Autores

6965
3099,768
6966
3099,768

Informações:

Publicações do PESC

Título
Inferindo a Qualidade de Serviço em Redes Via Aprendizado por Reforço
Linha de pesquisa
Redes de Computadores
Tipo de publicação
Dissertação de Mestrado
Número de registro
Data da defesa
10/3/2021
Resumo

O aumento do número de usuários da internet e o crescimento da quantidade de tráfego consumido por cada um deles, têm gerado nos últimos anos, uma demanda por melhorias no gerenciamento da qualidade de serviço (QoS) de provedores de serviço de Internet (ISPs). O principal objetivo deste trabalho é modelar as condições da rede de um ISP e inferir se uma mudança na condição da rede do ISP permanecerá em instantes futuros. Desta forma, o sistema de gerenciamento do ISP poderá ser acionado quando houver previsão de que a degradação da condição da rede se manterá por um certo tempo. A partir de séries temporais de taxas de perda de pacotes coletadas em roteadores domésticos do ISP, é definido um modelo de Markov oculto (HMM) e os estados do modelo são mapeados em condições da rede do ISP. Então, uma técnica de Aprendizado por Reforço é usada nas séries temporais de condições da rede, para inferir o desempenho da rede no futuro e, possivelmente, indicar o acionamento de um alarme de manutenção. A partir do resultado do algoritmo de Aprendizado por Reforço, o gerenciador da rede pode acionar ações de manutenção preditiva ou mudanças nos parâmetros de operação da rede. Resultados obtidos utilizando um dataset real de um ISP mostram bom desempenho do método através das medidas de acurácia, precisão, recall e f1-score.

Abstract

The increase in the number of Internet users and the growth in the amount of traffic consumed by each of them, has generated in recent years, a demand for improvements in the quality of service (QoS) provided by Internet service providers (ISPs). The main objective of this work is to model the network conditions of an ISP and to infer if a change in these conditions will remain in the future. In this way, the ISP's management system can be activated when it is predicted that the degradation of the network condition will remain for a certain time. A hidden Markov model (HMM) is defined from time series of packet loss rates collected on ISP's home routers, and the model states are mapped to ISP network conditions. Then, a Reinforcement Learning technique is used in the time series of network conditions, to infer the performance of the network in the future and, possibly, indicate the triggering of a maintenance alarm. From the result of the Reinforcement Learning algorithm, the network manager can trigger maintenance actions or changes in network operating parameters. Results obtained using a real ISP dataset show good performance of the method through measures of accuracy, precision, recall and f1-score.

Arquivo
Topo