Методи застосування штучного інтелекту у програмно-конфігурованих мережах

Автор(и)

  • Ю.О. Кулаков Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» https://orcid.org/0000-0002-8981-5649
  • Д.В. Коренко Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» https://orcid.org/0000-0003-0463-189X

DOI:

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

Ключові слова:

штучний інтелект, корпоративні мережі, SDN, Smart Grids, транспортні мережі, БПЛА мережі

Анотація

Ця робота присвячена огляду методів застосування штучного інтелекту у корпоративних мережах з використанням технології SDN. У роботі розглянуті особливості та методи використання ШІ у цих мережах, а також виявлені потенційні проблеми, які можуть виникнути.

У роботі проведено огляд основних особливостей ШІ у корпоративних SDN мережах. Виявлено, що ШІ дозволяє автоматизувати багато процесів у мережі, таких як маршрутизація, моніторинг, управління пропускною здатністю тощо. Використання ШІ сприяє покращенню ефективності мережі, зменшенню витрат і поліпшенню безпеки.

Також були висвітлені потенційні проблеми, які можуть виникнути при використанні ШІ. Зокрема, виникають питання стосовно безпеки та конфіденційності даних, а також етичність і відповідальність за дії систем, що базуються на ШІ.

Загалом, робота висуває ідею використання штучного інтелекту у корпоративних мережах з використанням технології SDN для підвищення ефективності роботи мережі та забезпечення безпеки. Оглянуті методи застосування ШІ в цих мережах, виявлені потенційні проблеми та намічені перспективні напрямки досліджень.

Ця робота дає загальний огляд особливостей та можливостей ШІ у корпоративних SDN мережах, а також ставить основу для подальших досліджень у цій області. Впровадження штучного інтелекту в корпоративні мережі є актуальним завданням, оскільки воно сприяє покращенню ефективності та безпеки мереж та відкриває нові можливості для їх розвитку.

Посилання

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.

##submission.downloads##

Опубліковано

2023-04-28

Номер

Том 1 № 73 (2023)

Розділ

Статті

Ліцензія

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).