基于深度學習的SDN網(wǎng)絡最優(yōu)恢復機制研究.pdf

1、隨著科技的進步，人工智能在人們的生活生產(chǎn)中的角色越來越重要。尤其是機器學習與深度學習在近些年的快速發(fā)展，目前在計算機視覺、語音識別、自然語言處理方面的表現(xiàn)越來越優(yōu)秀。隨著互聯(lián)網(wǎng)的快速發(fā)展，網(wǎng)絡應用也出現(xiàn)多樣化，與此同時，所產(chǎn)生的數(shù)據(jù)量呈現(xiàn)出指數(shù)級的增長，這樣的大數(shù)據(jù)量重新促進了人們對人工智能的研究熱潮。在流量爆發(fā)式增長的背景下，網(wǎng)絡智能化是當前在網(wǎng)絡研究中的一個新目標，論文提出的基于深度學習的SDN網(wǎng)絡最優(yōu)恢復機制研究是網(wǎng)絡智能化的重要

2、組成部分。
　　首先，論文介紹了當前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，并分析了當前深度學習研究的領(lǐng)域及其發(fā)展趨勢。然后，對長短期記憶(Long Short-Term Memory，LSTM)網(wǎng)絡進行了研究，旨在說明LSTM網(wǎng)絡適用于處理和預測時間序列中間隔和延遲非常長的任務，并能夠具有較好的表現(xiàn)。
　　其次，對SDN最優(yōu)全局自愈系統(tǒng)進行了深入的研究。提出了一種SDN網(wǎng)絡最優(yōu)全局自愈框架，針對SD

3、N的應用平面、控制平面和數(shù)據(jù)平面分別進行了自愈模塊設計，并對各個模塊的設計原理進行了詳細分析。在此基礎上，將深度學習模型應用于最優(yōu)恢復模塊中。論文重點研究了SDN網(wǎng)絡最優(yōu)恢復機制，實例化故障過程，對SDN網(wǎng)絡最優(yōu)恢復機制進行了整體分析。
　　最后，重點研究了基于深度學習的SDN最優(yōu)恢復機制，基于數(shù)據(jù)集的獲取算法對數(shù)據(jù)特征值進行打標簽以作為三種監(jiān)督深度學習模型的訓練數(shù)據(jù)集與測試數(shù)據(jù)集，訓練后的深度學習模型將能夠選擇出最優(yōu)路徑。通過對