Post Doc Analyse de performance du réseau domestique basée sur des approches machine learning F/H
Orange
Lannion , France
il y a 4h

about the role

Votre rôle est d'effectuer un travail de post doc sur l'analyse de performance du réseau domestique basée sur des approches de machine learning .

Contexte global du sujet et état de l'art

Le réseau domestique a tendance à devenir de plus en plus complexe avec la multiplication des équipements (PCs, tablettes, smartphones, TVs, capteurs smart home, points d'accès WiFi ), des services (Internet, gaming, IPTV, VoIP, smart home) et des technologies de connectivité hétérogènes (Ethernet et WiFi principalement).

Dans ce contexte, il est primordial pour l'opérateur de se doter des outils automatiques nécessaires permettant d'appréhender cette complexité.

A cet effet, la supervision du trafic dans le réseau domestique constitue un élément clé 1 afin notamment d'améliorer le diagnostic, de proposer des mécanismes de QoS avancés et de détecter les anomalies 2 .

Le monitoring du trafic comporte la reconnaissance des flux qui circulent, leurs métriques ainsi que les applications associées (e.

g. Facebook, Youtube, etc.). En particulier, l'identification des applications est une tâche ardue. En effet les techniques basées sur l'utilisation du numéro de port ne sont plus viables (à cause des ports dynamiques), alors que la technique DPI (Deep Packet Inspection) est confrontée au problème du trafic crypté outre la nécessité de mise à jour de la base de signature.

Ainsi, on se propose d'étudier une approche alternative qui semble prometteuse basée sur le machine learning 3 4 5 .

  • Par ailleurs, la technologie de connectivité WiFi est celle qui est majoritairement utilisée au sein du réseau domestique ;
  • cette tendance s'étant accélérée au cours des dernières années. Toutefois, d'après les enquêtes de sondage clients, elle présente un taux d'insatisfaction plus élevé que l'Ethernet.

    Plusieurs raisons peuvent expliquer ce constat liées notamment aux problématiques de couverture et de débit. Ainsi, il devient urgent de pouvoir analyser les causes de dégradation de performance du WiFi et de proposer les améliorations et rectificatifs adéquats.

    Une approche basée sur le machine learning peut constituer une piste judicieuse à évaluer 6 .

    Se référer à la section 3 Le plus de l'offre pour des informations détaillées sur la mission scientifique et les principales activités associées au post doc.

    about you

    Vous êtes titulaire d'un doctorat en informatique / télécom / réseaux.

    Compétences scientifiques et techniques :

  • Des connaissances télécoms, réseaux (TCP / IP), WiFi, réseaux locaux et problématique de classification de trafic
  • Des connaissances en algorithmes de machine learning seraient un plus
  • Des compétences en programmation informatique (C / C++ sous Linux) et outils réseau (wireshark, iperf ). Des connaissances en langage Python ainsi que le langage R seraient un plus
  • Un esprit de synthèse
  • Un esprit d'initiative
  • Une faculté à bien rédiger et à présenter les travaux (anglais)
  • additional information

    Objectif scientifique - verrous à lever

    L'objectif du postdoc est d'étudier la précision et la pertinence d'algorithmes de machine learning pour la classification de certains flux de trafic ainsi que l'analyse de performance du WiFi au sein du réseau domestique.

    Cette approche sera couplée à une solution de monitoring de trafic développée en interne sur un prototype de Livebox basée sur l'architecture de flow export (standard IPFIX) 7 .

    Une des contraintes à prendre en compte consiste en la compatibilité de la solution retenue avec l'environnement contraint en termes de ressources sur les passerelles résidentielles ainsi que la précision de l'identification sur un trafic réel.

    Ainsi, il sera nécessaire de cibler certaines applications qui répondent aux besoins et use cases qui seront identifiés afin d'obtenir une classification robuste et précise.

    Outre les aspects liés à la classification du trafic, la problématique d'analyse de la performance du WiFi à partir des métriques disponibles sera également étudiée.

