ارائه رویکرد ترکیبی مبتنی بر شبکه های عصبی و الگوریتم های تقویتی برای بهینه سازی ترافیک شبکه های کامپیوتری

شبکه های عصبی می توانند الگوهای پیچیده ترافیک شبکه را شناسایی و پیش بینی کنند. با استفاده از این قابلیت ، می توان روشهای بهینه سازی ترافیک را طراحی و پیاده سازی کرد. این امر باعث افزایش کارایی و پایداری شبکه های کامپیوتری می شود. از مهمترین چالش های بهینه سازی ترافیک شبکه های کامپیوتری می توان به پیچیدگی الگوهای ترافیک و تغییرات آن در طول زمان، محدودیت های منابع شبکه (پهنای باند، ظرفیت مسیریابها و ...)اشاره کرد. نیاز به روشهای هوشمند برای مدیریت ترافیک در حال حاضر یکی از مهمترین مسائل در حوزه امنیت شبکه های کامپیوتری است . لذا با توجه به اینکه مدیریت و بهینه سازی ترافیک در شبکه های کامپیوتری یکی از چالش های اساسی در حوزه شبکه های کامپیوتری است . الگوهای ترافیک در این شبکه ها به شدت پیچیده و متغیر هستند و نیازمند روشهای هوشمند برای مدیریت آنها می باشند. در این مقاله ، یک رویکرد ترکیبی مبتنی بر شبکه های عصبی عمیق و الگوریتم های تقویتی برای بهینه سازی ترافیک شبکه های کامپیوتری ارائه شده است . در روش پیشنهاد در فاز اول با طراحی معماری شبکه های عصبی مناسب برای مدلسازی ترافیک پیش می رویم در گام دوم با آموزش و بهینه سازی مدلهای شبکه های عصبی با استفاده از دادههای ترافیک واقعی اطلاعات شبکه را تحلیل می کنیم و در فاز سوم پیادهسازی الگوریتم های کنترل و مدیریت ترافیک مبتنی بر شبکه های عصبی را خواهیم داشت .

کلیدواژه ها:

هوش مصنوعی ، شبکه های عصبی ، ترافیک شبکه ، الگوی ترافیک ، الگوریتم های تقویتی