Benchmarking da eficiência dos algoritmos supervisionados de ML na classificação de tráfego NFV

Resumo

A implementação de NFV permite melhorar a flexibilidade, a eficiência e a capacidade de gerenciamento das redes aproveitando a virtualização e as tecnologias da computação em nuvem para implantar redes informáticas. A implementação de gerenciamento autônomo e algoritmos supervisionados de Aprendizado de Máquinas (Machine Learning - ML) tornam-se uma estratégia chave para gerenciar esse tráfego oculto. Neste trabalho, nosso foco é a análise das características do tráfego em redes baseadas em NFV, ao mesmo tempo em que realizamos uma avaliação comparativa do comportamento dos algoritmos supervisionados de ML, isto é, J48, Naïve Bayes e Bayes Net na classificação de tráfego IP em relação à sua eficiência; considerando que essa eficiência está relacionada ao equilíbrio entre o tempo de resposta e precisão. Foram utilizados dois cenários de teste (um SDN baseado em NFV e um  LTE EPC baseado em NFV). Os resultados da avaliação comparativa revelam que os algoritmos Naïve Bayes e Bayes Net têm o melhor desempenho na classificação do tráfego. Em particular, seu desempenho corrobora um bom equilíbrio entre a precisão e o tempo de resposta, com valores de precisão superiores a 80% e 96%, respectivamente, para tempos inferiores a 1,5 segundos.