ПЕРСПЕКТИВНІ НАПРЯМИ РОЗВИТКУ, УДОСКОНАЛЕННЯ І ЗАСТОСУВАНЬ МЕРЕЖІ SDN НА ОСНОВІ МЕТОДІВ ШТУЧНОГО ІНТЕЛЕКТУ

Автор(и)

DOI:

https://doi.org/10.31891/2307-5732-2025-355-1

Ключові слова:

програмно-визначені мережі, штучний інтелект, машинне навчання, балансування трафіку, оптимізація мережевих ресурсів

Анотація

Розглянуто сучасні підходи і методи вдосконалення та розвитку програмно-визначених мереж (SDN) з використанням методів штучного інтелекту (ШІ). Зокрема, проаналізовано підходи до оптимізації мережевої архітектури шляхом інтеграції машинного навчання та алгоритмів глибокого навчання для адаптивного управління мережею та балансування трафіку. Досліджено вплив використання інтелектуальних методів для підвищення продуктивності SDN, зокрема динамічного перерозподілу ресурсів, автоматичного налаштування параметрів мережі та забезпечення її безпеки.

Окрему увагу приділено можливостям застосування SDN у сучасних телекомунікаційних та інформаційних системах, зокрема в інфраструктурі Інтернету речей (IoT), промислових мережах та транспортних системах «розумного міста» (Smart City). Розглянуто роль SDN у забезпеченні якості обслуговування (QoS) та покращенні якості користувацького досвіду (QoE), що є критично важливим для оцінки роботи розподілених цифрових сервісів.

Результати дослідження демонструють, що застосування алгоритмів ШІ в SDN сприяє автоматизації процесів прийняття рішень, забезпечує ефективне управління потоками трафіку та дозволяє адаптивно реагувати на зміни мережевого середовища. Це відкриває перспективи використання SDN у таких сферах, як розумне місто, системи захисту інформаційної інфраструктури та управління критично важливими сервісами в режимі реального часу. Також, інтеграція методів ШІ в SDN може покращити показники QoS та QoE.

Завантаження

Опубліковано

28.08.2025

Як цитувати

БАНАР, А., & ВОРОБЕЦЬ, Г. (2025). ПЕРСПЕКТИВНІ НАПРЯМИ РОЗВИТКУ, УДОСКОНАЛЕННЯ І ЗАСТОСУВАНЬ МЕРЕЖІ SDN НА ОСНОВІ МЕТОДІВ ШТУЧНОГО ІНТЕЛЕКТУ. Herald of Khmelnytskyi National University. Technical Sciences, 355(4), 15-21. https://doi.org/10.31891/2307-5732-2025-355-1