Design of a System For QoS1 Optimizing And Load Balancing In Wi-Fi Networks Using The Ryu Controller In Software-Defined Network

Juan Cueto Morelo; Jorge Gómez Gómez

Autores/as

Juan Cueto Morelo Universidad de Córdoba https://orcid.org/0009-0000-3190-5812
Jorge Gómez Gómez Universidad de Córdoba https://orcid.org/0000-0001-8746-9386

Palabras clave:

Machine learning, SDN, QoS, Redes WiFi, Equilibrio de carga

Resumen

La creciente demanda de conectividad, junto con el aumento exponencial del tráfico de datos, plantea importantes desafíos para las redes WiFi, especialmente en la gestión de la calidad del servicio y el balanceo de carga, problemas que se agravan con la evolución tecnológica y la integración de sistemas como la inteligencia artificial y el Internet de las cosas, que generan volúmenes de datos difíciles de manejar eficientemente con las infraestructuras actuales. Para enfrentar esta situación, el proyecto propone diseñar un sistema basado en un entorno SDN que, mediante el controlador Ryu, integrará algoritmos de QoS y balanceo de carga apoyados en técnicas de aprendizaje automático. La metodología comprende el análisis, diseño, implementación, evaluación y optimización a través de simulaciones y pruebas en distintos escenarios. Se espera que el sistema mejore la distribución del tráfico, reduzca la latencia y la pérdida de paquetes, y optimice otros recursos de la red, garantizando una mejor experiencia para el usuario y una mayor eficiencia operativa frente a las crecientes demandas. En conclusión, la solución propuesta aborda los problemas actuales de congestión y sobrecarga en las redes WiFi mediante un enfoque basado en SDN y aprendizaje automático, ofreciendo una alternativa eficiente y escalable para mejorar la gestión de las redes modernas.

Biografía del autor/a

Juan Cueto Morelo, Universidad de Córdoba

Estudiante de décimo semestre de la Universidad de Córdoba, Colombia, con habilidades en programación web, manejo de bases de datos, configuración de redes y entrenamiento de modelos de inteligencia artificial.

Jorge Gómez Gómez, Universidad de Córdoba

Ingeniero de Sistemas egresado de la Fundación Universitaria San Martín, con una Maestría en Ingeniería Telemática de la Universidad del Cauca y un Doctorado en Tecnologías de la Información y las Comunicaciones de la Universidad de Granada, España. Es profesor titular del programa de Ingeniería de Sistemas de la Universidad de Córdoba, director del grupo de investigación SÓCRATES y editor jefe de la revista Ingeniería e Innovación. Además, es miembro fundador de la rama estudiantil del IEEE en la Universidad de Córdoba.

Citas

Alhilali, A. and Montazerolghaem, A. (2023). Artificial intelligence-based load balancing in sdn: A comprehensive survey. Internet of Things, 21:100814.

Bank, W. (2024). Global digitalization in 10 charts.

Fernández, R. (2023). Energy efficiency and network performance: A reality check in sdn-based 5g systems. Energies, 10(12).

Gebremariam, T. (2019). Artificial intelligence based load balancing in sdn. ScienceDirect.

González Sarabia, C. (2023). Working together: A review on safe human–robot collaboration in industrial environments. IEEE Access, 5:26754–26773.

Gopal, K. (2023). Machine learning in software defined network. ResearchGate.

Hilbert, M. (2010). When is cheap, cheap enough to bridge the digital divide? modeling income related structural challenges of technology diffusion in latin america. World Development, 38(5):756–770.

Maria D., O. P. (2024). Artificial intelligence based load balancing in sdn: A comprehensive survey. ResearchGate.

MDMARKETINGDIGITAL (2024). Wi-fi marketing essentials: Turn a basic utility into a profit center. Forbes.

Olaya, M. E., Bernal, I., and Mejía, D. (2016). Application for load balancing in sdn. In 2016 8th Euro American Conference on Telematics and Information Systems (EATIS), pages 1–8. IEEE.

Serag, R. H., Abdalzaher, M. S., Hussein Abd El, A. E., Sobh, M., Krichen, M., and Salim, M. M. (2024). Machine-learning-based traffic classification in software-defined networks. Electronics, 13(6):1108.

Sridevi, K. and Saifulla, M. A. (2023). Lbabc: Distributed controller load balancing using artificial bee colony optimization in an sdn. Peer-to-Peer Networking and Applications, 6(2):947–957.

Todorov, D., Valchanov, H., and Aleksieva, V. (2020). Load balancing model based on machine learning and segment routing in sdn. In 2020 International Conference Automatics and Informatics (ICAI), pages 1–4. IEEE.

Yang, C. T., Chen, S. T., Liu, J. C., Su, Y. W., Puthal, D., and Ranjan, R. (2019). A predictive load balancing technique for software defined networked cloud services. Computing, 101:211–235.