软件定义网络中基于边缘计算的流规则自动形成与控制

埃及信息学杂志23（2022）149通过在基于边缘计算的Saleem Iqbala，Hira Maryamb，Kashif Naseer Qureshia，Ibrahim Tariq Javedc，Mr. J.，Noel Crespid，ea巴基斯坦拉瓦尔品第干旱大学信息技术学院b巴基斯坦伊斯兰堡Bahria大学软件工程系cBahria大学计算机科学系，伊斯兰堡44000，巴基斯坦dLero-Science Foundation Ireland Research Centre for Software，University of Limerick，V94 T9PX Limerick，IrelandeInstitut Polytechnique de Paris Telecom SudParis Evry，Courcouronnes FR，9 Rue Charles Fourier，91000，France阿提奇莱因福奥文章历史记录：2021年8月3日收到2021年10月3日修订2021年10月16日接受2021年11月5日网上发售保留字：软件定义网络控制器机器学习流量规则OpenFlow自动规则形成A B S T R A C T流表中软件定义网络（SDN）流规则条目的可用性控制器被接近，以获得关于如何处理该流的指令然后，控制器相应地在交换机处更新流表，使得可以在本地处理流。当应用平面在控制器处还没有定义规则时，这就成了问题。在大多数情况下，这样的情况是通过使用控制器规则编程来处理的。然而，在通配规则下同时处理多个流会严重影响网络性能.由应用平面形成流规则有时是关键且耗时的，这通过在交换机级别创建瓶颈而增加了延迟率。为了避免由于规则缺失而导致的瓶颈，本文中，而不是等待应用平面的响应并将未决业务流放入缓冲器中，这可能会该自动化机制基于相同流在网络上被转发时的先前可用的跟踪，该跟踪使用规则。为了评估拟议工作的性能，它是模仿和基准与最新的研究。结果显示出相当大的性能成就。©2022由Elsevier B.V.代表开罗大学计算机与信息学院发布。这是一篇CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍在过去的几年中，软件定义网络（SDN）已经在从传输系统转移到基于SDN的有组织和受控系统的大型组织中得到普及。 在SDN中，控制平面与数据平面分离，并将完整的范例分为两个平面，这两个平面不仅提供效率，而且提供可靠性。SDN网络*通讯作者。电 子 邮 件 地 址 ： saleem@uaar.edu.pk （ S.Iqbal ） ， knaseer. bahria.edu.pk（K.N.Qureshi），noel. mines-telecom.fr（N. Crespi）。开罗大学计算机和信息系负责同行审查。基于三个层，包括应用层、控制层和数据层。这三个层通过应用程序编程接口（API）连接。应用层通过北向API连接到控制层，另一方面控制器通过南向API连接到数据层[1SDN采用控制平面和数据平面分离的策略，比传统网络更可靠、更高效、更安全。在SDN中，OpenFlow协议在控制器的两端用于其他层的交互和处理。每当交换机发送连接请求时，它使用请求来运行传输控制协议（TCP）[4交换机内有一个流表，它通过指定匹配标准和动作来定义应该对SDN中的分组应用什么动作。匹配标准包括IP源/目的地和协议，或者可能还有其他报头。动作与丢弃数据包或向控制器发送数据包有关。例如，源TCP是10.0.0.100，目的地IP是10.0.0.2，当数据包到达系统时，https://doi.org/10.1016/j.eij.2021.10.0011110-8665/©2022由Elsevier B. V.出版代表开罗大学计算机和信息学院这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表埃及信息学杂志杂志主页：www.sciencedirect.comS. 伊克巴尔，H。Maryam，Kashif NaseerQureshi等.埃及信息学杂志23（2022）149150与表中的条目匹配。当协议为TCP时，此数据包与目的地匹配，但未指定数据包的源和目的地。