| Studiju veids |
maģistra akadēmiskās studijas |
| Studiju programmas nosaukums |
Telekomunikāciju tehnoloģijas un tīklu pārvaldība |
| Nosaukums |
Programdefinēto tīklu testa stenda konfigurēšana datortīklu trafika klasifikācijai ar dziļajiem neironu tīkliem |
| Nosaukums angļu valodā |
SDN Testbed Setup for Network Traffic Classification with Deep Learning Models |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Elans Grabs |
| Recenzents |
Aleksandrs Ipatovs |
| Anotācija |
SDN piedāvā modernu tīkla pārvaldības metodi, atdalot vadības vienkāršās un datu problēmas, lai uzlabotu elastību un kontroli. Paralēli DL (Deep Learning) metode nodrošina spēcīgu rīku sarežģītu datu modeļu, piemēram, tīkla trafika, analīzei. Šī darba galvenais mērķis ir izveidot SDN testa platformu satiksmes klasifikācijai ar Deep Learning tehniku.
Pirmais posms ir pilnīga izpratne par SDN un DL principiem. Pēc tam izmantojot Mininet vidi, lai izveidotu SDN lietojumprogrammu, kas simulē tīkla apstākļus ar RYU kontrolleri. Jāizveido ievērojams daudzums tīkla trafika datu un jāsaglabā analīzei.
Nākamais solis ir datu kopas priekšapstrāde, lai nodrošinātu, ka tā ir piemērota dziļās mācīšanās modeļa apmācībai. Pēc tam šī iepriekš apstrādātā datu kopa tika izmantota, lai izveidotu un apmācītu daudzslāņu uztveres (MLP) modeli. Lietus process tika mērīts, izmantojot precizitātes un zudumu metriku, un tas sniedza grafisku attēlojumu, lai parādītu modeļa veiktspēju. Izveidojiet neskaidrības matricu, lai sniegtu ieskatu klasifikācijas precizitātē dažādām satiksmes klasēm. Turklāt izmantojiet nejauši ģenerētu datu paraugu kopu un datu kopu no datu kopas, kas izveidota klasifikācijai, lai novērtētu apmācītā modeļa prognozēšanas iespējas. Rezultāts uzsver iespējamos tīkla pārvaldības uzlabojumus un parāda, ka SDN apvienošana ar DL ir iespējama efektīvai tīkla trafika klasifikācijai. Šis pētījums izceļ daļiņu izmantošanu, apvienojot šīs progresīvās tehnoloģijas, paverot durvis turpmākai attīstībai šajā jomā. |
| Atslēgas vārdi |
SDN, Deep Learning, Tīkla trafika klasifikācija, Mininet, RYU kontrolieris, MLP Neironu Tīkls |
| Atslēgas vārdi angļu valodā |
SDN, Deep Learning, Network Traffic Classification, Mininet, RYU Controller, MLP Neural Network |
| Valoda |
eng |
| Gads |
2024 |
| Darba augšupielādes datums un laiks |
29.05.2024 21:26:21 |
