使用机器学习预测网络链路的带宽利用率
网络与互联网体系结构
2021-12-07 v1 人工智能
摘要
预测网络链路的带宽利用率对于检测拥塞以便在其发生前进行纠正极为有用。在本文中，我们提出了一种以极高准确度预测不同网络链路之间带宽利用率的解决方案。我们创建了一个模拟网络，以收集每个接口上网络链路性能相关的数据。对这些数据进行加工并通过特征工程进行扩展，以创建训练集。我们评估并比较了三类机器学习算法，即 ARIMA（自回归积分滑动平均）、MLP（多层感知机）和 LSTM（长短期记忆），以预测未来的带宽消耗。LSTM 以非常准确的预测优于 ARIMA 和 MLP，误差很少超过 3\%（ARIMA 为 40\%，MLP 为 20\%）。随后我们展示了所提解决方案可在实时中使用，并由软件定义网络（SDN）平台管理响应。
引用
@article{arxiv.2112.02417,
title = {Predicting Bandwidth Utilization on Network Links Using Machine Learning},
author = {Maxime Labonne and Charalampos Chatzinakis and Alexis Olivereau},
journal= {arXiv preprint arXiv:2112.02417},
year = {2021}
}