Definición de un modelo de clasificación de tráfico en redes definidas por software

Abstract

El crecimiento exponencial de aplicaciones y servicios en Internet ha incrementado la demanda de ancho de banda y calidad de servicio, complejizando la gestión de redes. En este contexto, la clasificación eficiente del tráfico es fundamental para optimizar recursos y garantizar desempeño y seguridad. No obstante, los métodos tradicionales basados en inspección profunda de paquetes presentan limitaciones de escalabilidad, privacidad y eficiencia frente a entornos dinámicos y cifrados. Las redes definidas por software (SDN) emergen como una alternativa al separar los planos de control y de datos, proporcionando una visión global del tráfico y capacidades de programabilidad directa. La integración de técnicas de aprendizaje automático en este entorno permite incorporar inteligencia a la red, mejorando la detección y clasificación del tráfico. En este contexto, la presente investigación propone un modelo de clasificación basado en aprendizaje profundo que aborda tanto aplicaciones como ataques de red. Mediante la metodología SEMMA, se entrenaron cuatro modelos: LSTM, BiLSTM, GRU y BiGRU, utilizando características extraídas de dos conjuntos de datos públicos. Los resultados experimentales, validados en un entorno de simulación, evidencian el desempeño superior del modelo GRU, confirmando la viabilidad y efectividad de la propuesta y su contribución a la mejora de la calidad de servicio y la seguridad en entornos SDN.