Tytuł pozycji:
Redukcja wielkości tablicy przepływów dzięki detekcji dużych przepływów za pomocą uczenia maszynowego
Liczba jednoczesnych przepływów w sieciach nadal przekracza pojemność tablic przepływów. W celu zmniejszenia zajętości tablic przeanalizowano wybrane modele uczenia maszynowego, wytrenowane na replikowalnych, rzeczywistych modelach ruchu, aby klasyfikować przepływy już od pierwszego pakietu. Jak pokazano w tej pracy, możliwe jest zmniejszenie liczby wpisów w tablicach 30-50 krotnie, przy jednoczesnym zachowaniu 80% pokrycia ruchu.
The number of simultaneous flows in networks still overwhelms the capacities of the flow tables. Selected machine learning models trained on the reproducible, real traffic models to classify flows since the first packet were analyzed in order to reduce the flow table occupancy. As it is shown in this paper it is possible to reduce the number of flow entries by a factor up to 30-50, still covering 80% of the traffic using out-of-the-box models.
Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).