    Les principales tâches à mener sont :

  • Prise en main de la sonde de trafic logicielle interne existante.
  • Evaluation de la précision de la solution actuelle avec du trafic réel, en identifiant les applications cibles.
  • Propositions d'améliorations de la solution existante.
  • Proposition d'un système autonome de classification de trafic 8 . En effet, dans le cadre d'un déploiement potentiel d'une approche de classification de trafic basée sur le machine learning, il est primordial de traiter la phase de réentrainement de l'algorithme afin de mettre à jour le modèle en tenant compte de l'évolution du trafic.
  • Etudes de solutions automatiques permettant d'analyser la performance du WiFi à partir des métriques disponibles dans le but d'améliorer le diagnostic et la qualité d'expérience client.
  • Mise en oeuvre des solutions proposées sur une plateforme expérimentale représentative d'un réseau domestique.
  • Publication des résultats dans des conférences et journaux internationaux.
  • Rédaction de rapports dans le cadre d'un projet collaboratif.
  • department

    Au sein des Orange Labs, l'équipe ADN Access Diagnosis, residential gateway and home Network a pour missions de porter les travaux de recherche / anticipation, accompagner les pays pour contribuer aux déploiements de solutions innovantes, à l'amélioration de l'expérience client et à la réduction des coûts d'exploitation dans le domaine : de l'architecture et fonctionnalités réseaux des passerelles résidentielles, des solutions de connectivités filaires et / ou radio, du diagnostic distant et local des services sur l'accès fixe.

    Qu'est ce qui fait la valeur ajoutée de cette offre ?

    Ce postdoc fera suite à un autre postdoc sur le sujet de monitoring du trafic dans le réseau domestique qui s'est terminée en Septembre 2018.

    Les travaux précédents sur le sujet ont permis de mettre en oeuvre une implémentation logicielle d'une sonde de trafic qui tourne sur une carte représentant une passerelle résidentielle.

    Des perspectives montrent un intérêt potentiel à creuser les solutions de type machine learning pour la classification du trafic ainsi que l'analyse des dégradations WiFi dans le home network.

    Ce sont ces perspectives que l'on se propose d'étudier en partie au travers de ce postdoc

    Un projet collaboratif Celtic+ FU5ION' a débuté en Janvier 2018, portant sur les futurs réseaux domestiques supportant les services 5G.

    En particulier, une collaboration étroite sera menée avec le partenaire Domos sur les thématiques d'analyse de performance du WiFi et la classification de trafic basées sur des approches de machine learning.

    Une coordination des travaux du post doctorant sera effectuée également avec un projet de recherche ayant attrait au diagnostic de l'accès (FTTx et / ou xDSL).

    Références :

    1 Z. Aouini, A. Kortebi, Y. Ghamri-Doudane, Traffic monitoring in home networks : enhancing diagnosis and performance tracking , TRAC 2015 workshop co-

    located with IWCMC, August 2015.

    2 A. Kortebi, Z. Aouini, M. Juren, J. Pazdera, Home networks traffic monitoring case study : anomaly detection , IEEE GIIS 2016.

    3 Z. Aouini, A. Kortebi, Y. Ghamri-Doudane, I. Lahsen-Cherif Early Classification of Residential Networks Traffic using C5.

    0 Machine learning Algorithm , IEEE Wireless Days, April, 2018.

    4 P. Velan, M. Čermák, P. Čeleda, M. Drašar, A survey of methods for encrypted traffic classification and analysis , International Journal of Network Management, 25(5), 355-374, 2015.

    5 J. Khalife, A. Hajjar, J. Diaz Verdejo, A multilevel taxonomy and requirements for an optimal traffic classification model , International Journal of Network Management, 24(2), 101-120, 2014.

    6 D. da Hora, K. Van Doorselaer, K. Van oost, R. Teixeira, Predicting the effect of home Wi-Fi quality on QoE , IEEE INFOCOM 2018.

    7 A. Kortebi, Z. Aouini, C. Delahaye, J. P. Javaudin, Y. Ghamri-Doudane, A Platform for Home Network Traffic Monitoring , IFIP / IEEE IM, May 2017.

    8 V. Carela-Espanol, P. Barlet-Ros, O. Mula-Valls, J. Solé-Pareta, An Autonomic Traffic Classification System for Network Operation and Management , Journal of Network and Systems Management, volume 23 Issue 3, July 2015, pages 401-419.

    Post Doc

    Step 2
    Postuler
    Ajouter aux favoris
    Retirer des favoris
    Postuler
    Mon email
    En cliquant sur « Continuer », je consens au traitement de mes données et à recevoir des alertes email, tel que détaillé dans la Politique de confidentialité de neuvoo. Je peux retirer mon consentement ou me désinscrire à tout moment.
    Continuer
    Formulaire de candidature