|
Title:
|
CLASSIFICAÇÃO DE TRÁFEGO COM TÉCNICAS DE DEEP LEARNING PARA GERÊNCIA DA SEGURANÇA NO CONTROLE DE REDES SDN |
|
Author(s):
|
Ludimila O. Félix, Mateus Romani, Georges D. Amvame-Nze, Rafael T. de Sousa Jr., Robson de Oliveira Albuquerque e Bruce William Percílio Azevedo |
|
ISBN:
|
978-989-8533-96-8 |
|
Editors:
|
Paula Miranda, Cristiano Costa, Pedro Isaías e Flávia Maria Santoro |
|
Year:
|
2019 |
|
Edition:
|
Single |
|
Keywords:
|
Software Defined Networks, Classificação de Tráfego, Machine Learning |
|
Type:
|
Poster |
|
First Page:
|
340 |
|
Last Page:
|
342 |
|
Cover:
|
|
|
Full Contents:
|
click to dowload 
|
|
Paper Abstract:
|
A combinação do modelo de Software Defined Networks (SDN) com algoritmos de aprendizado de máquina permite
vislumbrar a possibilidade de redes definidas por aprendizado, ou seja, redes que utilizam conhecimentos dos fluxos de
tráfego para gerenciar sua configuração e funcionamento. Nesse contexto, as possibilidades que emergem são infinitas,
incluindo a previsão de tendências na rede (por exemplo, prevendo possíveis congestionamentos) e engenharia de tráfego.
Essas funções não só contribuem para a disponibilidade da rede, mas também constituem pilares da gerência de segurança
de uma rede por empregarem identificação e classificação de tráfego nos aspectos de controle de acesso, filtragem por
firewalls adaptáveis e detecção de ataques DoS e DDoS. No presente artigo, é apresentada uma proposta de classificação
de tráfego para uso na segurança em redes SDN utilizando aprendizado profundo, Deep Learning por Multi-Layer
Perceptron (MLP). |
|
|
|
|
|
|