交换机将规则确定为给定优先级，因此优先级字段也是流表的一部分，以防任何数据包同时与两个目的地匹配[7]。较大的数字表示表中较大的优先级。硬超时字段也是流表的一部分。硬时间外野工作后20秒，该规则是由开关自动删除，如果硬时间是20秒。如果硬时间设置为零，则规则将保留在那里，不会自动删除。如果在给定的时间内没有数据包与表中的任何条目匹配并被删除，则空闲超时也是规则表的一个实体。如果数据包到达并且它与任何条目（例如src：10.0.0.100 DST：10.0.0.3交换机将此特定数据包发送到控制器，控制器具有控制信道，该控制信道与每个交换机具有TCP连接，核心匹配每个TCP连接并创建的数据平面一个开关添加事件[8应用程序发送流模式以安装交换机，并且当数据包与表中的任何条目不匹配时，则将数据包发送到控制器，并且应用程序在流模式中安装规则并删除规则。它还包括拓扑发现和特殊的控制数据包。当交换机接收到其中一个数据包时，它通知拓扑分布并创建一个事件，并将此事件发送到应用程序。每当数据包到达时，数据包条目都用相应规则表的条目进行测试，以检查哪个规则适用于哪个数据包，当所有条目都匹配时，则将该规则应用于该数据包。如果没有找到匹配规则，则控制器向应用层发送控制消息以获得用于特定分组的规则。如果发现任何新条目，则重复相同的过程，并且也可以将其添加到流表[11，12]。流表的结构如图所示。1.一、规则表有规则信息，控制器获取这些信息从应用层的安排[13，14]。每当数据包到达交换机时，交换机检查来自控制器的规则，并且控制器由于其应用层的不可用或由于其他原因而无法找到规则。数据包等待并在网络中造成延迟自治安排在应用侧的规则形成被称为静态原理形成，而在控制器侧基于交换机需求的规则形成被称为动态规则成形，这可能是乏味和麻烦的[15，16]。为了解决这个问题，提出了一种基于强化学习的方法，该方法与瓶颈保持战略距离，并在控制器端提供更有效的规则管理。这是通过自动规则生成过程来完成的，其中控制器可以选择根据过去的遭遇来构建规则。本工作的主要贡献如下：提出了一种方案，通过该方案，控制器可以选择通过使用强化学习基于过去的遭遇来构建规则。引入计算机化的规则安排，将交通、流表和规划信息结合起来。本文的其余部分组织如下：第2节介绍了软件定义网络的细节及其与基于机器学习的规则生成的关系。第三部分介绍了相关的工作和问题的形成。第4节提出了规则形成代理的设计和开发步骤。第5节给出了实验结果。文章最后提出了今后的发展方向。2. 背景和相关工作应用层是SDN网络的顶层，为控制器提供服务。应用层为网络中的数据包形成流规则。这些规则是分组调度的基础。利用与网络应用和网络拓扑相关的所有信息，应用层保持对网络状态的检查。应用层使用控制消息与控制层通信。控制层、控制器、控制平面是SDN的核心部分，也被称为网络的大脑。控制器连接到应用层，基础设施Fig. 1. 流表的示例场景。●●S. 伊克巴尔，H。Maryam，Kashif NaseerQureshi等.埃及信息学杂志23（2022）149151层通过称为OpenFlow协议的协议。控制器通过Northbound API连接到应用层。控制器在这两个层之间充当媒介。控制器从应用层接收流规则，并在接收到对规则的请求时将它们SDN的数据平面包括物理或虚拟的路由器和交换机，这些交换机负责网络内部的流量来自控制器的规则被发送到交换机，其中包括流信息，并且控制平面和数据平面之间的所有这些通信都通过南向API完成。因此交换机按照上层提供的规则进行工作，处理网络流量。OpenFlow协议也被称为SDN网络内部的通信协议。此协议用于控制器的两端，使用此协议控制器与其他层交互并在网络中执行操作每当交换机发送连接请求时，它使用OF发送请求-OF在TCP上运行图图2显示了SDN架构及其组件。流表：在交换机中，有一个流表定义了通过规定匹配标准和动作，应该对SDN中的分组应用什么动作匹配标准包括IP源/目的地和协议，或者可能还有其他报头。流表动作包括丢弃数据包或将其发送到特定控制器。每当一个数据包到达时，数据包条目都要用相应规则表的条目进行测试，以检查哪个规则适用于哪个数据包。当所有条目都匹配时，将规则应用于该数据包（如果不匹配），然后拒绝该数据包，并查看规则表以查找匹配规则。