Yazılım tanımlı ağlarda trafik mühendisliği için derin öğrenme tabanlı yaklaşım geliştirme

Trafik mühendisliği, özellikle büyük miktarda veri taşıyan günümüzün büyük ağlarında ağ yönetimi için çok önemlidir. Trafik mühendisliği, kaynakların akıllıca tahsisi yoluyla ağın verimliliğini ve güvenilirliğini artırmayı amaçlamaktadır. Bu tez çalışmasında, çeşitli uygulamalar arasında bant genişliği tahsisini iyileştirmek için yazılım tanımlı ağlarda derin öğrenme tabanlı bir trafik mühendisliği yaklaşımı önerilmiştir. Önerilen yaklaşım ile trafik akışlarının sınıflandırılması için derin öğrenme tabanlı bir model geliştirilmek ve trafik sınıflarına göre ağdaki trafik akışlarının hizmet kalitesi dikkate alınarak yönlendirilmesi için bir trafik mühendisliği modülünü YTA kontrolcü üzerinde gerçekleştirilmek amaçlanmıştır. Derin sinir ağı (DNN) ve tek boyutlu evrişimli sinir ağı (1-B CNN) modellerine dayalı trafik sınıflandırması uygulanmıştır. Çeşitli uygulamalardan gelen akışları tanımlayarak ve tanımlanan akışı her kuyruğun farklı bir önceliğe sahip olduğu birden çok kuyruğa dağıtarak hizmet kalitesini (QoS) iyileştirmek hedeflenmiştir. Ayrıca, ağ bant genişliğini ve gelen trafiğin hacmini yönetmek için trafik şekillendirme uygulanmaktadır. Ağın performansını artırmak ve trafik sıkışıklığını önlemek için, genel yük dengelemesini gerçekleştirmek üzere bağlantı noktası kapasitesini dikkate alan bir teknik kullanılmıştır. Sentetik azınlık aşırı örnekleme tekniği (SMOTE) adı verilen bir yüksek hızda örnekleme tekniği uygulanarak dengesiz veri kümesi sorununa çözüm sağlanmıştır. DNN ve 1-B CNN'nin performansı, KNN, SVM, DT ve RF gibi bazı makine öğrenimi modelleriyle karşılaştırılmış ve değerlendirilmiştir. Sonuçlar, 1-B CNN ve DNN'nin 5 s ve 10 s sürelerde yakalanan trafikte yüksek doğruluk elde edebildiğini, KNN ve RF'nin ise 15 s, 30 s, 60 s ve 120 s sürelerde yakalanan trafikte yüksek doğruluk elde edebildiğini gösterilmiştir. CNN ve DNN, 15 s, 30 s, 60 s ve 120 s sürelerde DT ve SVM'den daha iyi doğruluk elde etmeyi başarmıştır. Hizmet kalitesi odaklı trafik mühendisliği sistemini değerlendirmek için farklı senaryolar uygulanmıştır. Sonuçlar, tanımlanan akışlara trafik şekillendirme uygulanmasının, gelen akışların hızını ve hacmini kontrol ederek ağın performansını ve bant genişliği kullanılabilirliğini artırdığını gösterilmiştir.