Banca de QUALIFICAÇÃO: TIAGO ANDRÉ CARBONARO DE OLIVEIRA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: TIAGO ANDRÉ CARBONARO DE OLIVEIRA
DATA: 16/03/2018
HORA: 10:00
LOCAL: Sala de Videoconferência - DCC
TÍTULO:

CLASSIFICAÇÃO DE REGRAS DE UM CONTROLADOR SDN UTILIZANDO RNA

PALAVRAS-CHAVES:

SDN, RNA, OpenFlow, Controlador

PÁGINAS: 57
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

O novo paradigma de Redes Definidas por Software – SDN (Software Defined Networking) define a separação dos planos de controle e de dados. Neste tipo rede, tal separação implica na inserção de mais um elemento da rede, o controlador. Também foi definido um protocolo de comunicação padrão conhecido como OpenFlow. O protocolo OpenFlow permite que os elementos de encaminhamento ofereçam uma interface de programação, disponibilizando assim, ao administrador da rede, uma extensão do acesso e controle da tabela de consulta utilizada pelo hardware. Esse tipo de controle determina o próximo passo de cada pacote sendo construído através de regras programáveis. Diante desses novos conceitos e aplicações geradas pelas redes definidas por software, tornou-se necessário medir, testar e avaliar equipamentos que suportem esse tipo de tecnologia, para medir o desempenho de tais redes. O controlador atuando no switch modifica diretamente o perfil do tráfego gerado, pois o mesmo vem acompanhado de influências de regras estáticas (inseridas no controlador) que geram, em muitos casos, dúvidas ao profissional de rede sobre diagnósticos cotidianos. Uma ferramenta de classificação pode ser muito útil nesse contexto de regras estáticas atuando sobre um tráfego dinâmico. A utilização de uma Rede Neural Artificial RNA – ANN (Artificial Neural Network), pode fornecer excelentes resultados. Contudo, uma ANN foi proposta como modelo de classificação de regras do controlador SDN de acordo com os parâmetros de tráfego efetivos. Alguns parâmetros como round-trip time, largura de banda e regras da tabela de fluxo, servirão de base para a alimentação da rede neural. A modelagem e a simulação serão realizadas com a utilização de um ambiente laboratorial com equipamentos de rede e utilização do virtualizador Mininet para a SDN. Os resultados simulados mostram um bom desempenho da rede neural, atingindo cerca de noventa por cento de acerto. Serão testados outros métodos de inteligência computacional para serem comparados aos resultados da ANN, além da aquisição de novas fontes para captura de tráfego que irá servir de composição para uma nova base de dados de alimentação da rede neural.

MEMBROS DA BANCA:
Externo à Instituição - ALEX BORGES VIEIRA - UFJF
Presidente - 1254668 - LUIZ HENRIQUE ANDRADE CORREIA
Externo ao Programa - 1876599 - NEUMAR COSTA MALHEIROS
Interno - 1720216 - SANDERSON LINCOHN GONZAGA DE OLIVEIRA