-
题名基于深度学习的软件定义网络应用策略冲突检测方法
被引量：11
- 1
-
-
作者
李传煌
程成
袁小雍
岑利杰
王伟明
-
机构
浙江工商大学信息与电子工程学院
美国佛罗里达大学大规模智能系统实验室
-
出处
《电信科学》
北大核心
2017年第11期27-36,共10页
-
基金
国家高技术研究发展计划("863"计划)基金资助项目(No.2015AA011901)
国家自然科学基金资助项目(No.61402408
+2 种基金
No.61379120)
浙江省自然科学基金资助项目(No.LY18F010006)
浙江省重点研发计划基金资助项目(No.2017C03058)~~
-
文摘
在基于Open Flow的软件定义网络(SDN)中,应用被部署时,相应的流表策略将被下发到Open Flow交换机中,不同应用的流表项之间如果产生冲突,将会影响交换机的实际转发行为,进而扰乱特定应用的正确部署以及SDN的安全。随着SDN规模的扩大以及需要部署应用的数量的剧增,交换机中的流表数量呈现爆炸式增长。此时若采用传统的流表冲突检测算法,交换机将会耗费大量的系统计算时间。结合深度学习,首次提出了一种适合SDN中超大规模应用部署的智能流表冲突检测方法。实验结果表明,第一级深度学习模型的AUC达到97.04%,第二级模型的AUC达到99.97%,同时冲突检测时间与流表规模呈现线性增长关系。
-
关键词
流表冲突检测
深度学习
异常检测
软件定义网络
OPEN
FLOW
-
Keywords
policy conflict detection, deep learning, anomaly detection, SDN, OpenFlow
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
