Детальная информация

Тема выпускной квалификационной работы: «Управление качеством обслуживания и анализ клиентского трафика в программно-определяемых сетях передачи данных с прогнозированием поведения сети на основе машинного обучения».  Цель работы - разработка методов управления качеством обслуживания (QoS) и анализа клиентского трафика в программно-определяемых сетях (SDN) на основе прогнозирования поведения сети с использованием методов машинного обучения для повышения эффективности распределения ресурсов и обеспечения требуемого уровня сервиса. Задачи:  1. Анализ современных методов управления QoS в SDN и их ограничений. 2. Исследование алгоритмов машинного обучения для прогнозирования сетевого трафика. 3. Разработка архитектуры системы, интегрирующей ML-модели. 4. Экспериментальная оценка эффективности предложенного решения на тестовых сценариях. Работа проведена на базе ООО «Газпромнефть ИТО». Использовались программы: Wireshark, Spyder, D-ITG.

The topic of the final qualifying work is "Service quality management and analysis of customer traffic in software-defined data transmission networks with prediction of network behavior based on machine learning". The aim of the work is to develop methods for quality of service (QoS) management and analysis of client traffic in software-defined networks (SDN) based on network behavior prediction using machine learning methods to increase resource allocation efficiency and ensure the required level of service.  Tasks:  1. Analysis of modern QoS management methods in SDN and their limitations. 2. Research of machine learning algorithms for network traffic forecasting.  3. Development of a system architecture integrating ML models.  4. Experimental evaluation of the effectiveness of the proposed solution in test scenarios.  The work was carried out on the basis of Gazpromneft ITO LLC.  The following programs were used: Wireshark, Spyder, D-ITG.

• Список аббревиатур, сокращений и обозначений
• Введение
• Глава 1. Программно-определяемые сети
• 1.1. Предпосылки создания и развития SDN-сетей
  • 1.1.1. Активные сети
  • 1.1.2. Плоскости управления и плоскости передачи данных
  • 1.1.3. Протокол OpenFlow
• 1.2. Ключевые показатели качества и эффективности сетей
  • 1.2.1. Модель OSI
  • 1.2.2. Эффективность функционирования и показатели качества сетей передачи данных
  • 1.2.3. Основные метрики сети
• Глава 2. Оптимизация сетевого трафика
• 2.1. Анализ существующих методов управления качеством обслуживания (QoS) в сетях
  • 2.1.1 Модели обеспечения QoS
  • 2.1.2. Механизмы работы DiffServ
  • 2.1.3. Классификация и маркировка трафика
  • 2.1.4 Управление трафиком
  • 2.1.5. Предотвращение перегрузок и их управление
  • 2.1.6 Ограничение скорости
• 2.2. Прогнозирование поведения сети на основе машинного обучения: топологии, методы и модели
• Глава 3. Разработка модели системы классификации трафика и анализ результатов моделирования
• 3.1. Система моделирования QoS в корпоративной сети
  • 3.1.1 Метрики качества обслуживания
  • 3.1.2. Архитектура системы
• 3.2. Генерация данных сетевого трафика
• 3.3. Предварительная обработка данных
  • 3.3.1. Загрузка и очистка данных
  • 3.3.2 Метод главных компонент
• 3.4. Классификация сетевого трафика
  • 3.4.1. Оценка эффективности модели
  • 3.5. Результаты работы ML-классификатора
  • 3.5.1. Logistic Regression
  • 3.5.2. Классификатор AdaBoost
  • 3.5.3. Дерево решений
  • 3.5.2. Метод опорных векторов
  • 3.5.3. Метод случайного леса
  • 3.5.4. Обучение без учителя
• Заключение
• Список использованных источников
• Приложение А. Исходный Код модели классификации трафика
• А.1. Компонент Traffic classifier
• А.2. Компонент Simple monitor