一种基于深度学习的SRv6网络流量调度优化算法

作     者：赵鹏程 于俊清 李冬 ZHAO Pengcheng;YU Junqing;LI Dong

作者机构：华中科技大学网络空间安全学院武汉430074 华中科技大学网络与计算中心武汉430074 

出 版 物：《信息网络安全》 (Netinfo Security)

年 卷 期：2024年第24卷第2期

页      面：272-281页

学科分类：0839[工学-网络空间安全] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划[2020YFB1805601] 中国高校产学研创新基金[2021FNA02005] 

主　　题：深度学习 软件定义网络 分段路由 流量调度 

摘      要：目前SRv6网络中的流量调度方法主要是基于固定或启发式规则的方法,缺乏灵活调度整体网络流量的能力,难以适应动态的网络环境变化。针对SRv6网络缺乏关键流识别能力的问题,文章提出一种基于深度强化学习的关键流识别算法,建立适应网络动态变化的关键流学习模型,在不同的流量矩阵中识别出对网络性能影响最大的关键流集合。针对SRv6网络流量调度问题,文章提出一种基于关键流的流量调度优化算法,采用线性规划求解出每一条关键流的最优显式路径,并采用不同的路由方式对普通流和关键流进行负载均衡。实验结果表明,该算法可显著提升SRv6网络流量负载均衡能力,降低网络端到端传输延迟。