디지털 라이브러리[ 검색결과 ]
비지도 학습 기반의 VNF 이상 탐지 방법
http://doi.org/10.5626/JOK.2022.49.9.780
가상화 기술을 네트워크에 적용하면 하드웨어 의존성을 줄일 수 있으며, 상황에 맞는 유연한 제어 및 관리가 가능하다. 또한 Capital Expenditure(CAPEX)와 Operating Expenditure(OPEX)를 감소시킬 수 있기 때문에 현대의 통신 사업자나 서비스 제공업체는 Software-Defined Networking(SDN)과 Network Function Virtualization(NFV) 기술을 활용해 기존의 서비스를 효율적으로 제공하고 있다. SDN/NFV 기술이 널리 사용됨에 따라 Vitualized Network Function(VNF)에 대한 사이버 공격이 늘어나고 있으며, 이로 인해 서비스 품질이 저하되거나 서비스를 제공하지 못하는 경우가 발생하고 있다. 본 논문에서는 VNF의 성능 정보를 수집하고, 수집된 데이터와 비지도 학습을 이용해 VNF의 정상상태를 모델링하고, 이를 이용해 사이버 공격으로 인한 이상상태를 탐지하는 기법을 제안한다.
SDN 환경에서 학습 기반 QoS 플로우 경로 예측 방법
http://doi.org/10.5626/JOK.2021.48.11.1241
SDN (Software-Defined Networking) 환경에서 플로우의 경로 제어에 의한 QoS (Quality of Service) 지원 시, 현재의 단순한 최소 비용 경로 탐색 방식만으로는 비효율적인 경로 재설정 문제가 발생할 수 있다. 링크 품질에 기반 하여 도출된 플로우 경로의 실측 성능은 예측 성능과 다를 수 있고, 특히, 후보 경로에 대한 순차적 QoS 조건 탐색 시 이전에 최종 경로로 식별되었던 동일 경로에 대한 반복 탐색으로 경로 기반 QoS 지원의 효용성이 저하될 수 있다. 본 논문에서는 학습 기반 QoS 경로 탐색 모델을 제안한다. 학습 모델은 네트워크 상태에 따라 최종적으로 QoS 조건을 충족한 경로를 학습하고, 경로 재탐색 시 질의 네트워크 상태에 대한 QoS 경로를 예측한다. 실험 결과 본 학습 모델은 유사한 네트워크 상태 재현 시 불필요한 경로 반복 탐색 비용을 줄일 수 있고, 신속한 QoS 품질 복구가 요구되는 서비스 환경에서 다른 학습 기반 모델에 비해 효용성이 높다.