عنوان

یک چارچوب مسیردهی هوشمند قابل اطمینان برای شبکه‌های مبتنی بر نرم‌افزار در اتصال‌های 6G با استفاده از یادگیری تقویتی

Number

پ۲۹۸۶۷

.Language of Text, Soundtrack etc

per

Title Proper

یک چارچوب مسیردهی هوشمند قابل اطمینان برای شبکه‌های مبتنی بر نرم‌افزار در اتصال‌های 6G با استفاده از یادگیری تقویتی

First Statement of Responsibility

روح‌اله الوندنژاد

Name of Publisher, Distributor, etc.

برق وکامپیوتر

Date of Publication, Distribution, etc.

۱۴۰۲

Specific Material Designation and Extent of Item

۵۴ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی کامپوتر گرايش رایانش امن

Date of degree

۱۴۰۲/۰۶/۲۸

Text of Note

یکی از زیرساخت‌های بسیار مهم برای ارتباطات پیشرفته رایانه‌ای در دنیای امروز، شبکه‌های محلی و جهانی است و نحوه مسیردهی برای انتقال اطلاعات در سرتاسر این شبکه، یکی از مهم‌ترین چالش‌ها از ابتدای پیدایش شبکه‌های رایانه‌ای بوده است؛ چون امنیت، پایداری و کیفیت اتصال در شبکه، به شدت به این موضوع وابسته است. با حرکت شبکه‌های جهانی به سمت نسل ششم (6G) بسیاری از حوزه‌های فناوری اطلاعات، برای استفاده حداکثری از ظرفیت‌های ایجادشده، هم در زیرساخت‌ها و هم در ساختارهای مختلف نرم‌افزاری و ارتباطی، نیاز به تغییرات اساسی خواهندداشت. شبکه‌های مرتبط با اینترنت اشیاء، یکی از مهمترین بخش‌هایی است که با تعریف روش‌های متناسب با 6G در آن‌ها می توان به کیفیت و کارآیی بسیار بیشتری در مقایسه با روش‌های قدیمی‌تر دست پیدا کرد. دست‌یابی به این اهداف در کاربردهای متفاوت و نوین امروزی با استفاده از مسیردهی‌های سنتی و قدیمی ممکن نیست و برای آن، نیاز به روش‌های جدید مسیردهی شبکه‌های مبتنی بر نرم‌افزار(SDN) با استفاده از الگوریتم‌های مناسب هوش مصنوعی هستیم. با توجه به سرعت پاسخگویی و استمرار مورد نیاز در این موضوع، یکی از مناسب‌ترین الگوریتم‌ها برای این کار، روش یادگیری تقویتی است.هدف ما در این پژوهش، پیدا کردن روشی مناسب بر اساس یادگیری تقویتی است که بتواند در یک شبکه 6G، به تدریج، با انتخاب مسیرهای مناسب‌تر برای انتقال هر داده بر اساس روش‌های یادگیری تقویتی، کیفیت انتقال را افزایش و تأخیر را در مجموع شبکه، کاهش دهد و در عین حال، تا حد ممکن، نقایص موجود در روش‌های مشابه را به حداقل برساند. نتایج نهایی و مدل به دست آمده، با انجام شبیه‌سازی، با روش‌های بدون یادگیری مقایسه خواهدشد.

Text of Note

One of the very important infrastructures for advanced computer communications in today's world is local and global networks. The routing of information across these networks has been one of the most significant challenges since the emergence of computer networks, as the security, stability, and quality of network connections heavily depend on this issue. With the evolution of global networks towards the sixth generation (6G), many areas of information technology will require fundamental changes to maximize the utilization of the created capacities, both in infrastructure and various software and communication structures. Networks related to the Internet of Things (IoT) are one of the most important areas where the definition of methods compatible with 6G can lead to much higher quality and efficiency compared to older methods. Achieving these goals in different and modern applications is not possible using traditional and outdated routing methods. Therefore, we need new software-defined networking (SDN) routing methods using suitable artificial intelligence algorithms. Considering the required speed and continuity in this matter, one of the most suitable algorithms for this task is reinforcement learning.Our goal in this research is to find a suitable method based on reinforcement learning that can gradually increase the transmission quality and reduce the delay in the overall network by selecting more appropriate paths for data transmission in a 6G network based on reinforcement learning methods. At the same time, it aims to minimize the existing shortcomings in similar methods as much as possible. The final results and the obtained model will be compared with non-learning methods through simulation.

Variant Title

An Intelligent Reliable Routing Framework for Software-Defined Network over 6G Communication by Reinforcement Leaning

Entry Element

‏‏الوندنژاد،

Part of Name Other than Entry Element

روح‌اله

Relator Code

تهیه کننده

Entry Element

‏مرتضوی،

Entry Element

صالح‌پور،

Entry Element

معلمی خیاوی،

Part of Name Other than Entry Element

سیدامیر

Part of Name Other than Entry Element

‏ پدرام

Part of Name Other than Entry Element

عبدالحمید

Dates

استاد راهنما

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

‏تبریز