软件定义网络（SDN）环境下基于机器学习的路由预规划研究

项目名称： 软件定义网络（SDN）环境下基于机器学习的路由预规划研究

项目编号： No.61502106

项目类型： 青年科学基金项目

立项/批准年度： 2016

项目学科： 自动化技术、计算机技术

项目作者： 郑相涵

作者单位： 福州大学

项目金额： 21万元

中文摘要： 在软件定义网络（SDN）环境下，控制器需要为新一个新流制定并安装路由策略，这给控制平面与数据平面造成巨大的计算与通信负担，并不高效。在此背景下，智能化的路由预规划被认为是路由有效性提升的重要途径。本项目面向SDN路由预规划领域，立足于机器学习理论，从流特征提取、需求预测、路径规划三方面依次开展研究。首先，根据用户历史数据，分析数据包与数据关联特征，引入半监督式聚类算法，研究SDN流的高效归类、粒度分析与特征提取，为路由预规划提供前提；在此基础上，引入监督式分类算法，结合用户与数据平面负载特征，开展SDN流的需求预测研究，为路由预规划的策略制定提供支撑；最后，制定相应的流业务处理、数据平面拓扑裁剪、多约束因子权重分配等策略，并据此设计面向需求的个性化路径规划方法，实现最优化的路径选择。研究成果将结合理论与应用实际验证，确保可用性、可靠性与有效性。

中文关键词： 软件定义网络；路由预规划；机器学习；特征提取；特征学习

英文摘要： In Software Defined Network (SDN) environment, controller has to compute and install routing strategy for each new flow, leading to a lot of computation and communication burden in both controller and data planes. In this background, intelligent routing pre-design mechanism is regarded to be an important approach for routing efficiency enhancement. This project investigates and proposes efficient SDN routing pre-design solution from three aspects: flow feature extraction, requirement prediction and route selection. Firstly, we analyze and extract data packet and association features from user history data, apply these features into semi-supervised clustering algorithm for efficient data classification, analysis and feature extraction; After that, flow service requirement could be predicted through extraction of user, flow and data plane load features and implementation of supervised classification algorithm; furthermore, we propose corresponding handling strategies related to data plane topology, flow forwarding and multi-constraint weight assignment, and proposes personalized routing selection mechanism. The research output will be implemented and evaluated in testing bed for insurance of availability, reliability and efficiency.

英文关键词： Software Defined Network;Routing Pre-Design;Machine Learning;Feature Extration;Feature Learning