基于机器学习的SDN网络拥塞检测研究——硕士学位论文: SDN-TCPCongestionDetection

简介：
本篇硕士论文探讨了基于机器学习技术在软件定义网络（SDN）中实现TCP拥塞检测的方法，旨在提高网络性能和用户体验。通过分析不同算法的优劣，提出了一种有效的SDN拥塞检测方案，为未来的研究提供了新的视角和技术支持。 本段落探讨了在使用机器学习的软件定义网络（SDN）环境中通过决策树算法检测TCP拥塞的方法。文中提到采用POX OpenFlow控制器（建议使用1.3或1.5版本），以及基于Ryu Python框架的控制器进行实验，同时利用Mininet仿真器和Iperf版本3来模拟网络环境，并借助Wireshark工具捕获数据包信息。此外，还使用了WEKA机器学习软件来进行决策树算法的训练与测试。为了绘制GNU图表，文中提到了编写Bash脚本的方法。最后，文章提到需要定制Linux内核以支持特定功能或性能改进。