如果没有找到匹配的规则，控制器将向应用层发送控制消息以获得特定分组的规则当在流表中发现具有分组的任何新条目时，启动相同的流程表的结构如图所示。 3.SDN的数据平面包括物理或虚拟的路由器和交换机，这些交换机负责网络内部的流量来自控制器的规则被发送到交换机，其中包括流信息，并且控制平面和数据平面之间的所有这些通信都经由南向API完成因此交换机根据上层提供的规则工作，以继续进行网络流[17]。接下来的研究在规则形成的背景下讨论了以前的工作作者在[18]中研究了SDN中的动态流规则本文研究的重点是动态的流规则，提出了一种通过创建自己的流条目来增加SDN流量的方法，以保持网络数据的有效工作，使用这种策略，交换机将能够在本地形成规则，这意味着规则的修改需求将在交换机本地完成，这将增加网络中的流量本研究提出了三种不同的程序来实施这一战略。该策略提高了SDN网络的效率这是OpenFlow的扩展版本类似地，在另一项工作中[19]，作者使用基于优先级的流控制进行动态和流管理。本研究的重点是SDN网络中的数据包丢失的问题，导致在数据层的网络流中断。本研究所提供的策略是在问题发生时，根据优先级改变流规则。当在连续业务传输期间调整应用于当前动态业务流的发送规则时，在当前SDN设备交换机中可能发生业务不幸。这归功于处理休眠，这是预期改变设备交换机中的发送规则的时间。这种准备空闲可能会导致传输中断，这还会在短暂的时间内引发捆绑不幸。这种流量不幸可能在SDN布置中带来广泛的执行问题，因为分组丢失的问题不仅导致系统执行的分解问题，而且还触发系统中的传输问题，从而对抗性地影响系统的传输层或应用层处的开始到结束传输执行。作者提出的机制是基于优先级的流量控制机制，它控制流量图二. SDN架构。S. 伊克巴尔，H。Maryam，Kashif NaseerQureshi等.埃及信息学杂志23（2022）149152图三. 流程表的结构。流，其可以通过应用该机制来节省SDN网络的延迟。该机制作为分组的优先级流的改变而工作。SDN中的流量工程已经被作者探索[20]。本研究的重点是关于软件定义网络的流量工程，即SDN如何使流量工程更有效率，本研究的重点是软件定义环境中网络流量的测量和管理，本研究提出了一种管理网络流量的方案，该方案包括管理和测量两个因素，并提供包括网络流量和网络使用的拓扑以及即将到来和将要到来的流量的计数的参数 。 控 制 器 用 于 检 测 网络拓 扑 的协议称 为 链 路 层 发 现 协 议（LLDP），该策略将能够测量网络流量，因此网络将准备好通过检查流量工程的细节来应对该流量。定义的网络来相应地分配资源，加上业务的调度将变得容易。对于流入口管理，作者采用了强化学习[21]。本文研究的是流规则丢失问题，研究的重点是当某个特定的数据包中有一条规则丢失时，向控制器发送请求，请求丢失的规则，控制器在请求中向应用层发送控制消息，请求丢失的规则，作者认为这一过程所花费的时间和造成的处理延迟.作者采用强化学习机器学习技术来解决这个问题。作者声称，他使用的技术在实施时提供了60%的准确率作者将消息从交换机到应用层的循环过程称为网络控制开销（NCO）。目前的解决方案工程作为一个替代供应商，以保持流动，所以将有更少的延误，这项研究的唯一缺点是，它还没有在该领域的应用仿真是使用机器学习完成的。软件定义网络的智能规则管理方案已经被设计，其中作者专注于软件定义网络中的规则管理[22]。本研究从应用层传送规则至交换网路时会使用大量网路资源的观点出发，提出一种在不使用额外网路资源的情况下，使规则管理系统更容易且无错误的方法。为此，作者提供的技术是混合的。该方案作为补偿-网络性能与系统灵活性之间的关系该方案将规则分为两类并着重于在网络交换机上预先安装规则采用基于人工智能的算法来处理软件定义网络中的延迟和大量资源消耗问题作者给出了所用方案的仿真结果表明该方案在实际应用中可以通过更好地管理流规则来改善网络流量.在这项研究[23]中，提供了一种结构，使流管理系统能够无障碍地正常工作。每个流规则由源id、目的地id和超时组成，流规则过期后的特定时间或一个数据包需要处理的时间，这个过程需要的时间，本研究使用过滤器来找出交换机中规则处理后的清理时间。