Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Multivariate Analysis of Big Data in Software Defined Networks

Opis projektu

Nowe technologie zwiększają możliwości internetu

Ilość danych, które każdego dnia przepływają łączami internetowymi, rośnie w błyskawicznym tempie, co wymusza na nas opracowywanie nowych sposobów na kontrolowanie, przetwarzanie i analizę ich przepływów. Interesującym rozwiązaniem problemu wydajnego przetwarzania olbrzymich ilości danych jest paradygmat sieci definiowanych programowo (SDN), który umożliwia programowanie funkcjonalności sieciowych. Pomimo olbrzymich możliwości, zarządzanie sieciami definiowanymi programowo stanowi nadal duże wyzwanie. Techniki analizy dużych zbiorów danych mogą okazać się bardzo przydatne do identyfikowania i rozwiązywania problemów w sieciach definiowanych programowo, a także do optymalizacji wydajności sieci. Uczestnicy finansowanego ze środków Unii Europejskiej programu MAD-SDN opracowali podejście oparte na technice wielowymiarowej analizy dużych zbiorów danych (MBDA) na potrzeby monitorowania sieci, rozwiązywania problemów i klasyfikacji ruchu. Podejście to wykorzystuje opracowane przez firmę Google nowatorską metodę Federated Learning w celu realizacji zadań związanych z rozproszoną analizą danych.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

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

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) H2020-MSCA-IF-2019

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

UNIVERSIDAD DE GRANADA
Wkład UE netto
€ 172 932,48
Koszt całkowity
€ 172 932,48