深度学习在软件定义网络研究中的应用综述

发布时间：2021-11-06 00:43

　　数据转发与控制分离的软件定义网络（softwaredefinednetworking,简称SDN）是对传统网络架构的彻底颠覆,为网络各方面的研究引入了新的机遇和挑战.随着传统网络研究方法在SDN中遭遇瓶颈,基于深度学习的方法被引入到SDN的研究中,在实现实时智能的网络管控上成果颇丰,推动了SDN研究的深入发展.调查了深度学习开发平台,训练数据集、智能SDN架构等深度学习引入SDN的促进因素;对智能路由、入侵检测、流量感知和其他应用等SDN研究领域中的深度学习应用进行系统的介绍,深入分析了现有深度学习应用的特点和不足;最后展望了SDN未来的研究方向与趋势. 

【文章来源】：软件学报. 2020,31(07)北大核心EICSCD

【文章页数】：21 页

【部分图文】：

SDN中的反馈控制闭环

作为一种新颖的网络框架,DDN[28]将SDN、内容中心网络[29]和大数据分析范式整合在一起,探寻新型网络架构和大数据分析方法对智能网络管理带来的好处,如图2所示.DDN架构在SDN交换机中嵌入了内容缓存,为用户提供内容,收集网络数据,并通过南向接口将它们发送到控制层的大数据分析模块.

知识定义网络

【参考文献】：
期刊论文
[1]SDN下基于深度学习混合模型的DDoS攻击检测与防御[J]. 李传煌,吴艳,钱正哲,孙正君,王伟明.  通信学报. 2018(07)
[2]基于深度学习的软件定义网络应用策略冲突检测方法[J]. 李传煌,程成,袁小雍,岑利杰,王伟明.  电信科学. 2017(11)
[3]软件定义网络（SDN）研究进展[J]. 张朝昆,崔勇,唐翯翯,吴建平.  软件学报. 2015(01)



本文编号：3478824