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