Please use this identifier to cite or link to this item: https://ri.ufs.br/jspui/handle/riufs/14145
Document Type: Dissertação
Title: Um mecanismo para coleta, análise e classificação de tráfego em redes definidas por software utilizando estruturas de big data
Authors: Amorim, Alex de Santana
Issue Date: 10-Dec-2020
Advisor: Salgueiro, Ricardo José Paiva de Britto
Co-advisor: Matos Júnior, Rubens de Souza
Resumo : Uma variedade de novos aplicativos e serviços surgem a todo momento no universo da Internet, chegam como uma verdadeira avalanche de informações nas infraestruturas de redes e precisam ser compreendidos e tratados em suas particularidades para garantir o bom desempenho e melhor aproveitamento dos recursos da rede. Analisar fluxos e extrair conhecimento para apoiar decisões na administração e intervir em tempo hábil aos possíveis contratempos é um grande desafio para os profissionais de rede em estruturas tradicionais. Diante desse cenário, o conceito de Redes Definidas por Software (SDN - Software-Defined Networking) surgiu como uma proposta de abordagem mais dinâmica, gerenciável e adaptável, onde os planos de dados e de controle são desacoplados, permitindo que o controle seja centralizado. Isso torna a tarefa de obter informações do tráfego da rede mais simples e possibilita, inclusive, a utilização desse grande volume de dados (big data) na extração de padrões de comportamento do tráfego usando técnicas de aprendizado de máquina. Esses padrões podem ser utilizados para caracterizar e classificar o tráfego e assim aplicar políticas de qualidade de serviço que possam melhorar a utilização dos recursos da rede. Dessa forma, o principal objetivo desse trabalho é desenvolver o DETCCS - Decision Engine for Traffic Classification and Control in SDN, um mecanismo de auxílio à tomada de decisões sobre o tráfego em SDN, baseado em: coleta de informações dos fluxos de dados, estruturas de big data, identificação de padrões e classes de tráfego e aplicação de políticas para garantir QoS (Quality of Service) ou melhorar o aproveitamento da rede. Inicialmente, uma revisão sistemática da literatura foi realizada buscando compreender como o big data tem sido explorado para auxiliar a qualidade de serviços em SDN. Esse estudo permitiu assimilar conceitos, identificar ferramentas e elementos que comumente são utilizados na literatura, bem como as lacunas que poderiam ser exploradas para o desenvolvimento desse trabalho. No estudo de caso, os resultados obtidos sobre os dados extraídos de um dataset real apontam para uma segregação no comportamento dos fluxos em 3 grupos. Eles demonstram uma distinção quanto a distribuição, volume e duração dos fluxos dentro do cenário analisado. A partir da classificação dos diferentes grupos de fluxo, o DETCCS foi utilizado para aplicação de regras que podiam limitar o tráfego para alguns grupos, em detrimento de outro que hipoteticamente teria maior prioridade. Os experimentos realizados mostram um grande potencial do mecanismo proposto, que pode ser aproveitado por administradores de redes.
Abstract: A variety of new applications and services appear all the time in the Internet universe, they arrive as a veritable avalanche of information in network infrastructures and need to be understood and treated in their particularities to guarantee the good performance and better use of network resources. Analyzing flows and extracting knowledge to support management decisions and intervene in a timely manner to possible setbacks is a major challenge for network professionals in traditional structures. Given this scenario, the concept of Software Defined Networks (SDN) emerged as a proposal for a more dynamic, manageable and adaptable approach, where data plan and control plan are decoupled, allowing centralized control. This makes the task of obtaining information about network traffic simpler and even makes it possible to use this large volume of data (big data) to extract traffic behavior patterns using machine learning techniques. These standards can be used to characterize and classify traffic and thus apply quality of service policies that can improve the use of network resources. Thus, the main objective of this work is to develop the DETCCS - Decision Engine for Traffic Classification and Control in SDN, a mechanism to assist decision making about traffic in SDN, based on the collection of information from data flows, structures big date, identification of patterns and classes of traffic and application of policies to guarantee QoS (Quality of Service) or improve network utilization. Initially, a systematic review of the literature was carried out in order to understand how big data has been explored to assist the quality of services in SDN. This study allowed to assimilate concepts, identify tools and elements that are commonly used in the literature, as well as the gaps that could be explored for the development of this work. In the case study, the results obtained on the data extracted from a real dataset, point to a segregation in the behavior of flows in 3 groups. They demonstrate a distinction as to the distribution, volume and duration of flows within the analyzed scenario. From the classification of the different flow groups, DETCCS was used to apply rules that could limit traffic to some groups, to the detriment of another that would hypothetically have higher priority. The experiments carried out show a great potential of the proposed mechanism, which can be used by network administrators.
Keywords: Engenharia de redes
Big data
Machine learning
Traffic engineering
SDN
QoS
Subject CNPQ: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language: por
Institution: Universidade Federal de Sergipe
Program Affiliation: Pós-Graduação em Ciência da Computação
Citation: AMORIM, Alex de Santana. Um mecanismo para coleta, análise e classificação de tráfego em redes definidas por software utilizando estruturas de big data. 2020. 116 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Sergipe, São Cristóvão, Sergipe, 2020.
License: Autorização para publicação no Repositório da Universidade Federal de Sergipe (RI-UFS), concedida pelo autor.
URI: https://ri.ufs.br/jspui/handle/riufs/14145
Appears in Collections:Mestrado em Ciência da Computação

Files in This Item:
File Description SizeFormat 
ALEX_SANTANA_AMORIM.pdf4,07 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.