Оптимізація протоколу маршрутизації прикордонного шлюзу з інтеграцією множника Лагранжа та градієнтного спуску для мережі

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2025.326561

Ключові слова:

BGP, стабільність з’єднання, маршрутизація, машинне навчання, множник Лагранжа, градієнтний спуск

Анотація

Об’єкт дослідження – лінії передачі даних. Проблема, що вирішувалась, пов›язана з оптимізацією мережевих маршрутів передачі, які є динамічними та адаптованими до змін умов реального часу, включаючи коефіцієнти затримки, стабільність з’єднання та інтеграцію алгоритмів, які можуть ефективно задовольняти потреби великої мережі з точки зору передачі. Результати, отримані в результаті цього дослідження, представлені у формі моделі, яка може ідентифікувати керування маршрутами та оптимізувати протокол прикордонного шлюзу. Результати дослідження показують, що застосування цього методу може оптимізувати шлях передачі, враховуючи мережеві обмеження та динаміку стану в реальному часі. Це дослідження має інтерпретацію того, що запропонована модель доведена як ефективна для покращення продуктивності мережі, з підвищеною ефективністю, зменшеними обмеженнями та здатністю адаптуватися до змін умов мережі. Про це свідчить точність у вигляді кількісної ефективності, яка досягає 95 % точності, за допомогою моделі Reinforcement Learning, здатної значно підвищити ефективність і точність порівняно з традиційними методами оптимізації маршрутизації BGP. Характеристики, які містяться в цьому дослідженні, включають здатність керувати та ідентифікувати маршрути передачі для підвищення ефективності мережі, зменшення затримки, збільшення пропускної здатності, мінімізації кількості переходів під час керування маршрутами передачі BGP. Існують обмеження, пов’язані з обробкою вхідних даних, які вимагають більш глибоких досліджень. Це дослідження сприяє оптимізації маршруту BGP за допомогою алгоритмів машинного навчання, які можна застосовувати в складних і динамічних мережах

