Universidad Complutense de Madrid
E-Prints Complutense

Monitorización y descubrimiento para la gestión de redes auto-organizativas en redes virtualizadas y definidas por software
Monitoring and discovery for self-organized network management in virtualized and software defined networks

Impacto

Downloads

Downloads per month over past year



Valdivieso Caraguay, Ángel Leonardo (2018) Monitorización y descubrimiento para la gestión de redes auto-organizativas en redes virtualizadas y definidas por software. [Thesis]

[img]
Preview
PDF
30MB


Abstract

Currently, the growing cost of operational expenditure (OPEX) and capital expenditure (CAPEX) of mobile technologies is constraining the development of new services and applications. The high complexity of the systems requires continuous upgrading and manual re-con guration of the equipments. Operators have to do their best to nd and mitigate a big range of problems, such as link failures, security attacks, Quality of Service degradation, software bugs, among others. In some cases, the only solution is the installation of new hardware equipment and the corresponding partial interruption of service and violations in Service Level Agreements (SLA). In this context, the 5G mobile network architecture is expected to support a big range of advanced requirements, in terms of latency, coverage, bandwidth, security and others. The vision of 5G also includes an integrated self-organized ecosystem of networking, computing and storage resources capable of executing proactive and reactive management tasks. To ful ll this vision, the Self-Organized Network Management in Virtualized and Software De ned Networks SELFNET H2020 project aims to design and implement an autonomic network management framework. The framework will provide self-organizing management capabilities by automatically detect and mitigate network problems that are currently manually solved by network operators. Similarly, SELFNET integrates the self-management paradigm with the use of data mining, learning algorithms, pattern recognition to identify the network behaviour and take actions in order to prevent and minimize several network problems...

Resumen (otros idiomas)

Actualmente, el desarrollo de una nueva generaci on de servicios y aplicaciones se encuentra limitado por el creciente costo de las inversiones de capital (CAPEX) y gastos operativos (OPEX) en las redes de telecomunicaciones. El alto nivel de complejidad en los sistemas e infraestructura de telecomunicaciones demandan una continua revisi on y actualizaci on. De igual manera, los procesos de mantenimiento se realizan unicamente mediante la recon guraci on manual de equipos. Los operadores invierten ingentes recursos en mitigar un gran n umero de problemas en la red, tales como fallos en los enlaces, ataques de seguridad, degradaci on de la calidad de servicio, parches de software, entre otros. En algunos casos, la unica soluci on disponible es el reemplazo f sico de los equipos ocasionando interrupci on parcial o total del tr a co y violaciones en el nivel de servicio contratado. En este contexto, se espera que la nueva generaci on de infraestructura m ovil 5G tenga la capacidad de soportar un amplio espectro de requerimientos en t erminos de latencia, cobertura, ancho de banda y seguridad. La nueva visi on de 5G incluye un sitema integrado de gestion aut onoma de recursos de red, c omputo y almacenamiento. Este sistema debe tener la capacidad de ejecutar tareas de operaci on tanto reactivas como proactivas. Con este objetivo, el proyecto europeo H2020: Self-Organized Network Management in Virtualized and Software De ned Networks impulsa el dise~no e implementaci on de una arquitectura de gesti on aut onomo para redes virtuales y de nidas por software. La arquitectura agrega capacidades de gesti on aut onomas que permitan autom aticamente detectar y mitigar la mayor cantidad de problemas t picos de red, problemas que actualmente se resuelven unicamente por con guraci on manual e individual de equipos. De igual manera, SELFNET integra el concepto de gesti on aut onoma por medio del uso de miner a de datos, algoritmos de aprendizaje, reconocimiento de patrones para el an alisis del comportamiento de la red que permita identi car problemas de red y ejecutar acciones proactivas y reactivas...

Item Type:Thesis
Additional Information:

Tesis inédita de la Universidad Complutense de Madrid, Facultad de Informática, Departamento de Ingeniería del Software e Inteligencia Artificial, leída el 14/07/2017. Tesis formato europeo (compendio de artículos)

Directors:
DirectorsDirector email
García Villalba, Luis Javier
Subjects:Sciences > Computer science > Computer networks
ID Code:46038
Deposited On:12 Jan 2018 11:51
Last Modified:12 Jan 2018 11:51

Origin of downloads

Repository Staff Only: item control page