Предлагается новый метод идентификации трафика на основе нейросетевой аналитики метаданных потоков для последующей аналитики прогнозирования и управления трафиком с учетом возможностей программируемости сетей SDN/ NFV. Дано обоснование выбора метода идентификации, основанного на алгоритмах искусственного интеллекта, и показаны его преимущества перед другими методами. Для апробации предложенного метода разработано программное обеспечение и проведены практические исследования на сегменте лабораторной модельной программно-конфигурируемой сети.
This article proposes a new method of identifying traffic based on neural network analytics of flow metadata for subsequent analytics of traffic forecasting and control taking into account the programmability of SDN/NFV networks. The paper provides a rationale for the choice of the identification method based on artificial intelligence algorithms and shows its advantages over other methods. To test the proposed method, the software was developed and practical research was carried out on a segment of a laboratory model software-defined network.
SST-GNN: Simplified Spatio-Temporal Traffic Forecasting Model Using Graph Neural Network
