| Version imprimable |
| SDN and NFV networks : a new boost and opportunity for network tomography (Les réseaux SDN et NFV : un nouvel élan et une nouvelle opportunité pour la tomographie en réseaux) | ||
Rahali, Mohamed - (2020-12-17) / Universite de Rennes 1 SDN and NFV networks : a new boost and opportunity for network tomography Langue : Anglais Directeur de thèse: Rubino, Gerardo; Sanner, Jean-Michel Laboratoire : IRISA Ecole Doctorale : MATHSTIC Thématique : Informatique | ||
Mots-clés : SDN, NFV, Surveillance des réseaux, Tomographie des réseaux, Détection d'anomalies, Architecture des réseaux d'ordinateurs, aDétection des anomalies (informatique) Résumé : Le concept de découpage du réseau « slicing » promet une flexibilité et une autonomie importantes pour la gestion des ressources. Grâce à ses principales caractéristiques, qui s'appuient essentiellement sur les technologies NFV et SDN, les nouveaux services de communication peuvent être conçus et déployés beaucoup plus rapidement qu'auparavant. Cependant, le maintien du niveau nécessaire de fiabilité reste un problème majeur. L'une de ses conséquences est que la surveillance de l'infrastructure réseau dédiée à cette classe de services est un défi essentiel, défi que nous abordons dans cette thèse via l'utilisation des techniques de tomographie. La tomographie étudie l'inférence des performances du réseau interne à partir de mesures externes. Nous étudions, entre autre, son application dans le contexte du slicing et des réseaux virtuels. Tout d'abord, nous présentons l'algorithme d'échantillonnage évolutif (ESA) comme un outil permettant d'inférer des métriques de nœuds ou de liens (dites « cachés », c'est-à-dire, intérieures) à partir des mesures de bout en bout, en suivant une approche de type algorithme génétique. Il améliore la précision et le temps de calcul des solutions existantes basées sur l'algorithme espérance-maximisation~(EM). Ensuite, nous utilisons une architecture de réseau neuronal entraîné comme outil d'inférence pour traiter le même problème. Le modèle apprend avec un petit volume de données simulées ce qui permet de le répéter rapidement en fonction des mises à jour du réseau. Deuxièmement, nous avons abordé le problème de placement des moniteurs. Nous avons étudié un cas particulier où seulement des cycles sont utilisés. La motivation de ce choix est d'éviter les contraintes liées à la synchronisation entre les nœuds. La programmabilité du réseau offerte par le SDN permet le déploiement de ce type de chemin personnalisé. Cette problématique est formulée comme un problème de couverture d'ensemble et nous avons proposé deux approches pour le résoudre, un algorithme optimal et une autre heuristique. Enfin, nous avons étudié le problème de la détection d'anomalies dans les réseaux NFV. Nous appliquons les principes de la tomographie booléenne, où chaque nœud ne peut avoir que deux états : opérationnel ou défaillant. Nous donnons des conditions nécessaires et suffisantes sur la topologie, plus une stratégie de sondage qui garantissent la localisation d'une limite maximale fixe de nœuds simultanément défaillants. Résumé (anglais) : The network slicing concept promises significant flexibility and autonomy for network management. Thanks to its main key features, heavily relying on the NFV and the SDN technologies, new communication services can be designed and deployed much faster than before. However, maintaining the necessary reliability level of conventional networks remains a major open problem. One of its consequences is that the monitoring of the network infrastructure dedicated to this class of services is an essential challenge, which we address in this thesis through tomography methods. Internet tomography studies the inference of the internal network performances from end-to-end measurements. We study, among other things, its application in the context of network slicing and virtual networks. First, we present the Evolutionary Sampling Algorithm (ESA) as a tool for the inference of hidden nodes' or links' metrics from end-to-end measurements, following a genetic algorithm approach. It enhances the accuracy and the computing time of existing solutions based on the Expectation Maximization (EM) algorithm. Then, we use a trained neural network architecture as an inference tool to deal with the same problem. The model is trained with only a few simulated data. The training time is very short which gives the possibility to repeat it according to the network updates. Second, we addressed the monitors' placement problem. We have studied a particular case where only cycle paths are used. The motivation behind this choice is to avoid the constraints related to synchronization between nodes. The network programmability offered by SDN allows the deployment of such customized type of probing paths. This task is formulated as a set covering problem and we proposed two approaches to solve it, an optimal algorithm and a heuristic one. Finally, we studied the anomaly detection problem in NFV networks. We apply the principles of Boolean network tomography, where we consider that each node can have only two states: up or down. We give necessary and sufficient conditions about the network topology plus a strategy for building the probing paths that guarantee the localization of a fixed maximum number of simultaneously failed nodes. Identifiant : rennes1-ori-wf-1-14525 | ||
| Exporter au format XML |