Show simple item record

dc.contributor.advisorBianchi, Reinaldo Augusto da Costa
dc.contributor.authorAraújo Junior, S. R. de
dc.date.accessioned2022-03-10T14:45:06Z
dc.date.accessioned2023-05-03T20:37:00Z
dc.date.available2022-03-10T14:45:06Z
dc.date.available2023-05-03T20:37:00Z
dc.date.issued2021
dc.identifier.citationARAÚJO JUNIOR, S. R. de. <b> A Profile-Based architecture for traffic forwarding through service function chaining using deep reinforcement learning techniques. </b> 2021. 82 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2021 Disponível em: https://doi.org/10.31414/EE.2021.D.131405.
dc.identifier.urihttps://hdl.handle.net/20.500.12032/89297
dc.description.abstractOs sistemas de comunicação, como por exemplo as redes móveis de quinta geração (5G) têm se desenvolvido rapidamente e devido à esta evolução, o uso dos seus recursos tem se tornado mais complexo. Assim, são necessários novos métodos para a concepção das redes e uma das tecnologias para tal é o Encadeamento de Funções de Serviço que permite o tráfego através de Funções de Rede Virtualizadas flexibilizando o uso dos recursos. Entretanto, há alguns desafios para sua implementação, como por exemplo o volume de dados gerados pelas novas aplicações. O Aprendizado por Reforço Profundo tem sido usado para resolver diversos problemas computacionais, inclusive aqueles relacionados às redes de comunicação. Para atingir os objetivos de otimização de recursos são necessários: a identificação e tratamento do tráfego de rede e o seu correto roteamento pelos dispositivos. O objetivo deste trabalho é investigar como as técnicas de Aprendizado por Reforço Profundo combinadas com a arquitetura de Encadeamento de Funções de Serviços podem proporcionar um mecanismo eficiente de identificação e roteamento de tráfego baseado em perfis, auxiliando os dispositivos responsáveis pelo controle da rede a reconhecer comportamentos indesejáveis e tomar as ações necessárias. Para isto, será proposta uma implementação prática para demonstrar como estas técnicas podem ser aplicadas
dc.description.abstractCommunication systems, such as fifth-generation mobile networks (5G), have developed rapidly, and due to this evolution, the use of their resources has become more complex. Thus, new methods are required to design networks. One of these technologies is the Service Function Chaining (SFC) that allows traffic through Virtualized Network Functions (VNFs), making resources more flexible. However, its implementation has some challenges, such as the volume of data generated by the new applications. Deep Reinforcement Learning (DRL) has been used to solve several computational problems, including those related to communication networks. To achieve the objectives of resource optimization are required: the identification and treatment of network traffic and its correct routing through devices. This work investigates how Deep Reinforcement Learning techniques can be used with the Service Function Chaining architecture to identify and route based on profiles efficiently. That helps the elements responsible for network control recognize undesirable behaviors and take the necessary actions. A practical implementation is proposed to demonstrate how techniques can be applied
dc.languageeng
dc.language.isoen_US
dc.publisherCentro Universitário FEI, São Bernardo do Campo
dc.subjectencadeamento de funções de serviço
dc.subjectaprendizado por reforço profundo
dc.subjectRedes Móveis de Quinta Geração (5G)
dc.titleA Profile-Based architecture for traffic forwarding through service function chaining using deep reinforcement learning techniquespt_BR
dc.typeDissertaçãopt_BR


Files in this item

FilesSizeFormatView
fulltext.pdf1.703Mbapplication/pdfView/Open

This item appears in the following Collection(s)

Show simple item record


© AUSJAL 2022

Asociación de Universidades Confiadas a la Compañía de Jesús en América Latina, AUSJAL
Av. Santa Teresa de Jesús Edif. Cerpe, Piso 2, Oficina AUSJAL Urb.
La Castellana, Chacao (1060) Caracas - Venezuela
Tel/Fax (+58-212)-266-13-41 /(+58-212)-266-85-62

Nuestras redes sociales

facebook Facebook

twitter Twitter

youtube Youtube

Asociaciones Jesuitas en el mundo
Ausjal en el mundo AJCU AUSJAL JESAM JCEP JCS JCAP