基于深度學(xué)習(xí)的SDN網(wǎng)絡(luò)最優(yōu)恢復(fù)機(jī)制研究.pdf

1、隨著科技的進(jìn)步，人工智能在人們的生活生產(chǎn)中的角色越來(lái)越重要。尤其是機(jī)器學(xué)習(xí)與深度學(xué)習(xí)在近些年的快速發(fā)展，目前在計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理方面的表現(xiàn)越來(lái)越優(yōu)秀。隨著互聯(lián)網(wǎng)的快速發(fā)展，網(wǎng)絡(luò)應(yīng)用也出現(xiàn)多樣化，與此同時(shí)，所產(chǎn)生的數(shù)據(jù)量呈現(xiàn)出指數(shù)級(jí)的增長(zhǎng)，這樣的大數(shù)據(jù)量重新促進(jìn)了人們對(duì)人工智能的研究熱潮。在流量爆發(fā)式增長(zhǎng)的背景下，網(wǎng)絡(luò)智能化是當(dāng)前在網(wǎng)絡(luò)研究中的一個(gè)新目標(biāo)，論文提出的基于深度學(xué)習(xí)的SDN網(wǎng)絡(luò)最優(yōu)恢復(fù)機(jī)制研究是網(wǎng)絡(luò)智能化的重要

2、組成部分。
　　首先，論文介紹了當(dāng)前SDN控制器的研究現(xiàn)狀以及基于SDN控制器的自愈系統(tǒng)的研究現(xiàn)狀，并分析了當(dāng)前深度學(xué)習(xí)研究的領(lǐng)域及其發(fā)展趨勢(shì)。然后，對(duì)長(zhǎng)短期記憶(Long Short-Term Memory，LSTM)網(wǎng)絡(luò)進(jìn)行了研究，旨在說(shuō)明LSTM網(wǎng)絡(luò)適用于處理和預(yù)測(cè)時(shí)間序列中間隔和延遲非常長(zhǎng)的任務(wù)，并能夠具有較好的表現(xiàn)。
　　其次，對(duì)SDN最優(yōu)全局自愈系統(tǒng)進(jìn)行了深入的研究。提出了一種SDN網(wǎng)絡(luò)最優(yōu)全局自愈框架，針對(duì)SD

3、N的應(yīng)用平面、控制平面和數(shù)據(jù)平面分別進(jìn)行了自愈模塊設(shè)計(jì)，并對(duì)各個(gè)模塊的設(shè)計(jì)原理進(jìn)行了詳細(xì)分析。在此基礎(chǔ)上，將深度學(xué)習(xí)模型應(yīng)用于最優(yōu)恢復(fù)模塊中。論文重點(diǎn)研究了SDN網(wǎng)絡(luò)最優(yōu)恢復(fù)機(jī)制，實(shí)例化故障過(guò)程，對(duì)SDN網(wǎng)絡(luò)最優(yōu)恢復(fù)機(jī)制進(jìn)行了整體分析。
　　最后，重點(diǎn)研究了基于深度學(xué)習(xí)的SDN最優(yōu)恢復(fù)機(jī)制，基于數(shù)據(jù)集的獲取算法對(duì)數(shù)據(jù)特征值進(jìn)行打標(biāo)簽以作為三種監(jiān)督深度學(xué)習(xí)模型的訓(xùn)練數(shù)據(jù)集與測(cè)試數(shù)據(jù)集，訓(xùn)練后的深度學(xué)習(xí)模型將能夠選擇出最優(yōu)路徑。通過(guò)對(duì)