Predição de Fluxos em Redes de Computadores
Orlando da Silva Junior
Carlos Alberto Kamienski
Ana Carolina Lorena
Workshop de Redes P2P, Dinâmicas, Sociais e Orientadas a Conteúdo
• Redes Definidas por Software (SDN) – As consultas enviadas pelo switch ao controlador
produzem um atraso inicial na comunicação – Solução: instalar fluxos de maneira antecipada nos
switches • Como? Predição de Tráfego • Qual tráfego? Gerado pelas aplicações de rede
•
Motivação | Introdução
Colaborar nas soluções de predição de fluxos em redes de computadores
Objetivo
2/15
Desafios & Soluções | Introdução
• Como fazer predição de fluxos em SDN?
– Arcabouço da Predição de Links (PL), uma área da Análise de Redes Complexas
– Combinação de algoritmos de PL em técnicas de Aprendizado de Máquina (AM) IA
• Um outro desafio...
– Topologia da rede física ≠ Topologia da rede lógica
3/15
Predição de Links| Redes Complexas
Instante #1 Instante #2
4/15
Persistência de Links| Redes Complexas
Instante #1 Instante #2
5/15
Como Resolver?| Redes Complexas
• Abordagem Conjunta
– X rede no Instante #1
– Y rede no Instante #2
– U todos os pares de nós possíveis
• Predição conjunta de links que se formam e se mantêm
6/15
Dados de Redes | Experimentação
Redes de Aplicação
• Rede P2P – G = (1161, 3086)
– 24 horas de dados • X = 12 horas
• Y = 12 horas
• Rede de E-mails – G = (144, 1311)
– Enron com 4 anos de dados • X = 3 anos
• Y = 1 ano
Redes Físicas • Modelos topológicos da Teoria
de Redes Complexas – Aleatória – Mundo Pequeno – Sem Escala
• Modelo Sem Topologia
• 10, 25 e 50 nós
• Todo nó possui, ao menos, 1
conexão com outro nó
7/15
Mapeamento| Experimentação
8/15
Algoritmos| Experimentação
Algoritmos Tradicionais 1. Grau do Nó
1. Grau do Nó 1. Entrada 2. Saída
2. Conexão Preferencial
2. Vizinhança 1. Vizinhos Comuns 2. Jaccard 3. Adamic/Adar 4. RAI 5. HPI 6. HDI
3. Caminho 1. Katz
Aprendizado de Máquina 1. Algoritmo C4.5 2. Naïve Bayes 3. k-NN
Algoritmos Não-Topológicos
1. Quantidade de Itens (peers/e-mails)
2. Total de Itens
Avaliação • Precisão
– Links preditos corretamente entre todos os preditos como positivos
9/15
Algoritmos Tradicionais – P2P| Resultados
10/15
Algoritmos Tradicionais – E-mails| Resultados
11/15
Aprendizado de Máquina – P2P| Resultados
12/15
Aprendizado de Máquina – E-mails| Resultados
13/15
Conclusão
• O trabalho motiva-se em um dos desafios existentes atualmente em SDN
• Resultados: – Melhores resultados com Aprendizado de Máquina – Melhor técnica: Naïve Bayes
• Conclusão:
– Corroboração da influência preditiva entre a rede física e as redes de aplicação
14/15
Predição de Fluxos em Redes de Computadores
Orlando da Silva Junior
Workshop de Redes P2P, Dinâmicas, Sociais e Orientadas a Conteúdo