چکيده
در سالهاي اخير با توسعه سريع اينترنت و فناوريهاي ارتباطاتي سيار، زيرساختها، دستگاهها و منابع در سيستمهاي
شبكهسازي پيچيدهتر و ناهمگنتر ميشوند. به منظور سازماندهي مؤثر، مديريت، نگهداري و بهينهسازي سيستمهاي
شبكهسازي، هوشمندي بيشتري بايد بهكار گرفته شود. با اين حال، با توجه به ويژگي توزيعشده ذاتي از شبكههاي
سنتي، تكنيكهاي يادگيري ماشين سخت است تا براي كنترل و عملياتي كردن شبكهها بهكار گرفته و مستقر شود.
1فرصت شبكهسازي تعريفشده نرمافزاري
هاي جديدي پيشروي ما براي ارائه اطالعات در داخل شبكهها به ارمغان
ميآورد. قابليتهاي شبكهسازي تعريفشده نرمافزاري )به عنوان مثال، كنترل منطقي متمركز، ديد جهاني از شبكه،
تجزيه و تحليل ترافيك مبتني بر نرمافزار و به روزرساني ديناميكي قوانين ارسال(، كاربرد تكنيكهاي يادگيري ماشيني
را آسانتر ميكند. در اين پژوهش، ما يك بررسي جامع در مورد برروي انتشارات علمي شامل الگوريتمهاي يادگيري
ماشيني، اعمال شده به شبكهسازي تعريفشده نرمافزاري ارائه ميدهيم. درابتدا، آثار مرتبط و دانش پيش زمينه معرفي
ميشود. سپس، ما يك مرور كلي از الگوريتمهاي يادگيري ماشين را ارائه ميدهيم. عالوه براين، ما بررسي ميكنيم كه
چگونه الگوريتمهاي يادگيري ماشين در قلمرو شبكهسازي تعريفشده نرمافزاري، از ديدگاه طبقهبندي ترافيك،
/ كيفيت تجربه 2 بهينهسازي مسيريابي، پيشبيني كيفيت خدمات
3
، مديريت منابع و امنيت استفاده ميشود. درنهايت،
چالشها و ديدگاههاي گستردهتر مورد بحث قرار ميگيرد.