这项研究是基于最小化之间的通信SDN控制器和交换机放置在数据层通过使用技术，使这个过程自动工作的情况下，需要这种结构还删除不必要的或未使用的规则，从交换机带来低负载的交换机在网络中，加上这种机制将保持重要的流在交换机的存储器中更长的时间，通过增加他们的时间。在预测业务模式并相应地将它们安装在所需交换机上以减少大的流条目的安装方面已经做了大量工作，大的流条目的安装本身是麻烦的并且导致网络资源的低效利用类似地，由控制器安装在交换机上的规则的不可用性也是至关重要的问题。规则形成有时是一个关键且耗时的过程，由于缺少规则而在交换机级别产生瓶颈，从而增加了延迟率，因此为了避免由于规则缺失而导致的瓶颈，并减少延迟，我们需要找到一种方法来使控制器在不涉及应用层的情况下形成规则。3. 拟议工作机器学习在解决网络问题方面的应用已经升级，并取得了惊人的成果。在SDN领域，强化学习的使用也被证明特别是用于流规则的管理。在这项研究中，提出了一个规则形成代理（RFA），作为一个子模块，在经典的SDN控制器，这工作的机制，强化学习，其中数据库是维护的流规则，从应用程序中获得S. 伊克巴尔，H。Maryam，Kashif NaseerQureshi等.埃及信息学杂志23（2022）149153层，并且这些流又包含有分组ID、源和目的地。数据平面上的每个交换机都被提供一个流表，该表包括到达其接口的每个分组的流规则。因此，每当分组到达交换机时，交换机提供关于分组的规则，并且如果规则丢失，则向控制器发送开放流请求，控制器响应于该开放流请求向应用层发送控制消息，应用层响应于该控制消息在数据层提供用于分组的丢失规则。但是，如果应用层由于任何原因没有提供规则，则所提出的方法为数据包构建规则，在其存储中的先前可用规则上应用强化学习。强化学习已经被使用，它与奖励规则和算法一起使用代理来训练模型代理根据其对学习算法的响应获得奖励和惩罚。代理从系统的经验中学习以获得持续奖励。在软件定义网络环境中，该规则形成代理作为学习代理它监控网络的流量以及已经保存在数据库中的每次数据包到达交换机时，该代理都会监控行为，并在达到阈值时做出响应，从而获得为数据包制定规则此行为指示代理如何在软件定义的网络环境中工作，以及模型如何训练以完成分配的工作以形成规则。如果没有达到阈值，则系统不响应，并且数据包的正常流动继续。系统中的代理应该根据系统的要求进行响应，以获得模型的期望输出。代理的最优行为可以表示为p。代理的状态空间可以表示为p，代理在系统中执行的动作可以表示为q，系统的最终奖励方程为q（p：p -> q）。该模块将与控制器内部的规则数据库关联，控制器内部的规则数据库与应用层关联，并从应用层获取规则阳离子层，包括源、目的地、ID等。这些组合规则形成流规则。这些规则对于网络上的每个数据包都是不同的，无论何时存在缺少规则的问题，或者提供的规则与数据包不匹配，或者规则如果没有为特定分组找到规则，则该模块将基于保存在SDN控制器内部的数据库中的规则来为该分组生成规则。 该模型如图所示。 四、3.1. RFA的结构本节简要介绍拟议模式的结构。该模型在控制器中充当代理 在软件定义网络的结构中，通信媒介是控制器，所有的通信都围绕控制器进行。要理解该模型的体系结构，首先需要修改软件定义网络的工作环境。无论网络的第三层处理网络，第二层和第三层都作为网络的通信介质和骨干工作，因此它们中的三个是互连的。因此，每当分组到达数据层时，规则表被给予交换机，交换机根据为特定分组提供的特定规则来处理分组，每当表中缺少规则时，交换机发送通常被称为开放流请求的请求以响应于该请求，控制器发送控制消息到应用层，此时，在应用层接收的消息提供了用于特定分组的规则并且业务继续，这是软件定义网络的基本流。要理解所提出的解决方案，请考虑以下场景：数据包到达数据层，交换机在规则表中找不到用于交换机发送的特定数据包的规则响应于该请求，控制器向应用层发送控制消息，见图4。 SDN的拟议工作流演示S. 伊克巴尔，H。Maryam，Kashif NaseerQureshi等.埃及信息学杂志23（2022）149154攻击或无法为特定数据包提供网络将如何进行的规则？结果包括数据包丢失、延迟和延迟，这是交换机的瓶颈。下面的小节显示了规则形成代理。