意图驱动的SDN网络流量感知系统设计与实现.pdfVIP

摘要

SDN网络控制平面和数据平面分离的思想，可以实现网络的管理和控制。随

着对SDN网络研究的深入，如何简化用户操作和使用网络，提高网络自动化运

行程度成为新的问题。意图能够快速获取用户的思想，借助SDN实现网络组网

和配置，实现更简易的操作方式，成为当前研究的新热度。网络流量感知能够及

时获取网络当前状况、精准的感知网络变化、维护网络稳定运行。因此本论文将

意图与网络感知结合，主要工作如下：

首先，设计系统整体框架，系统由意图模块、数据采集模块、SDN控制模块、

流量预测模块和界面组成，各模块相互协作。SDN控制模块捕捉来自于意图模块

的信息，并响应给数据平面。数据采集模块用来获取和存储数据。流量预测模块

训练神经网络模型，并实现数据的实时预测。

借助自然语言处理NLP设计意图转译算法、建立测量策略知识库完成意图映

射、通过意图北向接口NBI建立与SDN网络的联系并完成意图交互。对网络流

量指标进行定义后，下发“测量”相关的意图，分步骤实现了网络、链路、节点

等相关数据的采集和存储，在系统可视化界面展示测量结果。

针对当前网络流量的时间突发性和空间相关性，本论文通过图卷积网络

GCN提取空间特征，并与门控循环单元GRU提取的时间特征相结合，实现了基

于T-GCN的网络流量预测。自注意力机制对原有模型进行改进后，获取网络中

每一时刻的数据权重、更好的拟合与前后时刻的关系，得到自适应的A3T-GCN

模型。该模型在当前仿真环境下能够提高预测精度。

最后，使用ONOS控制器搭建系统实验环境，在Mininet仿真平台进行功能

和性能测试。通过意图命令获取当前网络数据，验证了意图驱动的网络测量功能。

对A3T-GCN模型多方面的性能进行实验，比较得到了模型最佳效果，并实现了

实时数据的流量预测功能。

关键词：软件定义网络，意图，流量感知，流量预测，图卷积网络

ABSTRACT

TheideaofseparatingthecontrolplaneandthedataplaneoftheSDNnetworkcan

realizethemanagementandcontrolofthenetwork.WiththedeepeningofSDN

networkresearch,howtosimplifyuseroperationanduseofthenetworkandimprove

thedegreeofnetworkautomationhasbecomeanewproblem.Intentcanquickly

capturetheusersthoughts,realizenetworknetworkingandconfigurationwiththehelp

ofSDN,andrealizeasimpleroperationmode,whichhasbecomeanewhottopicin

currentresearch.Networktrafficawarenesscanobtainthecurrentnetworkstatusin

time,accuratelyperceivenetworkchanges,andmaintainstablenetworkoperation.

Therefore,thethesiscombinesintentwithnetworkperception,andthemainworkisas

follows:

First,theoverallframeworkofthesystemisdesigned.Thesystemconsistsofan

intentmodule,adataacquisitionmodule,anSDNcontrolmodule,atrafficprediction

moduleandaninterface.Eachmodule