一种基于深度学习的SRv6网络流量调度优化算法.pdfVIP

NETINFOSECURITY

理论研究2024年第2期

doi:10.3969/j.issn.1671-1122.2024.02.010

一种基于深度学习的SRv6网络流量调度

优化算法

一赵鹏程1，于俊清12，李冬²，

（1.华中科技大学网络空间安全学院，武汉430074；2.华中科技大学网络与计算中心，武汉430074）

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。

关键词：深度学习；软件定义网络；分段路由；流量调度

中图分类号：TP309文献标志码：A文章编号：1671-1122（2024）02-0272-10

中文引用格式：赵鹏程，于俊清，李冬.一种基于深度学习的SRv6网络流量调度优化算法[J].信息网络安全，

2024,24(2):272-281.

英文引用格式:ZHAOPengcheng,YUJunqing,LIDong.AnOptimalAlgorithmforTrafficSchedulingin

SRv6NetworkBasedonDeepLearning[J.NetinfoSecurity,2024,24(2):272-281.

AnOptimalAlgorithmforTrafficSchedulinginSRv6Network

BasedonDeepLearning

ZHAOPengcheng,YUJunqingl-2,LIDong?

(1.SchoolofCyberScienceandEngineering,HuazhongUniversityofScienceandTechnology,Wuhan430074,China,;

2.NetworkandComputationCenter,HuazhongUniversityofScienceandTechnology,Wuhan430074,China)

Abstract:CurrenttrafficschedulingmethodsinSRv6networkaremainlybased

onfixedorheuristicrules,whichlackoftheabilitytoscheduleoverallnetworktraffic

flexiblyandaredifficulttoadapttodynamicnetworkenvironmentchanges.Toaddressthe

deficiencyinkeyflowidentificationwithinSRv6network,thearticleintroducedakeyflow

identificationalgorithmbasedondeepreinforcementlearning.Thisapproachestablished