3.2. RFA的工作每当分组到达交换机时，在交换机处提供规则表以检查每个分组的对应规则Sce- nario：规则不提供一个数据包在这种情况下，作为交换机contains一个储存库，它保持每个数据包的统计，如果一个数据包没有规则表分配的规则，然后交换机将检查表命中率，如果该比率大于阈值比请求将进行到RFA和代理将提供一个规则，该数据包作为控制器规则保存在一个数据库中，RFA连接到该数据库，并使用以前的规则形式的规则，为新的数据包和网络流量进行.并且如果阈值小于由模块设置的值，则作为惩罚，不分配新的目的地这个系统与强化学习一起工作每当数据包到达并且RFA没有分配规则时，该数据包就会被发送到可用的端口该模块与数据包的源和目的地一起工作，只要没有分配目的地，网络中的每个可用端口都被分配为该数据包的目的地，以保持网络中的流量每当达到阈值点时，RFA被分配有为分组提供规则的奖励下面给出了所提出的模型之后的SDN控制器的完整架构 RFA在控制器中的位置如图所示。 五、RFA算法中使用的符号见表1，算法见表2。4. 实验和结果为了评估所提出的RFA的性能，进行了仿真。本研究的实现工具是Open Daylight Controller和Mininet，使用的平台是Ubuntu，它使用虚拟盒子安装在虚拟对于与经典SDN实现的基准测试，考虑吞吐量和分组丢失。此外，还考虑了一个重要的度量流插入延迟，它减少了规则插入的总延迟，表1符号及其含义。符号含义传输控制协议rfa规则形成剂C控制器m门限S开关Cm控制报文AI应用层DI数据层OpenFlow请求fr流动法则rt规则表l延迟r响应p数据包PS数据包已提交表2RSA算法1.输入：S（p，rt）输出：ps（数据包提交）1：2.S->Of2比3。 Of-> C三比四C*Cm四点五分 如果cm =是5：t%m-> r = ps六点六分 否则，如果cm =否7：d->1（死端）8：而cm =否9：r = ps10：t%m11：对于所有t%>m做12：rfa->r13：rfa（r + rg）14：r + rg = t%>m15：s->r16：如果r = r，则17：r = ps十八点七分 end if十九点八分端20：9.end while21：如果结束图五. SDN控制器中的RFA放置。S. 伊克巴尔，H。Maryam，Kashif NaseerQureshi等.埃及信息学杂志23（2022）149155包括减少应用层的参与和其响应的等待时间。换句话说，插入延迟时间比较提供了关于经典SDN响应于对规则的请求需要多长时间以及所提出的模型响应于关于缺失规则的请求需要多长时间的信息。这些实验基于表3中定义的参数进行。4.1. 丢包率每当流规则丢失时，可预测地，分组丢失发生，因为网络花费更多的时间来提供规则。毕竟，更多的延迟，因此有助于由于交换机瓶颈而发生的数据包丢失。当队列中有大量数据包时，如果某个数据包的规则丢失，则该算法不仅会导致规则丢失的数据包丢失，而且还可以帮助队列中其他数据包的丢失。如图6所示，所提出的RFA提高了SDN的效率并降低了分组丢失率。这是通过为数据包提供规则来实现的，其结果是不会在交换机处引起瓶颈或拥塞，并且总体上提高了软件定义网络的整体性能。4.2. 流规则插入延迟图图7显示了在不同条件下系统响应之间的相关性数据包在网络中通常需要多少时间处理以及规则丢失或未找到的数据包需要多少时间，系统解决问题需要多少时间，因此系统手动解决此问题需要多少时间交换机发送需要多少时间表3实验参数。参数值网络规模1000*1000号f控制器1号开关20号35个仿真时间2000 s数据包大小512字节向控制器发送开放流消息，以及控制器与应用层通信所花费的时间，以便解决关于丢失规则的特定问题，因此将该时间和等待时间段与所提出的模型在满足阈值时激活并响应请求所花费的时间进行比较，因此模型激活并为分组提供规则，以确保网络流量该图显示了插入延迟如何随着我们提出的模型的使用而减少，以便处理未命中规则问题。4.3. 吞吐量图8示出了所提出的系统的吞吐量与传统系统的吞吐量的比较。系统的吞吐量随着所提出的解决方案为传统网络的问题提供解决方案而增加，因此这示出了每当利用RFA提供的规则来促进分组时，它增加了整个系统的吞吐量，因为它有助于通过提供解决方案来消除系统的缺陷4.4. 