Uma abordagem inovadora para classificação de tráfego em tempo real em ambiente de redes definidas por software (SDN)

• Autor(a) principal: Klenilmar Lopes Dias
• Data de Publicação: 2019
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/37466; https://orcid.org/0000-0003-2769-3647
• topic: Classificação de tráfego; Redes definidas por software; Aprendizado de máquina; Naive bayes; Streaming de vídeo; Engenharia elétrica; Aprendizado do computador; Teoria bayesiana de decisão estatística; Redes de computadores

A crescente demanda por taxas de transmissão de alta velocidade nos últimos anos atraiu pesquisas em novos mecanismos de caracterização e classificação de tráfego de rede. Seu tratamento inadequado degrada o desempenho de esquemas operacionais importantes, como Capacidade de Sobrevivência de Rede, Engenharia de Tráfego, Qualidade de Serviço (QoS) e Controle de Acesso Dinâmico, entre outros. Os métodos mais comuns para classificação de tráfego são a Inspeção Profunda de Pacotes (DPI) e a Classificação Baseada em Porta. No entanto, esses métodos estão se tornando obsoletos, já que cada vez mais tráfego está sendo criptografado e os aplicativos estão usando portas dinâmicas originalmente atribuídas a outros aplicativos populares. Nesta mesma direção, surge o problema de atender não só o volume futuro de tráfego nos Data Centers, mas atender também o tráfego atual e suas oscilações com essa nova demanda por taxas de transmissão de alta velocidade requisitada pelos serviços na Internet. Um dos principais problemas gerado pelo aumento do volume é em relação ao uso eficiente da taxa de transferência para atender as requisições. Além disso, nos últimos anos, o paradigma das Redes Definidas por Software (SDN) trouxe novas oportunidades para gerência da rede de maneira centralizada. Assim, este trabalho apresenta um classificador de tráfego para ambiente SDN, com uma abordagem inovadora de classificação de tráfego de rede em tempo real, para utilização em esquemas de Engenharia de Tráfego em Data Centers. O classificador adota uma nova abordagem para o relaxamento da hipótese de independência entre os atributos do algoritmo Naive Bayes. Os resultados mostram que o módulo proposto é uma alternativa promissora para uso em cenários em tempo real.