High Performance Delay Monitoring for SRv6 Based SD-WANs
软件定义广域网(SD-WAN)用于以灵活有效的方式为地理位置分散的企业提供服务。我们专注于基于IPv6分段路由(SRv 6)技术的SD-WAN服务。SD-WAN中需要性能监控解决方案来检测性能下降和中断,并优化网络运营。在本文中,我们描述了一种基于SRv 6的SD-WAN服务端到端延迟监控的高性能解决方案。所提出的解决方案利用简单双向主动测量协议(STAMP)来监控称为STAMP会话反射器和会话反射器的两个节点之间的SRv 6路径的延迟。我们描述了三种实现的STAMP会话反射器和会话反射器的Linux软件路由器,并比较它们的性能。具体而言,两种实现基于用户空间处理,一种基于eBPF。结果表明,基于eBPF的实现优于用户空间实现,并且对Linux软件路由器的转发能力影响可以忽略不计。
2022-12-31 cs.NI
StreaMon: a data-plane programming abstraction for Software-defined Stream Monitoring
现代网络威胁和网络监控需求的快速发展需要新的“软件定义”方法来简化和加快在线(基于流)流量分析功能的编程和部署。StreaMon是一个精心设计的数据平面抽象,旨在可扩展地解耦流量分析应用程序的“编程逻辑”(跟踪状态,功能,异常条件等)。从基本原语(计数和计量、匹配、事件生成等),在探测器中有效地预实现,并用作支持所需逻辑的公共指令集。通过部署自定义状态、相关状态转换以及相关监控操作和触发条件的能力,支持多阶段多步骤实时跟踪和检测算法。这种分离需要以高级语言编写的独立于平台的、便携式的在线业务分析任务,而不需要开发者访问监视设备内部并经由低级编译语言(例如,C、汇编、VHDL)。我们通过开发一个原型和一组简单(但功能要求高)的用例应用程序,并通过在真实的流量跟踪上测试它们来验证我们的设计。
2013-11-11 cs.CR cs.NI
Software Engineering Meets Network Engineering: Conceptual Model for Events Monitoring and Logging
计算机网络中应用的抽象通过构建捕获网络系统的基本方面的模型来将网络细节隐藏在定义良好的表示之后。目前有两种表示方法,一种是基于图论,其中网络节点被简化为图中的一个点,另一种是使用非方法论的图标,如人头,墙壁,塔或计算机机架。本文采用软件工程中提出的一种抽象表示方法--思维机(Thinging Machine,TM)对计算机网络进行建模。TM定义了一个单一的连贯的网络架构和拓扑结构,它只由五个通用的动作和两种类型的箭头组成。不失一般性,本文应用TM模型的网络监测在包模式传输的区域。复杂的网络文档很难维护,并且不能保证反映实际情况。网络监控是对网络系统中的故障、失败、停止或可疑活动的持续监控和警报。目前的监测系统是建立在缺乏系统性的临时说明之上的。监测的TM模型提供了一个理论基础,集成了事件和行为描述。为了探讨TM建模的可行性,我们将其应用于科威特企业现有的计算机网络,以创建一个集成的网络系统,包括硬件,软件和通信设施。最终的规范指出TM建模在计算机网络领域的可行性。
2021-12-01 cs.NI cs.SE
Towards a Cognitive Routing Engine for Software Defined Networks
Imperial College(帝国理工学院)
大多数软件定义网络(SDN)流量工程应用使用过多且频繁的全局监控,以便为网络的当前状态找到最佳服务质量(QoS)路径。在这项工作中,我们提出了一个SDN应用程序的动机,架构和初始评估,称为认知路由引擎(CRE),它能够找到接近最优路径的用户指定的QoS,同时使用一个非常小的监测开销相比,全球监测,这是需要保证最优路径被发现。较小的监测开销带来的优势,较小的响应时间的SDN控制器和交换机。GEANT学术网络的SDN表示上的CRE的初始评估表明,可以找到接近最优的路径,最优性差距为1.65%,同时使用9.5倍的监控。
2016-02-01 cs.AI cs.NI
Reinventing NetFlow for OpenFlow Software-Defined Networks
使用OpenFlow获得流级测量(类似于Netflow/IPFIX提供的测量)具有挑战性,因为它需要在流表中为每个流安装一个条目。这种方法不能很好地随流量中并发流的数量扩展,因为流表中的条目数量有限且很小。流监控规则还可能干扰交换机中已经存在的转发或其他规则,这些规则通常以与流级别不同的粒度定义。在本文中,我们提出了一个透明的和可扩展的基于流的监控解决方案,是完全兼容当前的现成的OpenFlow交换机。与NetFlow/IPFIX一样,我们直接在交换机中将数据包聚合到流中,并将流量报告异步发送到外部收集器。为了减少开销,我们根据交换机中可用的OpenFlow功能实现了三种不同的流量采样方法。我们在OpenDaylight中开发了完整的流量监控解决方案,并在Open vSwitch的测试平台中评估了其准确性。我们使用真实世界的流量跟踪实验结果表明,所提出的采样方法是准确的,可以有效地减少OpenFlow流量测量的资源需求。
