Traffic load prediction in SDN/Open Flow Networks

Abstract

Η παρούσα διπλωματική εργασία αποτελεί μία πειραματική απόπειρα εφαρμογής τεχνικών μηχανικής μάθησης για την πρόβλεψη του φόρτου ενός δικτύου στο πλαίσιο ενός περιβάλλοντος SDN (Software-Defined Networking). Αξιοποιώντας ένα Autonomic Network Management Framework, το οποίο υλοποιήθηκε από το Πανεπιστήμιο Πειραιώς, καθώς και πραγματικές δικτυακές υποδομές με OpenFlow switches, αναπτύχθηκε με την χρήση της γλώσσας προγραμματισμού Java ένα αυτόνομο στοιχείο λογισμικού, το οποίο πραγματοποιεί προβλέψεις της μελλοντικής κίνησης μεταξύ πέντε κόμβων ενός δικτύου υλοποιώντας τον αλγόριθμο Backpropagation. Το στοιχείο λογισμικού αυτό προσαρμόστηκε στο ανωτέρω Framework και εκτελέστηκε ως εφαρμογή SDN. Ο στόχος των σχετικών πειραμάτων, που εκτελέστηκαν, ήταν διπλός, και αφορούσε αφενός την αξιολόγηση της αποτελεσματικότητας ενός τυπικού αλγορίθμου μηχανικής μάθησης ως προς την έγκυρη πρόβλεψη του μελλοντικού δικτυακού φόρτου σε πραγματικές συνθήκες βάσει συγκεκριμένων μοντέλων δικτυακής κίνησης και αφετέρου την διερεύνηση της δυνατότητας της ταυτόχρονης εκτέλεσης και συνεργασίας περισσότερων από μίας εφαρμογών SDN με σκοπό την αυτόνομη λήψη αποφάσεων από το δίκτυο σχετικά με την δρομολόγηση της κίνησης βάσει μελλοντικών προβλέψεων χωρίς ανθρώπινη παρέμβαση.