Розробка багатоагентної системи моніторингу SDN мереж

Abstract

У роботі розглядається задача виявлення відмов та аномалій у програмно визначених мережах (SDN) за допомогою мультиагентної системи моніторингу із застосуванням методів машинного навчання. Запропоновано архітектуру, що складається з чотирьох спеціалізованих агентів: CollectorAgent, AnalyzerAgent, MLAnalyzerAgent та CoordinatorAgent. Ключовою ідеєю є крос-топологічне узагальнення ML-моделей: система навчається на одній топології мережі і застосовується на іншій без перенавчання. Експериментальні результати у середовищі Mininet/Ryu демонструють високу точність зваженого k-NN та стабільну перевагу над пороговими правилами.

This thesis addresses the problem of fault and anomaly detection in Software-Defined Networks using a multi-agent monitoring system and machine learning. The proposed architecture consists of CollectorAgent, AnalyzerAgent, MLAnalyzerAgent, and CoordinatorAgent. The key idea is cross-topology generalization of ML models: the system is trained on one network topology and applied to another without retraining. Experimental results in the Mininet/Ryu environment demonstrate high weighted k-NN accuracy and a stable advantage over threshold-based rules.