Avaliação do impacto das diferentes abordagens de coleta de telemetria de redes nos modelos de aprendizado de máquina

• Processo: 24/03181-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de abril de 2024
• Data de Término da vigência: 31 de dezembro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Fabio Luciano Verdi
• Beneficiário: Gabriel Santos de Andrade
• Instituição Sede: Centro de Ciências em Gestão e Tecnologia (CCGT). Universidade Federal de São Carlos (UFSCAR). Campus de Sorocaba. Sorocaba , SP, Brasil
• Empresa: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação (FEEC)
• Vinculado ao auxílio: 21/00199-8 - Redes e serviços inteligentes rumo 2030 (SMARTNESS), AP.PCPE
• Bolsa(s) vinculada(s): 24/13591-1 - Avaliação do impacto das diferentes abordagens de coleta de telemetria de redes nos modelos de aprendizado de máquina, BE.EP.IC
• Assunto(s): Aprendizado computacional Monitoramento Redes de computadores
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Monitoramento | P4 | Sdn | Telemetria de redes | Redes de Computadores

Resumo

Inserir inteligência no contexto de telemetria de redes usando In-band Network Telemetry (INT) é um passo natural, visto que pesquisas no campo de redes de computadores têm avançado no uso de algoritmos de aprendizado de máquina (AM). Na literatura, alguns trabalhos têm feito uso de AM em conjunto com plano de dados programável e utilizado de maneira abundante os dados de telemetria coletados da rede para alimentar os modelos de AM.Entretanto, enquanto a quantidade de dados de telemetria coletados, por um lado é de extrema importância para os modelos de AM, por outro lado pode causar um consumo excessivo dos recursos da rede apenas para coletar tais métricas. Neste sentido, há várias técnicas na literatura que usam abordagens determinísticas e probabilísticas para diminuir a quantidade de dados de telemetria coletados. Porém, não há estudos que avaliam como estas técnicas impactam na acurácia dos modelos de AM, já que menos dados de telemetria serão coletados da rede e injetados em tais algoritmos.Este projeto de Iniciação Científica, portanto, propõe realizar a coleta das métricas de telemetria de rede usando as diferentes abordagens probabilísticas e determinísticas avaliando como tais abordagens afetam a acurácia dos modelos de AM.