Description du projet
Un grand coup de pouce pour les fonctionnalités d’Internet
La quantité de données qui circulent sur Internet augmente rapidement et il est urgent de trouver de nouveaux moyens de les gérer, de les traiter et de les analyser. Les réseaux définis par logiciel (SDN pour Software Defined Networking) sont apparus comme une approche intéressante pour traiter efficacement d’énormes quantités de données, grâce à leurs fonctionnalités de réseau programmables. Cependant, la gestion d’un cadre SDN est un véritable défi. Les techniques d’analyse des mégadonnées peuvent se révéler utiles pour l’identification et le dépannage des problèmes liés aux SDN, ainsi que pour l’optimisation des performances du réseau. Le projet MAD-SDN, financé par l’UE, propose une approche basée sur l’analyse multivariée des mégadonnées (MBDA) pour la surveillance du réseau, le dépannage et la classification du trafic. L’approche pionnière d’apprentissage fédéré de Google sera exploitée pour gérer les problèmes d’analyse de données distribuées.
Objectif
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.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- sciences naturellesinformatique et science de l'informationlogiciel
- sciences naturellesinformatique et science de l'informationinternet
- sciences naturellesinformatique et science de l'informationscience des donnéesmégadonnées
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Programme(s)
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) H2020-MSCA-IF-2019
Voir d’autres projets de cet appelRégime de financement
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Coordinateur
18071 Granada
Espagne