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

成为VIP会员查看完整内容
4

相关内容

空天地一体化通信系统白皮书
专知会员服务
174+阅读 · 2022年2月26日
【干货书】O'REILLY,Blockchain(区块链),149页
专知会员服务
40+阅读 · 2022年2月22日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
基于机器学习的数据库技术综述
专知会员服务
53+阅读 · 2021年1月2日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
专知会员服务
45+阅读 · 2020年11月13日
5G边缘计算的价值机遇
专知会员服务
64+阅读 · 2020年8月17日
【硬核书】可扩展机器学习:并行分布式方法
专知会员服务
85+阅读 · 2020年5月23日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
为什么选择无服务器模型?
InfoQ
0+阅读 · 2022年3月6日
【博士论文】开放环境下的度量学习研究
专知
7+阅读 · 2021年12月4日
招聘平面设计实习生
微软研究院AI头条
0+阅读 · 2021年5月20日
汽车之家机器学习平台的架构与实践
专知
4+阅读 · 2021年3月24日
【论文笔记】Graph U-Nets
专知
80+阅读 · 2019年11月25日
【边缘计算】边缘计算面临的问题
产业智能官
17+阅读 · 2019年5月31日
我国智能网联汽车车路协同发展路线政策及示范环境研究
介绍WAF以及过滤机制
黑白之道
22+阅读 · 2019年2月5日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
49+阅读 · 2021年5月9日
小贴士
相关VIP内容
空天地一体化通信系统白皮书
专知会员服务
174+阅读 · 2022年2月26日
【干货书】O'REILLY,Blockchain(区块链),149页
专知会员服务
40+阅读 · 2022年2月22日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
基于机器学习的数据库技术综述
专知会员服务
53+阅读 · 2021年1月2日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
专知会员服务
45+阅读 · 2020年11月13日
5G边缘计算的价值机遇
专知会员服务
64+阅读 · 2020年8月17日
【硬核书】可扩展机器学习:并行分布式方法
专知会员服务
85+阅读 · 2020年5月23日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
为什么选择无服务器模型?
InfoQ
0+阅读 · 2022年3月6日
【博士论文】开放环境下的度量学习研究
专知
7+阅读 · 2021年12月4日
招聘平面设计实习生
微软研究院AI头条
0+阅读 · 2021年5月20日
汽车之家机器学习平台的架构与实践
专知
4+阅读 · 2021年3月24日
【论文笔记】Graph U-Nets
专知
80+阅读 · 2019年11月25日
【边缘计算】边缘计算面临的问题
产业智能官
17+阅读 · 2019年5月31日
我国智能网联汽车车路协同发展路线政策及示范环境研究
介绍WAF以及过滤机制
黑白之道
22+阅读 · 2019年2月5日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员