Methods of applying artificial intelligence in software-defined networks

Authors

DOI:

https://doi.org/10.18372/2073-4751.73.17640

Keywords:

artificial intelligence, enterprise networks, SDN, Smart Grids, transport networks, UAV networks

Abstract

This work is devoted to the review of artificial intelligence application methods in enterprise networks using SDN technology. The paper examines the features and methods of using AI in these networks, as well as identifies potential problems that may arise.

The paper provides an overview of the main features of AI in enterprise SDN networks. AI has been found to automate many processes in the network, such as routing, monitoring, bandwidth management, and more. Using AI helps improve network efficiency, reduce costs, and improve security.

Potential problems that may arise when using AI were also highlighted. In particular, questions arise regarding data security and privacy, as well as ethics and responsibility for the actions of AI-based systems.

In general, the work puts forward the idea of using artificial intelligence in enterprise networks using SDN technology to improve network efficiency and ensure security. The methods of applying AI in these networks are reviewed, potential problems are identified, and prospective directions of research are outlined.

This work provides an overview of the features and capabilities of AI in enterprise SDN networks, and also lays the foundation for further research in this area. The implementation of artificial intelligence in enterprise networks is an urgent task, as it helps to improve the efficiency and security of networks and opens up new opportunities for their development.

References

Kulakov Y., Korenko D. Modified Method of Traffic Engineering in DCN with a Ramified Topology. International Journal of Advanced Computer Science and Applications. – Vol. 12. – No. 12. – 2021. – P. 439-446.

Korenko D., et al. Creation of the method of multipath routing using known paths in software-defined networks. Technology audit and production reserves. – Vol. 4. – No. 2(66). – 2022. – P. 19-24.

Teslyuk V., et al. Optimal artificial neural network type selection method for usage in smart house systems. Sensors. – Vol. 21. – 2020. – 47 p.

Muthukrishnan N., et al. Brief history of artificial intelligence. Neuroimaging Clinics. – Vol. 30(4). – 2020. – P. 393-399.

Alonso R.S., et al. Deep reinforcement learning for the management of software-defined networks and network function virtualization in an edge-IoT architecture. Sustainability. – Vol. 12(14). – 2020. – P. 1-23.

Shah H.A., Zhao L. Multiagent deep-reinforcement-learning-based virtual resource allocation through network function virtualization in Internet of Things. IEEE Internet of Things Journal. – Vol. 8. – 2020. – P. 3410-3421.

Huang X., et al. Deep reinforcement learning for multimedia traffic control in software defined networking. IEEE Network. – Vol. 32. – 2018. – P. 35-41.

Wang W., et al. Anomaly detection of industrial control systems based on transfer learning. Tsinghua Science and Technology. – Vol. 26. – 2021. – P. 821-832.

Xin Y., et al. Machine learning and deep learning methods for cybersecurity. IEEE Access. – Vol. 6. – 2018. – P. 35365-35381.

Li X., Zhang T. An exploration on artificial intelligence application: From security, privacy and ethic perspective. 2017 IEEE 2nd International Conference on Cloud Computing and Big Data Analysis (ICCCBDA). IEEE, 2017. – P. 416-420.

Taddeo M. Three ethical challenges of applications of artificial intelligence in cybersecurity. Minds and machines. – Vol. 29. – 2019. – P. 187-191.

Yu C., et al. DROM: Optimizing the routing in software-defined networks with deep reinforcement learning. IEEE Access. – Vol. 6. – 2018. – P. 64533-64539.

Downloads

Published

2023-04-28

Issue

Vol. 1 No. 73 (2023)

Section

Статті

License

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.

  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.

  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).