2017-02-22 cs.NI
Q-DATA: Enhanced Traffic Flow Monitoring in Software-Defined Networks applying Q-learning
Technische Universität Chemnitz(开姆尼茨工业大学);Duy Tan University(维新大学)
软件定义网络(SDN)通过将数据平面与控制平面分离来引入集中式网络控制和管理,这有助于流量监控、安全分析和策略制定。然而,选择适当程度的业务流处理粒度同时主动保护转发设备免于过载是具有挑战性的。在本文中,我们提出了一种新的业务流匹配控制框架称为Q-DATA,应用强化学习,以提高基于SDN的网络中的业务流监控性能,并防止流量转发性能下降。我们首先描述和分析了一个基于SDN的交通流匹配控制系统,该系统采用了基于Q-学习算法的强化学习方法,以最大限度地提高交通流粒度。它还考虑了从基于支持向量机的算法导出的SDN交换机的转发性能状态。接下来,我们概述了Q-DATA框架,该框架结合了来自交通流匹配控制系统的最佳交通流匹配策略,以有效地提供其他机制所需的最详细的交通流信息。我们的新方法实现为REST SDN应用程序,并在SDN环境中进行评估。通过综合实验,结果表明,与常见SDN控制器的默认行为和我们以前的DATA机制相比,新的Q-DATA框架在SDN交换机的流量转发性能降级保护方面有了显着的改善,同时仍能按需提供最详细的流量信息。
2019-09-04 cs.LG cs.NI
Reliable Communication in Wireless Body Area Sensor Network for Health Monitoring
近年来,人们对无线体域网(WBAN)的应用兴趣日益浓厚。许多微小的无线传感器,战略性地放置在人体上,创建一个无线体域网,可以监测各种生命体征,为用户和医务人员提供实时反馈。这种通信需要节能和高度可靠,同时保持低延迟。在本文中,我们提出了硬件和软件架构的BAN,我们也提供了可靠的通信和数据聚合。
2011-12-02 cs.NI
An information security monitoring and management system for 5G and 6G Networks based on SDN/NFV
提出了一种使用软件定义网络和网络功能虚拟化(SDN/NFV)的概念来实现5G和6 G网络中的信息安全监控和管理系统的方法。基于OpenFlow协议的SDN交换机作为网络传感器提供。为了减少在逻辑上位于传感器上的流量过滤系统上的大量所有规则中找到正确规则的子集的时间,提出了一种在5G和6 G传输网络中处理和过滤流量的方法。这种方法基于DPDK和LPM算法,能够在1个CPU核心上每秒处理多达8个兆包;数据包处理需要O(1),这明显低于类似算法。管理子系统由区域监测中心和一个主监测中心组成。主监控中心包括SDN控制器的主集群以及主动/主动冗余方案。区域中心代表管理本地下属传感器的SDN软件控制器。所有的管理中心通过传输子系统相互连接,形成一个网络。为了提供容错、负载均衡和网络连接性,已经开发了用于SDN控制器之间的网络传感器负载均衡的算法。该算法的结果在一组最佳的传感器组的总负载不超过SDN控制器的最大容量。
2022-11-23 cs.NI
Optical Network Virtualisation using Multi-technology Monitoring and SDN-enabled Optical Transceiver
我们引入了实时多技术传输层监控,以促进由光学虚拟化收发器(V-BVT)支持的光学和以太网网络的协调虚拟化。提出了一种监控和网络资源配置方案,包括以太网层和光纤层的硬件监控。该方案描述了软件定义网络(SDN)背景下多个网络层之间的数据和控制交互,以及分析从数据库获得的监测数据的应用。我们还提出了一个重新配置算法,以自适应地修改基于两个标准的虚拟光网络的组成。实验证明了所提出的监测方案与OpenFlow(OF)扩展的整体(重新)配置在以太网交换机和V-BVT的两个层。
2018-01-15 cs.NI
Quality Monitoring and Assessment of Deployed Deep Learning Models for Network AIOps
Huawei Technologies France SASU(华为技术法国公司)
人工智能(AI)最近吸引了很多关注,从研究实验室过渡到许多领域的广泛成功部署,对于深度学习(DL)技术来说尤其如此。最终,DL模型是软件工件,它们需要定期维护和更新:AIOps是DevOps软件开发实践到应用于网络运营和管理的AI软件的逻辑扩展。在DL模型部署的生命周期中,评估已部署模型的质量、检测“陈旧”模型并确定其更新的优先级是很重要的。在本文中,我们将在网络管理的背景下讨论这个问题,提出简单而有效的技术,用于(i)单个推理的质量评估,以及(ii)多个推理的整体模型质量跟踪,我们将其应用于两个用例,代表网络管理和图像识别领域。
