声明
严正声明:本站非期刊官网,非中介代理。
本站仅提供学术规范服务:快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号:11-1421/N
国际刊号:1000-7857
发布日期:
作者:刘瑞, 王海凤*, 郑承蔚, 武文红, 牛恒茂
单位:1.内蒙古工业大学信息工程学院,呼和浩特010080;2.内蒙古建筑职业技术学院建筑工程与测绘学院,呼和浩特010020;
关键词:软件定义网络,入侵检测,机器学习,深度学习,强化学习,信息熵
基金:内蒙古自治区科技计划项目(2021GG0250)
随着网络的爆炸式发展,网络安全成为当今最引人关注的问题之一,因为它直接影响到国家、企业、个人的利益。由于信息技术的迅速发展,现代网络中的软件定义网络(software defined networks,SDN)系统[1]需要每时每刻处理大量数据。根据文献[2]的预测,全球SDN市场的规模预计将从2020年的137亿美元增长到2025年的327亿美元。这一增长主要得益于SDN动态灵活的架构[3]使网络变得更便捷高效,SDN架构通过分离数据平面和控制平面展现出比传统网络架构更强大的灵活性和可控性。在传统的基于硬件的网络中,由于需要手动配置大量交换机以进行更新或更改,这不仅容易出错而且效率也低下,使得部署新的协议和服务成为一项挑战。相比之下,SDN不仅可以通过控制器自动配置所需的服务和协议,还引入了一个集中的身份验证过程,从而极大地简化了网络管理。此外,SDN还打破了传统网络静态配置的局限,为网络管理员提供了更灵活的编程机制。
来源:2025年第10期
《科技导报》期刊编辑部
严正声明:本站非期刊官网,非中介代理。
本站仅提供学术规范服务:快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。