讨论本节包括对以上图表中所这些图表显示了系统的比较、吞吐量以及系统如何响应所提出的机制图8示出了当系统的吞吐量增加时，系统传统上如何对问题做出反应它清楚地表明，系统的吞吐量增加，这表明该模型是在系统中工作良好，同样的情况也会发生在我们的案例中，但作为一种努力，结果表明，缺失规则的问题也可以通过这种方式解决。这项研究的基本目的是降低该问题对软件定义网络环境的影响结果表明，在应用层受到dos攻击的情况下，或者由于任何其他原因，如果应用层没有连接到控制器，并且不能为数据包提供规则，则所提出的解决方案可以通过提供解决方案来解决到目前为止，由于规则的缺失，延迟和数据包丢失的量会更少，因此我们的研究也可以在该领域实现。与以前的研究相比，在软件领域有很多研究正在进行见图6。 丢包率对比图。S. 伊克巴尔，H。Maryam，Kashif NaseerQureshi等.埃及信息学杂志23（2022）149156见图7。 规则插入时间延迟的比较。见图8。对比一下。定义的网络，因为这种网络还没有达到顶峰，所以很多研究领域仍然是开放的。以往的研究没有这样一种由控制者自己制定规则的机制。然而，一些研究需要改进才能在该领域中使用和实施，我们的研究是在该场景中提出了一种不同的方法，因为在一个标准中，我们试图解决多个问题，这些问题可以帮助解决与延迟和数据包丢失相关的问题。此外，减少了由于缺少规则而在切换结束时发生死锁的风险，并且本研究可以用作人工智能控制器的一部分机器学习技术可以用于自动形成规则形成，如在这项工作中所见证的，我们如何通过在SDN控制器中添加模块来使用强化学习来形成规则，并使用强化学习来训练该模块，因为强化学习工作具有奖励和惩罚规则，所以我们使用该规则来训练我们的模型，该模型后来被置于必须根据SDN交换机的请求自动形成规则的场景中。当应用层为数据包提供规则时，这些规则暂时保存在控制器中，我们将模块与该临时存储器连接。年龄是我们训练模块的基础，这些过去的规则帮助模块自动完成工作，以处理交换机上的问题我们使用应用层发送的默认规则来训练我们的模型，这是一种很好的训练模型的正如我们之前所讨论的，强化学习基于奖励工作，因此使用机器学习加上SDN控制器交换机上的环境来训练模型变得很容易，这表明使用强化机器学习方法来训练我们的模型并使我们的模型很好地工作以减少软件定义环境中问题的影响。所以我们回答了所有我们在研究中应该回答的问题。5. 结论软件定义网络是一种将控制平面与数据平面分离的网络方法。这种方法提供了可编程性，并吸引了许多研究人员和公司的时间。它在很短的时间内发明了S. 伊克巴尔，H。Maryam，Kashif NaseerQureshi等.埃及信息学杂志23（2022）149157方法获得了巨大的普及与技术的每一个积极方面我们也必须处理软件定义网络方面的缺点;在我们的研究中有需要解决在传统的软件定义网络中，我们遇到了一个问题，即认为流规则在网络中起着重要的作用，因为它们使网络流量继续下去，所以关于它们的问题会导致整个网络陷入僵局。另一方面，当安全威胁袭击系统时，我们的模块也会找到一种方法来保持网络流量，无论系统是否受到攻击，或者是否存在任何其他关于丢失规则的问题。提出了一种基于强化学习机制的流规则自动生成方法，实验结果表明，该方法有助于软件定义网络环境的改进。机器学习算法已经被用于许多研究中，并用于解决软件定义网络中的许多问题，因此我们的研究可以成为大型智能软件定义网络环境的一部分。延迟一直是SDN环境的一个相当大的问题，在我们的研究中得到了关注，加上关于丢失规则的问题也得到了关注，并且主要场景是研究的基础，如果在某种风险下应用层断开连接，流量将如何在网络中处理。在未来，其他监督学习技术将用于执行自动规则形成。竞争利益作者声明，发表这篇文章没有利益冲突确认这项工作部分得到了爱尔兰科学基金会赠款13/RC/2094\_P2的财政支持，部分得到了欧盟地平线2020研究和创新计划的资助引用[1] Macedo DF，Guedes D，Vieira LF，Vieira MA，Nogueira M.可编程网络-从软件定义无线电到软件定义网络。IEEECommun Surv Tuesday 2015;17（2）：1102-25.[2] 曹X，Yoshikane N，Popescu I，Tsuritani T，Morita I.软件定义光网络和网络抽象与功能服务设计。