Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

Multivariate Analysis of Big Data in Software Defined Networks

Projektbeschreibung

Starker Anschub für Internetfunktionalität

Die das Internet durchströmende Datenmenge wächst immer schneller, und wir brauchen dringend neue Wege, um sie zu verwalten, zu verarbeiten und zu analysieren. Software-defined Networking (SDN) hat sich als ein interessanter Ansatz zur effizienten Handhabung enormer Datenmengen erwiesen und hat die Programmierbarkeit von Netzwerkfunktionalitäten zu bieten. Dennoch ist die Verwaltung eines SDN-Frameworks immer noch eine echte Herausforderung. Verfahren zur Big Data-Analyse können bei der Erkennung von sowie der Fehlersuche und -behebung bei SDN-Problemen und bei der Optimierung der Netzwerkleistung von Nutzen sein. Das EU-finanzierte Projekt MAD-SDN schlägt einen Ansatz vor, der auf der multivariaten Big Data-Analyse zur Netzwerküberwachung, Fehlersuche und -behebung und Datenverkehrsklassifizierung beruht. Bei Analyseproblemen aufgrund verteilter Daten kommt der bahnbrechende Ansatz des Föderalen Lernens (Federated Learning) von Google zum Einsatz.

Ziel

One of the main problems of the Internet is the rapidly growing volume of diverse data. The Future Internet needs new efficient methods to support data management, processing and analysis. The Software Defined Networking (SDN) is a novel network architecture that overcomes the limitations of traditional networks, separating the control and data planes, and providing programmability capabilities of network functionalities. Yet, modern SDN deployments are difficult to manage and optimize. Big Data analysis techniques can be useful in SDN to identify problems, troubleshoot them and optimize network performance. One promising approach for this is the Multivariate Big Data Analysis (MBDA), which extends multivariate analysis to Big Data sets. However, MBDA has not been applied to SDN yet. During this project, MBDA will be used to detect anomalies and classify network traffic in complex SDN environment. In addition, in order to ensure privacy, MBDA will be extended with Federated Learning, a cutting-edge approach recently developed by Google with application to distributed data analysis problems. This project will be carry out by the experienced researcher (ER) who worked during her PhD thesis on network traffic analysis using advanced statistical methods on time series. The ER will cooperate with the Supervisor who is an expert in the field of multivariate analysis for anomaly detection and optimization of networks, and the principal developer of the MBDA approach.

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) H2020-MSCA-IF-2019

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Koordinator

UNIVERSIDAD DE GRANADA
Netto-EU-Beitrag
€ 172 932,48
Adresse
CUESTA DEL HOSPICIO SN
18071 Granada
Spanien
Region
Sur Andalucía Granada
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
€ 172 932,48