Глубокое обучение для мониторинга и анализа сетевого трафика (NTMA): обзор

Современные коммуникационные системы и сети, такие как Интернет вещей (IoT) и сотовые сети, генерируют огромные и неоднородные объемы данных о трафике. В таких сетях традиционные методы управления сетью, мониторинга и анализа данных сталкиваются с рядом проблем, включая обеспечение точности и эффективную обработку больших данных в режиме реального времени. Кроме того, характер сетевого трафика, особенно в сотовых сетях, отличается чрезвычайно сложным поведением вследствие различных факторов, таких как мобильность устройств и неоднородность сети. Глубокое обучение успешно применяется для поддержки аналитики и извлечения знаний в системах больших данных посредством распознавания скрытых и сложных закономерностей. Вдохновленные этими результатами, исследователи в области сетевых технологий применяют модели глубокого обучения в задачах мониторинга и анализа сетевого трафика (Network Traffic Monitoring and Analysis, NTMA), например для классификации и прогнозирования трафика. В статье представлен всесторонний обзор применения глубокого обучения в задачах NTMA. Сначала приводятся основные сведения, необходимые для понимания обзора. Затем рассматривается взаимосвязь глубокого обучения и NTMA, а также анализируются методы глубокого обучения, предложенные для приложений NTMA. Наконец, обсуждаются ключевые проблемы, открытые вопросы и перспективные направления дальнейших исследований в области применения глубокого обучения для задач NTMA.