Vers des réseaux automatisés basés sur la technologie SDN (Software-Defined Networking)

Abstract

De nos jours, les réseaux de communication jouent un rôle vital dans la connectivité et la diffusion d'informations à travers une multitude d'applications et de services. Cependant, l'évolution rapide du paysage numérique engendre des demandes toujours plus exigeantes en matière de qualité de service (QoS), auxquelles les infrastructures réseau traditionnelles peinent à répondre efficacement. Cette thèse explore une approche originale intégrant le Software-Defined Networking (SDN) et le Machine Learning (ML). Son objectif principal est de concevoir une plateforme générique, dénommée DLO-SFC, pour un réseau intelligent et autonome, capable de s'auto-optimiser et de s'auto-orchestrer, en tenant compte des besoins évolutifs des utilisateurs. À cet effet, DLO-SFC utilise des techniques d'apprentissage profond et d'optimisation de réseau pour fournir des configurations optimales rapides pour tout problème de configuration et d'orchestration de réseau. Les résultats des expérimentations ont démontré la capacité de DLO-SFC à converger rapidement vers des configurations optimales, engendrant ainsi une réduction des coûts d'exploitation (OpEx) et une optimisation des temps de réponse.