تکنیک مهندسی ترافیک هوشمند برای شبکه های SDN مبتنی بر شبکه های عصبی

در سال های اخیر، افزایش ترافیک اینترنت در نتیجه افزایش سریع تعداد کاربران اینترنت به طور انفجاری گسترش یافته است. در نتیجه افزایش تصاعدی برنامه های کاربردی اینترنت و هزینه های محاسباتی بالای آن ها، هم استراتژی های مبتنی بر پورت و هم DPIها (بازرسی بسته های عمیق) موثر نیستند. یک جزء جدایی ناپذیر از حوزه شبکه که می تواند شبکه های سنتی را به یک شبکه خودکار تبدیل کند، شبکه های تعریف شده نرم افزاری خواهد بود. روشی که SDN (شبکه های تعریف شده نرم افزار) برای متمرکز کردن معماری شبکه استفاده می شود. جدا بودن کنترل پلن و داده پلن از یکدیگراست. این روش منجر به ایجاد یک کنترل کننده متمرکز شبکه با دید کلی و جامع از کل شبکه می شود.بنابراین، بر خلاف شبکه های سنتی که در آن دو سطح کنترل و داده با هم مرتبط هستند، تنها یک صفحه کنترل کنترل کننده برای همه کنترل ها SDN وجود دارد. دیتا پلن داده وظیفه ارسال مستقیم بسته های داده را بر عهده دارند و کنترل مسیریابی ترافیک را انجام می دهند.یکی از مسائل کلیدی این معماری جدید شبکه، امنیت داده ها و شناسایی بسته های مخرب است. این مقاله از مجموعه داده اطلاعات ترافیک SDN ها در تلاش برای انتخاب مهم ترین ویژگی های مورد نیاز برای طبقه بندی بسته های شبکه به کلاس های عادی و مخرب استفاده می کند.طرح پیشنهادی تکنیک مهندسی ترافیک هوشمند بر اساس همبستگی است. طرح پیشنهادی با استفاده از طبقه بندی کننده های متعدد برای کارایی آن ارزیابی می شود که در آن دقت طبقه بندی بیش از ۹۵٪ به دست می آید.