Біографії авторів

Ferry Fachrizal, Politeknik Negeri Medan

Master of Computer

Department of Computer Science

Okvi Nugroho, Universitas Muhammadiyah Sumatera Utara

Master of Computer

Department of Information Technology

Al-khowarizmi Al-khowarizmi, Universitas Muhammadiyah Sumatera Utara

Doctor of Computer Science

Department of Information Technology

Посилання

  1. Shahid, K., Ahmad, S. N., Rizvi, S. T. H. (2024). Optimizing Network Performance: A Comparative Analysis of EIGRP, OSPF, and BGP in IPv6-Based Load-Sharing and Link-Failover Systems. Future Internet, 16 (9), 339. https://doi.org/10.3390/fi16090339
  2. Mastilak, L., Helebrandt, P., Galinski, M., Kotuliak, I. (2022). Secure Inter-Domain Routing Based on Blockchain: A Comprehensive Survey. Sensors, 22 (4), 1437. https://doi.org/10.3390/s22041437
  3. Scott, B. A., Johnstone, M. N., Szewczyk, P. (2024). A Survey of Advanced Border Gateway Protocol Attack Detection Techniques. Sensors, 24 (19), 6414. https://doi.org/10.3390/s24196414
  4. Djenna, A., Harous, S., Saidouni, D. E. (2021). Internet of Things Meet Internet of Threats: New Concern Cyber Security Issues of Critical Cyber Infrastructure. Applied Sciences, 11 (10), 4580. https://doi.org/10.3390/app11104580
  5. Romo-Chavero, M. A., Cantoral-Ceballos, J. A., Pérez-Díaz, J. A., Martinez-Cagnazzo, C. (2024). Median Absolute Deviation for BGP Anomaly Detection. Future Internet, 16 (5), 146. https://doi.org/10.3390/fi16050146
  6. Gupta, C., Johri, I., Srinivasan, K., Hu, Y.-C., Qaisar, S. M., Huang, K.-Y. (2022). A Systematic Review on Machine Learning and Deep Learning Models for Electronic Information Security in Mobile Networks. Sensors, 22 (5), 2017. https://doi.org/10.3390/s22052017
  7. Rahmani, A. M., Gia, T. N., Negash, B., Anzanpour, A., Azimi, I., Jiang, M., Liljeberg, P. (2018). Exploiting smart e-Health gateways at the edge of healthcare Internet-of-Things: A fog computing approach. Future Generation Computer Systems, 78, 641–658. https://doi.org/10.1016/j.future.2017.02.014
  8. Wu, Y., Wu, Y., Guerrero, J. M., Vasquez, J. C. (2021). A comprehensive overview of framework for developing sustainable energy internet: From things-based energy network to services-based management system. Renewable and Sustainable Energy Reviews, 150, 111409. https://doi.org/10.1016/j.rser.2021.111409
  9. Zhao, X., Band, S. S., Elnaffar, S., Sookhak, M., Mosavi, A., Salwana, E. (2021). The Implementation of Border Gateway Protocol Using Software-Defined Networks: A Systematic Literature Review. IEEE Access, 9, 112596–112606. https://doi.org/10.1109/access.2021.3103241
  10. Weitz, K., Woos, D., Torlak, E., Ernst, M. D., Krishnamurthy, A., Tatlock, Z. (2016). Scalable verification of border gateway protocol configurations with an SMT solver. Proceedings of the 2016 ACM SIGPLAN International Conference on Object-Oriented Programming, Systems, Languages, and Applications, 765–780. https://doi.org/10.1145/2983990.2984012
  11. Sharma, S., Kang, D. H., Montes de Oca, J. R., Mudgal, A. (2021). Machine learning methods for commercial vehicle wait time prediction at a border crossing. Research in Transportation Economics, 89, 101034. https://doi.org/10.1016/j.retrec.2021.101034
  12. Koyuncu, H., Tomar, G. S., Sharma, D. (2020). A New Energy Efficient Multitier Deterministic Energy-Efficient Clustering Routing Protocol for Wireless Sensor Networks. Symmetry, 12 (5), 837. https://doi.org/10.3390/sym12050837
  13. Shah, P., Kasbe, T. (2021). A review on specification evaluation of broadcasting routing protocols in VANET. Computer Science Review, 41, 100418. https://doi.org/10.1016/j.cosrev.2021.100418
  14. Krisnawijaya, N. N. K., Paramartha, C. R. A. (2016). Penerapan jaringan multihoming pada jaringan komputer fakultas hukum. ILMU KOMPUTER, 9 (1), 23–31.
  15. Zhou, Q., Pezaros, D. (2020). A Prediction-Based Model for Consistent Adaptive Routing in Back-Bone Networks at Extreme Situations. Electronics, 9 (12), 2146. https://doi.org/10.3390/electronics9122146
  16. Dai, B., Cao, Y., Wu, Z., Dai, Z., Yao, R., Xu, Y. (2021). Routing optimization meets Machine Intelligence: A perspective for the future network. Neurocomputing, 459, 44–58. https://doi.org/10.1016/j.neucom.2021.06.093
  17. Song, Y., Liu, Z., Li, K., He, X., Zhu, W. (2024). Research on High-Efficiency Routing Protocols for HWSNs Based on Deep Reinforcement Learning. Electronics, 13 (23), 4746. https://doi.org/10.3390/electronics13234746
  18. Dafhalla, A. K. Y., Elobaid, M. E., Tayfour Ahmed, A. E., Filali, A., SidAhmed, N. M. O., Attia, T. A. et al. (2025). Computer-Aided Efficient Routing and Reliable Protocol Optimization for Autonomous Vehicle Communication Networks. Computers, 14 (1), 13. https://doi.org/10.3390/computers14010013
  19. Cosovic, M., Obradovic, S., Junuz, E. (2018). Deep Learning for Detection of BGP Anomalies. Time Series Analysis and Forecasting, 95–113. https://doi.org/10.1007/978-3-319-96944-2_7
  20. Jabbar, W. A., Ismail, M., Nordin, R., Arif, S. (2016). Power-efficient routing schemes for MANETs: a survey and open issues. Wireless Networks, 23 (6), 1917–1952. https://doi.org/10.1007/s11276-016-1263-6
  21. Fronza, I., Sillitti, A., Succi, G., Terho, M., Vlasenko, J. (2013). Failure prediction based on log files using Random Indexing and Support Vector Machines. Journal of Systems and Software, 86 (1), 2–11. https://doi.org/10.1016/j.jss.2012.06.025
  22. Avgerinou, M., Bertoldi, P., Castellazzi, L. (2017). Trends in Data Centre Energy Consumption under the European Code of Conduct for Data Centre Energy Efficiency. Energies, 10 (10), 1470. https://doi.org/10.3390/en10101470
Оптимізація протоколу маршрутизації прикордонного шлюзу з інтеграцією множника Лагранжа та градієнтного спуску для мережі

##submission.downloads##

Опубліковано

2025-04-29

Як цитувати

Fachrizal, F., Nugroho, O., & Al-khowarizmi, A.- khowarizmi. (2025). Оптимізація протоколу маршрутизації прикордонного шлюзу з інтеграцією множника Лагранжа та градієнтного спуску для мережі. Eastern-European Journal of Enterprise Technologies, 2(9 (134), 6–13. https://doi.org/10.15587/1729-4061.2025.326561

Номер

Том 2 № 9 (134) (2025): Інформаційно-керуючі системи

Розділ

Інформаційно-керуючі системи

Ліцензія

Авторське право (c) 2025 Ferry Fachrizal, Al-khowarizmi Al-khowarizmi, Okvi Nugroho

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.