Geri Dön

A machine learning-based SDN approach for enhancing QOE of DASH

DASH deneyim kalitesini geliştirmek için makine öğrenmesi tabanlı bir yazılım tanımlı ağ yaklaşımı

  1. Tez No: 663801
  2. Yazar: BITA KHEIBARI
  3. Danışmanlar: DOÇ. DR. MÜGE SAYIT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Uluslararası Bilgisayar Ana Bilim Dalı
  12. Bilim Dalı: Bilgi Teknolojileri Bilim Dalı
  13. Sayfa Sayısı: 71

Özet

Yazılım Tanımlı Ağlar (YTA), ağ fonksiyonlarını yazılımsal olarak gerçekleştirilmesini sağlayan bir teknolojidir. Bu teknoloji, ağın genel performansını ve izlenmesini iyileştirmek için ağı daha dinamik ve verimli bir şekilde yönetmek amacıyla oluşturulmuştur. Statik ve geleneksel ağların mimarisinin merkezi olmayan ve karmaşık olması nedeniyle, SDN, mevcut ağların kontrolünü daha esnek ve sorun gidermeyi kolaylaştırır. SDN mimarisinde, kontrol düzlemi ve veri düzlemi katmanları ayrılır, ağ zekası merkezileştirilir ve ağ altyapısı uygulamalardan ayrıdır. Günümüzde video trafiği, İnternet trafiğinin önemli bir bölümünü oluşturmaktadır ve HTTP üzerinden Dinamik Uyarlamalı Akış (DASH), videoyu son kullanıcıya mümkün olan en verimli şekilde ve her bir belirli kullanıcı için en uygun kalitede sunmak için tasarlanmış bir MPEG standardıdır. DASH mimarisinde orijinal içerik, farklı kalitelerde video akışlarına kodlanmıştır. Tüm dosyalar, segmentlere bölünmüştür ve istemciler, ağ koşullarını sürekli izleyerek buna uygun şekilde kaliteyi ayarlar. DASH standardı HTTP protokolünü kullandığı için, web önbellekleri bu sistemlerde önemli bir rol oynamaktadır. Önbellek önceden getirme, ilgili veri talep edilmeden önce ön belleklere veri göndererek gecikmeyi azaltmaya yardım eden bir tekniktir. Tüm önbellek önceden getirme tekniklerinin önemli bir kriteri, belirli bellek referans modellerini algılama ve tahmin etme yetenekleridir. DASH sistemlerinde ön bellek kapasitesinin kullanılması, her video içeriği için oluşturulan birden fazla kodlanmış video dosyasının olduğu durumlarda önemli bir sorundur. Bu tez kapsamında, DASH istemcilerinin gelecekte talep edecekleri kaliteleri tahmin ederek önbelleğe alan bir yaklaşım önerilmektedir. Tahmin için bir öğrenme modeli kullanılmakta, önbelleğe alınacak kaliteler bu model kullanılarak belirlenmektedir. Öğrenme modeli, Tekrarlayan Sinir Ağları (RNN'ler) ve ayrıca uzun süreler boyunca bilgileri hatırlama varsayılan davranışına sahip özel bir RNN türü olan Uzun Kısa Süreli Bellek (LSTM) kullanılarak tasarlanmıştır.

Özet (Çeviri)

Software-Defined Networking (SDN) is a technology which provides to execute network functions by software. This technology has been created with the aim of managing the network more dynamically and efficiently to improve the overall performance of the network and its monitoring. Due to the fact that the architecture of static and traditional networks is decentralized and complex, SDN makes the control of current networks more flexible and easier to troubleshoot. In SDN architecture, control plane and data plane layers are separated, network intelligence is centralized, and network infrastructure is separate from applications. Today, video traffic constitutes an important part of the Internet traffic and Dynamic Adaptive Streaming over HTTP (DASH) is a MPEG standard designed to deliver video to the end-users in the most efficient way possible and in the highest proper quality for each specific user. In DASH architecture the original content encoded into video streams in different qualities. All qualities are divided into segments so that clients can make requests for appropriate video qualities and hence adjust bitrates while continually monitoring network conditions. Since the DASH standard uses HTTP, web-caches play an important role in its architecture. Cache prefetching is thriving to deliver data to the caches before the occurrence of a miss, hence helps to reduce the latency. Utilizing the cache capacity in these systems is an important problem where there are more than one encoded video files generated for each video content. Within the scope of this thesis, a caching approach is proposed for DASH systems by predicting the qualities that will be requested by DASH clients in the future. For the prediction, a learning model is utilized, and the qualities that will be cached are determined by using this model. The learning model is designed using Recurrent Neural Networks (RNNs) and also Long Short Term Memory (LSTM) which is a special type of RNNs with the default behavior of remembering information for long periods of time.

Benzer Tezler

  1. A support vector machine-based approach for southbound communication detection in SDN using openflow

    Openflow kullanarak SDN'de güney yönlü iletişim tespiti için destek vektör makinesi tabanlı bir yaklaşım

    ALİ GÖKHAN AVRAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN SEÇİNTİ

  2. Yazılım tanımlı ağlarda trafik mühendisliği için derin öğrenme tabanlı yaklaşım geliştirme

    Developing a deep learning based approach for traffic engineering in software defined networks

    SUDAD ABDULRAZZAQ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET DEMİRCİ

  3. Yazılım tanımlı ağların güvenliği için yapay zekâ tabanlı bir yaklaşım

    An artificial intelligence based approach for the security of software defined networks

    MUHAMMET FATİH AKBAŞ

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Uluslararası Bilgisayar Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CENGİZ GÜNGÖR

    DR. ÖĞR. ÜYESİ ENİS KARAARSLAN

  4. Traffic aware, utility and machine learning based framework for energy efficiency in software defined networks

    Yazılım tanımlı ağlarda enerji verimliliği için trafik farkında, kullanım ve makine öğrenmesi tabanlı sistem

    BEAKAL GIZACHEW ASSEFA

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖZNUR ÖZKASAP

  5. Anomaly detection in software-defined networking using machine learning

    Yazılım tanımlı ağlarda makine öğrenimi ile anomali tespiti

    SOUMAINE BOUBA MAHAMAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilim ve TeknolojiSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    PROF. DR. CELAL ÇEKEN