Roteamento em redes definidas por software com aprendizado de máquina

Resumo

Na área de rede, o controle de tráfego eficiente, como o roteamento, aparece como um desafio crítico. Tal desafio permanece presente, uma vez que os protocolos de roteamento convencionais (e.g., OSPF e RIP) atualmente apresentam limitações. Por exemplo, tais protocolos não podem adaptar suas decisões após cenários de degradação, como congestionamento, eles não são inteligentes. Nesse sentido, os protocolos repetidamente continuam a tomar as mesmas decisões de roteamento para cenários de congestionamento semelhantes. Portanto, um método inteligente de controle de tráfego de rede é essencial para enfrentar esse desafio. As Redes Definidas por Software (SDN) desacoplam o controle de rede do encaminhamento de pacotes, o que simplifica significativamente a operação dos switches. A boa capacidade de programação do SDN também melhora a viabilidade da rede e permite fornecer inteligência dentro das redes, facilitando a aplicação de técnicas de Aprendizado de Máquina (ML). No entanto, embora alguns métodos de ML tenham sido amplamente aplicados a problemas de rede, como classificação de tráfego e previsão de tráfego, o ML permanece apresentando limitações. Por exemplo, uma dessas limitações está na definição de quais dados podem ser coletados e quais ações de controle podem ser executadas em dispositivos de rede. Portanto, a capacidade de programar a rede usando SDN e as vantagens do ML que permitem melhorar a compreensão e o desempenho de um sistema, aliviam essas limitações e podem ser usadas para auxiliar na automação de tarefas de rede, como roteamento. Esta proposta pretende aproveitar as técnicas de ML e SDN para superar as limitações dos protocolos tradicionais de roteamento em redes. Assim, a proposta visa desenvolver um mecanismo de roteamento inteligente que possa aprender com experiências anteriores e adaptar-se às mudanças do SDN. (AU)