks, Vol. 286, 112443. https://doi.org/10.1016/j.comnet.2026.112443

[3] S. K. Singh et al. (2023). Hybrid P4 Programmable Pipelines for 5G gNodeB and User Plane Functions. IEEE Transactions on Mobile Computing, Vol. 22, No. 12, pp. 6921–6937. https://doi.org/10.1109/TMC.2022.3201512

[4] F. Brisch, A. Kassler, S. Laki, P. Hudoba (2024). P4-MTAGG – a Framework for Multi-Tenant P4 Network Devices. IEEE CNSM. https://doi.org/10.23919/CNSM62983.2024.10814635

[5] F. Fejes, Sz. Nádas, G. Gombos, S. Laki (2022). DeepQoS: Core-Stateless Hierarchical QoS in Programmable Switches. IEEE Transactions on Network and Service Management. https://doi.org/10.1109/TNSM.2022.3152017

[6] M. Fekete, G. Gombos, A. Mihály, Sz. Nádas, S. Laki (2026). Towards QoE-Aware Core-Stateless Resource Sharing. ACM CoNEXT EMS 2026 Workshop, accepted paper.

[7] Cs. Györgyi, J. Pető, P. Vörös, G. Szabó, S. Laki (2023). Radio Propagation Digital Twin Aided Multi-Point Transmission With In-Network Dynamic On-Off Switching. IEEE Access, Vol. 11, pp. 128843–128858. https://doi.org/10.1109/ACCESS.2023.3333525

[8] K. Hajdú-Szűcs et al. (2025). Ensemble Graph Attention Networks for Cellular Network Analytics: From Model Creation to Explainability. IEEE Transactions on Network and Service Management. https://doi.org/10.1109/TNSM.2024.3436677

[9] K. Kecskeméti, J. A. Brito, G. Gombos, S. Laki, J. I. Moreno, L. M. Contreras (2026). Energy-Efficient Resource Management Optimization Using Programmable Switches. IEEE ICC 2026. https://doi.org/10.1109/ICC59461.2026.11587383