مراقبة حركة الأحمال في الشبكات المعرفة بالبرمجيات والتحكم بحركتها باستخدام تقنيات التعلم الآلي
الكلمات المفتاحية:
الشبكات المعرفة بالبرمجيات (SDN)، المتحكم RYU، التعلم الآلي، الغابة العشوائيةٌ (RF)، التصنيف، أحمال كبيرة، أحمال صغيرة.الملخص
تعد عملية مراقبة حركة الأحمال وتصنيفها من أبرز المجالات البحثية نتيجة النمو الهائل للتطبيقات والشبكات الحديثة. توفر هذه العملية فوائد عديدة تشمل تقليل ازدحام الشبكة، تحسين إدارتها، وتعزيز جودة الخدمة المقدمة. ومع التطور الكبير في الشبكات المعرفة بالبرمجيات Software Defined Network(SDN) التي تتميز بقدرتها على حل مشكلات الشبكات التقليدية من خلال تبسيط إدارة الشبكة، وإتاحة برمجتها، وتوفير رؤية شاملة لحركة البيانات، أصبحت الشبكات المعرفة بالبرمجيات منصة واعدة لتصنيف حركة الأحمال وتحسين مسارات التوجيه باستخدام تقنيات التعلم الآلي.تم في هذا البحث بناء شبكة SDN لمراقبة حركة الأحمال وتصنيفها باستخدام تقنيات التعلم الآلي، حيث تم اعتماد نموذج الغابات العشوائية (RF) Random Forest كأحد نماذج التعلم الخاضع للإشراف لتصنيف حركة البيانات بناءً على التطبيقات المختلفة. تم تقسيم الأحمال إلى "كبيرة" و"صغيرة" بناءً على ميزات التدفقات المستخلصة. بعد التصنيف، يتم تحديد المسار الأمثل لكل حمل باستخدام وحدة التحكم RYU. أظهرت النتائج إمكانية تحقيق تصنيف دقيق وتحسين كفاءة التوجيه في الشبكات المعرفة بالبرمجيات، مما يعزز من أداء الشبكة واستجابتها للتغيرات الديناميكية في حركة البيانات.
