Modelo de coordinación para la actividad autorregulada en redes definidas por software

Abstract

En esta tesis se estudian, adaptan y aplican dos prometedoras áreas de investigación influyentes en la automatización de Redes de Datos: las Redes definidas por software (Software Definid Network - SDN) y Procesamiento de señales en grafos (Graph Signal Processing -GSP). Este documento presenta un conjunto de estrategias, soportadas por la teoría de procesamiento de señales en grafos, para la autorregulación del comportamiento ante eventos de anormalidad en una red definida por software (SDN) y para la coordinación entre el conjunto de procesos que interactúan en la reprogramación de la Red Definida por Software para lograr un estado funcional acorde a parámetros de normalidad para la red. Las contribuciones y hallazgos más relevantes de esta tesis son los siguientes: 0) Se establece un puente referencial de aplicación entre las áreas de investigación SDN y GSP; 1) se propone e implementa un monitor multicapa, basado en la teoría de procesamiento de señales en grafos que explota las características inherentes a las Redes Definidas por Software (SDN); 2) se propone e implementa una estrategia de autorregulación del direccionamiento de tráfico en una SDN ante la presencia de anomalías, basado en la técnica de aprendizaje por refuerzo (Reinforcement Learning – RL) y en el procesamiento de señales en grafos (GSP); 3) Se propone e implementa una técnica de coordinación de las actividades inherentes a los procesos de adaptación sobre las SDN; 4) se presenta un esquema de conectividad de las herramientas de desarrollo de software que actualmente son utilizadas en procesos de automatización de redes de datos. (Texto tomado de la fuente)

In this thesis, two promising research areas that are influential in the automation of Data Networks are studied, adapted and applied: Software Defined Networks (SDN) and Graph Signal Processing (GSP). This document presents a set of strategies, supported by the theory of signal processing in graphs, for the self-regulation of behavior in presence of abnormality events in a network and for the coordination between the set of processes that interact in the reprogramming of the Software Defined Network to achieve a functional state according to normality parameters for the network. The most relevant contributions and findings of this thesis are the following: 0) A referential application bridge is established between the SDN and GSP research areas 1) A multilayer monitor is proposed and implemented, based on the theory of signal processing in graphs that it exploits the characteristics inherent to Software Defined Networks (SDN); 2) a self-regulation strategy for traffic routing in an SDN in the presence of anomalies is proposed and implemented, based on the reinforcement learning technique (Reinforcement Learning - RL) and on graph signal processing (GSP). 3) A coordination technique for the activities inherent to the adaptation processes on SDN is proposed and implemented. 4) a connectivity scheme of the software development tools that are currently used in data network automation processes is presented.