Geri Dön

Yazılım tanımlı ağ oluşturma ve makineler arası iletişim

Software-defined networking and machine-to-machine communication

PDF İndir

  1. Tez No: 933732
  2. Yazar: ZEYNEP FEYZA HASIRCI ILĞAZ
  3. Danışmanlar: DOÇ. DR. ÜLVİYE HACIZADE
  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: 2024
  8. Dil: Türkçe
  9. Üniversite: Haliç Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 88

Özet

Bu tez çalışmasında, YTA ve makine öğrenmesi teknolojilerinin entegrasyonu ele alınarak, ağ performansının artırılması ve yönetim süreçlerinin optimize edilmesi hedeflenmiştir. YTA, ağ kontrol düzlemini veri düzleminden ayırarak merkezi ve programlanabilir bir yönetim sunar. Bu özellik, ağ esnekliğini artırırken daha karmaşık ve dinamik sistemlerin yönetilmesine olanak tanır. Tezde, bu avantajlardan yararlanarak YTA mimarisinin performansını analiz etmek ve makine öğrenmesi ile desteklenen karar alma mekanizmaları geliştirmek amaçlanmıştır. Çalışmada, YTA mimarisinin temel bileşenleri ve işlevleri teorik olarak incelenmiş, ardından bu bileşenlerin gerçek dünyadaki ağ senaryolarında uygulanabilirliği üzerinde durulmuştur. Farklı ağ trafiği türleri ve kullanım durumları için veri toplama ve analiz yöntemleri tasarlanmıştır. Toplanan veriler, ağ trafiği optimizasyonu, anomali tespiti, güvenlik açıklarının belirlenmesi, bant genişliği yönetimi ve gecikme süresi analizi gibi çeşitli problemleri çözmek için kullanılmıştır. Makine öğrenmesi tekniklerinin entegrasyonu, YTA altyapısının daha akıllı ve özerk hale gelmesini sağlamıştır. Çalışmada, denetimli ve denetimsiz öğrenme algoritmalarının yanı sıra pekiştirmeli öğrenme yöntemleri de kullanılarak farklı ağ koşullarında performans analizleri yapılmıştır. Yapılan deneyler, özellikle ağ trafiğinin tahmini ve anomali tespiti gibi konularda makine öğrenmesi destekli yaklaşımların etkinliğini ortaya koymuştur. Sonuçlar, makine öğrenmesi ile güçlendirilmiş YTA sistemlerinin, geleneksel ağ yapılarına kıyasla daha yüksek performans, düşük gecikme ve daha iyi kaynak yönetimi sağladığını göstermiştir. Bu tez, YTA ve makine öğrenmesi entegrasyonunun ağ yönetiminde yenilikçi bir yaklaşım sunduğunu ve gelecekteki akıllı ağların tasarımı için bir temel oluşturabileceğini göstermektedir. Bu bağlamda, hem akademik hem de endüstriyel uygulamalarda kullanılabilirliği açısından önemli bir katkı sunmaktadır.

Özet (Çeviri)

This thesis focuses on the integration of Software-Defined Networking (SDN) and machine learning technologies to enhance network performance and optimize management processes. SDN decouples the control plane from the data plane, providing centralized and programmable network management. This feature increases network flexibility and enables the management of more complex and dynamic systems. The objective of this study is to analyze the performance of SDN architectures and develop decision-making mechanisms supported by machine learning. The study begins with a theoretical examination of the fundamental components and functionalities of SDN, followed by an exploration of its applicability to real-world network scenarios. Methods for data collection and analysis were designed for various network traffic types and use cases. The collected data was employed to address several challenges, such as traffic optimization, anomaly detection, identifying security vulnerabilities, bandwidth management, and latency analysis. The integration of machine learning techniques has made SDN infrastructures smarter and more autonomous. Both supervised and unsupervised learning algorithms, as well as reinforcement learning methods, were utilized to perform performance analyses under different network conditions. Experiments demonstrated the effectiveness of machine learning-assisted approaches, particularly in predicting network traffic and detecting anomalies. The results reveal that SDN systems enhanced with machine learning achieve superior performance, lower latency, and better resource management compared to traditional network architectures. This thesis underscores the innovative potential of SDN and machine learning integration for network management and establishes a foundation for the design of future intelligent networks. Consequently, it provides significant contributions to both academic research and industrial applications.

Benzer Tezler

  1. Tez No

    92377

    Bilişim sistemlerindeki gelişmelerin işletme yönetimine etkileri, yönetim bilişim sistemleri geliştirme ve bir uygulama örneği

    Effects of the evoluation of information systems on management, management information systems development and an example of its application

    ZUHAL TANRIKULU

    Doktora

    Türkçe

    Türkçe

    1999

    İşletmeİstanbul Üniversitesi

    Organizasyon ve İşletme Politikaları Ana Bilim Dalı

    PROF. DR. EROL EREN

  2. Tez No

    421065

    A methodology for energy optimization of buildings considering simultaneously building envelope HVAC and renewable system parameters

    Binalarda yapı kabuğu, mekanik sistemler ve yenilenebilir enerji sistemleri parametrelerinin eş zamanlı enerji optimizasyonu için bir yöntem

    MELTEM BAYRAKTAR

    Doktora

    İngilizce

    İngilizce

    2015

    Enerjiİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. AYŞE ZERRİN YILMAZ

    PROF. DR. MARCO PERINO

  3. Tez No

    565664

    Speeding up branch and bound algorithm for airline Crew scheduling problem by using machine learning techniques

    Makine öğrenme teknikleri kullanarak Crew programlama sorunu için şube ve sınava algoritmasının hızlanması

    LEILA GHASEMZADEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Havacılık Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NAZIM KEMAL ÜRE

  4. Tez No

    92998

    A component based workflow management system for enacting processes defined in XML

    XML ile tanımlanmış süreçleri harekete geçirmek için parça esaslı iş-akışı yönetim sistemi

    YALIN YARIMAĞAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2000

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ASUMAN DOĞAÇ

  5. Tez No

    582228

    Cognitive network optimization via network virtualization

    Ağ sanallaştırması üzerınden bilişsel ağ optimizasyonu

    TOBIE YEFFERSON BIYIHA AFOUNG

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiEskişehir Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. NURAY AT

Geri Dön