معماری و سیاست های کنترل پذیر برای LoRaWAN مبتنی بر شبکه های نرم افزارمحور (SDN) مهندسی ترافیک، برش دهی شبکه و پردازش لبه

این مقاله به بررسی معماری نوین SDN-LoRaWAN برای مقابله با چالش های مقیاس پذیری و مدیریت ایستای منابع در اینترنت اشیا می پردازد. با جداسازی سطح کنترل از داده امکان اعمال سیاست های پویا فراهم شده که بار ترافیکی بکهال را تا ۳۴٪ کاهش می دهد. همچنین به کارگیری برش دهی شبکه مبتنی بر یادگیری ماشین با دقت ۹۸٪ مدل های پیشرفته ای نظیر Rel-ADR به بهبود ۳۵ درصدی نرخ تحویل بسته ها و بهینه سازی مصرف انرژی شده است. در نهایت تلفیق پردازش لبه و مجازی سازی توابع شبکه (NFV) تاخیر در سیستم های حیاتی را تا ۹۰٪ کاهش داده و پایداری و امنیت عملیاتی شبکه را در محیط های متراکم تضمین می کند.

کلیدواژه ها:

LoRaWAN ، شبکه نرم افزارمحور - SDN ، بکهال ، اینترنت اشیاء ، برش دهی شبکه