J OptCommun Network 2017;9（4）：C65-75.[3] 胡适基于动态策略的软件定义网络机制。 GooglePatents 2020[4] Braun W，Menth M.使用OpenFlow的软件定义网络：协议，应用程序和架构设计选择。Future Internet 2014;6（2）：302-36.[5] [10]杨文军，杨文军.最大限度地减少软件定义网络交换机控制器通信中的延迟。Concurr ComputPact Exp 2020：e5940.[6] T.科勒，软件定义网络的一致性和分布，2020年。[7] Isyaku B，Mohd Zahid MS，Bte Kamat M，Abu Bakar K，Ghaleb FA. 开放流交换机的软件定义网络流表管理性能和安全挑战。未来互联网2020;12（9）：147.[8] 张丁K，库克利S，奥西T，WytreJubowiczJ. SDN的启发式流量工程。J Infecommun2020;4（3）：251-66.[9] Iqbal S，Abdullah AH，Ahsan F，Qureshi KN.在无线网状网络中使用贝叶斯定理进行动态信道分配的关键链路识别和优先级排序。 无线网络2018;24（7）：2685-97.[10] Hu J，Reed M，Al-Nympho M，Al-Nympho N.软件定义网络中的区块链辅助流插入和验证。2020年全球物联网峰会（GIoTS）IEEE; 2020. p. 1比6[11] BöhmM，Jez_1997年，美国国家安全委员会（NRC）的一份报告。 具有对抗性的分组调度干扰和加速。 Ann Oper Res 2021;298（1-2）：7-42。[12] 苏杰，徐荣，于S，王B，王J，软件定义网络的冗余规则检测，KSII互联网&信息系统学报，第14卷，第6期，2020年。[13] 吴晓松，李晓松，李晓松.软件定义网络中的流量工程。在：2013年IEEE INFOCOM会议记录。IEEE; 2013年。第2211- 2219页。[14] IqbalS，Abdullah AH，Qureshi KN. 一种用于回程网络的自适应干扰感知和业务感知信道分配策略。Concurr ComputPractExp 2020;32（11）：e5650。[15] [10]杨文，李文，李文.使用半监督流量分类的应用感知SDN架构。2018年IEEE网络功能虚拟化和软件定义网络（NFV-SDN）会议。IEEE; 2018. p.1比6[16] [10]杨文，杨文，杨文.多跳物联网中基于区域的协同节能路由协议。2020年中国电子信息产业博览会：e3885.[17] 张文辉，张文辉，张文辉. SDN网络中动态路由的新方法。2016年第18届地中海电工会议（MELECON）。IEEE; 2016. p.1比6[18] 放大图片作者：Wei Q，Perez-Caparros D，Hecker A.软件定义网络中的动态流规则。2016年第五届欧洲软件定义网络研讨会（EWSDN）。IEEE; 2016. p.25- 30[19] Oh B-H，Vural S，Wang N，Tafazolli R.基于优先级的流量控制，用于SDN中的动态和可靠流量管理。IEEE Trans Netw Serv Manage 2018;15（4）：1720-32.[20] 舒志，万军，林军，王胜，李东，罗胜，等.软件定义网络中的流量工程：测量与管理.北京：中国计量科学出版社，2001. IEEE Access2016;4：3246-56.[21] Mu T-Y，Al-Fuqaha A，Shuaib K，Sallabi FM，Qadir J.使用强化学习的SDN流条目管理。ACM Trans Auton Adapt Syst（TAAS）2018;13（2）：1-23.[22] 王林，李勤，辛诺特，姜勇，吴军。一种软件定义网络的智能规则管理方案。Comput Netw 2018;144：77-88.[23] Challa R，Lee Y，Choo H.开放流交换机中高效流表管理的智能驱逐策略。2016年IEEE NetSoft Conference andWorkshops（NetSoft）。IEEE; 2016. p. 312- 8