Unser Paper "Marina: Realizing ML-Driven Real-Time Network Traffic Monitoring at Terabit Scale" wurde im IEEE Transactions on Network and Service Management (TNSM) Journal ver?ffentlicht.??Das Paper beschreibt "Marina", ein System, das zur Verbesserung der Echtzeitüberwachung von Netzwerkverkehr entwickelt wurde, um sowohl die Leistung als auch die Sicherheit für Kunden in gro?en Netzwerken zu gew?hrleisten. Es nutzt eine effiziente Datenebene zur Erfassung von Verkehrsstatistiken in Echtzeit und einen leistungsstarken ML-Server für die Durchführung komplexer ML-Modelle, wodurch es mehr als 520,000 gleichzeitige Verbindungen bei einer Gesamtkapazit?t von 6.4 Tbps überwachen kann und vergleichbare oder bessere Ergebnisse als bestehende L?sungen erzielt.

Abstract:

Netzbetreiber ben?tigen Einblicke in die Verkehrsüberwachung in Echtzeit, um ihren Kunden hohe Leistung und Sicherheit bieten zu k?nnen. Es hat sich gezeigt, dass künstliche Intelligenz und maschinelles Lernen (ML) die Sichtbarkeit von Telemetriesystemen verbessern k?nnen, insbesondere bei verschlüsseltem Datenverkehr. Die derzeitigen L?sungen sind jedoch nicht in der Lage, die hohen Verkehrsraten und -mengen in gro?en Netzen zu bew?ltigen. Um das Paradigma der ML-gesteuerten Netzwerkintelligenz im Terabit-Ma?stab zu verwirklichen, entwickeln wir Marina, ein System, das die ?berwachung auf eine hocheffiziente Datenebene verteilt, die Verkehrsstatistiken mit Leitungsrate extrahieren kann, und einen leistungsstarken ML-Server, der ?berwachungsinferenzen unter Verwendung komplexer ML-Modelle ausführen kann. Wir wenden eine zeitliche Mikroaggregation in Sub-Sekunden- Zeitfenster an und extrahieren momentbasierte Statistiken. Diese erm?glichen es, flexibel genaue ML-basierte ?berwachungsentscheidungen w?hrend des n?chsten Zeitfensters zu treffen. Um die Skalierbarkeit unseres Designs zu demonstrieren, implementieren und evaluieren wir einen Prototyp der Marina-Datenebene auf einem Barefoot Wedge 100BF-65X P4-Switch, der bei voller Switching-Kapazit?t von 6,4 TBit/s mehr als 520.000 gleichzeitige Datenstr?me überwachen kann. Wir validieren die durch unsere Marina-Implementierung erm?glichten Analysefunktionen für vier ML-gesteuerte Echtzeit-?berwachungsaufgaben mit einer breiten Palette von Standard-ML-Modellen und erzielen dabei vergleichbare oder bessere Ergebnisse als der Stand der Technik.