2022-02-28 cs.AI cs.NI
Adaptive Load-Aware Sampling for Network Monitoring on Multicore Commodity Hardware
许多当前的流量监控系统采用深度数据包检测(DPI)来分析网络流量。这些系统包括入侵检测系统、网络流量计费软件、流量分类或监控服务级别协议的系统。当前企业和ISP网络的流量和链路速度将检查流量有效负载的过程转变为一项具有挑战性的任务。在本文中,我们提出了一种新的自适应采样算法,选择DPI系统能够消耗的网络中的数据包的最大数量。我们的算法适应其采样率,根据当前观察到的网络流量,以及监测应用程序能够处理的数据包的数量。它可以与当前的多核感知网络流量分析设置结合使用,允许利用当前的多核硬件。我们展示了我们的算法的适用性与现场测试上大量使用的10G链路与真正的网络监控工具。
2016-04-08 cs.NI
Open Multi-Access Network Platform with Dynamic Task Offloading and Intelligent Resource Monitoring
我们使用开源的硬件和软件构建了一个开放的多接入网络平台。开放式多接入网络平台具有灵活利用网络功能、有线和无线接入网络一体化管控、零接触配置、智能资源监控、动态任务卸载等特点。我们还提出了一种应用程序驱动的动态任务卸载,利用智能资源监控来确保边缘和云服务器中的有效任务处理。为此,我们开发了一个面向移动应用和服务器应用的开放式多接入网络平台。为了研究我们开发的平台的可行性和可用性,我们实验和分析评估应用程序驱动的动态任务卸载和智能资源监控的有效性。实验结果表明,应用驱动的动态任务卸载可以减少实时任务的响应时间和流量的城域网和核心网。
2022-11-04 cs.NI
IoT-Based Coma Patient Monitoring System
本文提出一种成本低于30美元、基于物联网的昏迷患者监测系统,通过低成本传感器、本地数据处理、GSM警报和本地托管应用,在资源有限且网络不稳定的环境中实现持续生命体征监测。
2024-11-20 cs.NI cs.SY eess.SY
A SDN-based Flexible System for On-the-Fly Monitoring and Treatment of Security Events
软件定义网络(SDN)范例将控制平面和数据平面合并,提供高可编程性和网络全局视图。然而,这是一个挑战,不仅提供这些下一代网络的安全性,以及允许网络攻击可能会受到事件和法医处理程序。本文提出了通过SDN控制器的可编程性来实现灵活的安全事件监控和处理机制,这些安全事件根据攻击类型进行分类,并与白名单和黑名单资源相关联。通过一个真实的SDN/OpenFlow测试床验证了执行入侵和攻击分析的资源。
2018-06-08 cs.CR cs.NI
A Novel Short-Term Anomaly Prediction for IIoT with Software Defined Twin Network
Department of Software Engineering Manisa Celal Bayar University(软件工程系曼萨拉·塞拉尔·贝亚尔大学)
本文提出了一种基于软件定义双胞网络的物联网短期异常检测框架,通过时间感知特征标注和机器学习模型评估,实现了高召回率和强分类性能的平衡。
2025-09-24 cs.LG cs.NI cs.SE
Destination-aware Adaptive Traffic Flow Rule Aggregation in Software-Defined Networks
Technische Universität Chemnitz(开姆尼茨工业大学)
在本文中,我们提出了一个目的地感知的自适应流量规则聚合(DATA)机制,以促进基于SDN的网络中的流量监控。该方法根据其他机制(例如,用于流量工程、流量监控、入侵检测)所需的流量流信息的详细程度来适配SDN交换机中的流表条目的数量。它还通过将流表条目的数量保持在远低于临界水平来防止SDN交换机的性能下降。该水平不是预设为硬阈值,而是在操作期间通过使用基于机器学习的算法来学习。DATA方法在RESTful应用(DATA App)内实现,该RESTful应用监控和分析正在进行的网络流量,并向SDN控制器提供指令以相应地适配流量流匹配策略。在SDN仿真环境中对DATA进行了全面的性能评估。结果表明,与常见SDN控制器的默认行为相比,所提出的DATA方法可以显著提高SDN交换机的性能,同时仍能按需提供详细的流量信息。
2019-09-07 cs.LG cs.NI