SoftwareCampus

SELMA: SElf Learning Network MAnagement

Funding Agency: BMBF
Duration: 15 Months, 01.01.2020-31.03.2021
Partners: TUM-LKN, ipoque GmbH
Contact: P. Kalmbach (patrick.kalmbach@tum.de)
  W. Kellerer (wolfgang.kellerer@tum.de)

Projektbeschreibung

SELMA untersucht, inwieweit KI Techniken dazu genutzt werden können um nachvollziehbare und aussagekräftige Modelle für das Verhalten einzelner verteilter Anwendungen oder ganzer Netze automatisiert zu lernen und für die Netzsteuerung zu verwenden. So kann ein solches Modell beispielsweise miteinander kommunizierende Knoten automatisiert in strukturelle und/oder funktionale Gruppen zerlegen und die Kommunikation zwischen diesen Gruppen charakterisieren. Diese Information kann wertvoll für die Erkennung von Anwendungen sein. Das Modell erzeugt zudem eine kompakte Repräsentation, die von nachgelagerten Systemen, beispielsweise zur Erkennung von Schadsoftware, verwendet werden kann. Mittels neuer Techniken zur Netzsteuerung kann dieser automatisiert im Netz angewendet werden.

Die Abbildung zeigt den schematischen Aufbau von SELMA. SELMA berührt folglich die Module Modell der Kommunikation, Applikationserkennung sowie Netzsteuerung. Unterschiedliche Techniken der Netzüberwachung, wie zum Beispiel DPI, das Auslesen von Informationen von Geräten der Netzsteuerung, oder dedizierte Netzüberwachungssystemen erzeugen dabei die Datengrundlage. Mit Hilfe von KI soll ein Modell der Kommunikation aus dieser Datengrundlage extrahiert werden. Die KI bereitet die Daten auf und erzeugt Information, die die Erkennung von Applikationen unterstützt sowie direkt zur Netzsteuerung verwendet werden kann. Die Applikationserkennung soll ebenfalls auf KI zurückgreifen, um auch verschlüsselten Verkehr klassifizieren zu können. Die gewonnenen Informationen aus Modell und Applikationserkennung fließen schließlich in der Netzsteuerung zusammen. Um automatisch Steuersignale für das Netz ableiten zu können ist auch hier der Einsatz von KI gefordert.