第1章 智能网络概述
1.1 国内外研究现状
1.2 本书组织结构
参考文献
第2章 智能网络基础设备
2.1 引言
2.1.1 SDN的诞生
2.1.2 智能网络
2.1.3 大数据处理和人工智能技术
2.2 新型网络技术
2.2.1 SDN
2.2.2 NFV
2.2.3 可编程数据平面
2.3 网络感知技术
2.3.1 sFlow
2.3.2 INT
2.3.3 DPI
2.4 DPU和智能网卡
2.4.1 DPU
2.4.2 智能网卡
2.5 总结
参考文献
第3章 机器学习
3.1 人工智能与机器学习发展概述
3.1.1 人工智能的提出和发展
3.1.2 机器学习——人工智能的实现方式
3.1.3 机器学习算法分类
3.2 监督学习
3.2.1 监督学习算法选择
3.2.2 线性回归
3.2.3 逻辑回归
3.2.4 神经网络
3.2.5 SVM
3.3 无监督学习
3.3.1 K-means
3.3.2 DBSCAN
3.3.3 层次聚类
3.3.4 PCA
3.3.5 LDA
3.4 强化学习
3.4.1 Q-learning
3.4.2 Sarsa
3.4.3 深度Q网络
3.4.4 策略梯度
3.5 总结
参考文献
第4章 网络路由
4.1 路由问题概述
4.1.1 传统路由简述
4.1.2 路由信息协议
4.1.3 开放最短路径优先协议
4.1.4 边界网关协议
4.2 分布式路由策略
4.2.1 Q-routing路由算法简述
4.2.2 基于模型的Q-learning路由机制
4.2.3 面向自组织网络的自适应路由机制
4.3 集中式路由策略
4.3.1 基于最小二乘策略迭代的路由机制
4.3.2 面向SDN的自适应路由机制
4.4 总结
参考文献
第5章 拥塞控制
5.1 拥塞控制概述
5.1.1 拥塞控制状态机
5.1.2 拥塞控制算法
5.2 丢包分类
5.2.1 基于朴素贝叶斯算法的丢包分类方法
5.2.2 隐马尔可夫模型的丢包分类方法
5.3 队列管理
5.3.1 基于模糊神经网络的队列管理方法
5.3.2 基于模糊Q-learning的队列管理算法
5.4 CWND更新
5.4.1 基于学习自动机的CWND更新方法
5.4.2 基于Q-learning的CWND更新方法
5.5 拥塞诊断
5.5.1 基于灰色神经网络预测网络流量
5.5.2 一种SVR预测RTT的方法
5.6 总结
参考文献
第6章 QoS QoE管理
6.1 QoS QoE概述
6.1.1 QoS QoE概念
6.1.2 QoS QoE区别
6.2 QoS QoE预测
6.2.1 基于用户聚类算法和回归算法的Qo预测方法
6.2.2 基于ANN的QoE预测方法
6.3 QoS QoE评估
6.3.1 基于SVM的QoS评估方法
6.3.2 基于KNN的QoE评估方法
6.4 QoS QoE相关性
6.4.1 QoS QoE的相关性
6.4.2 基于机器学习的QoS QoE相关性分析
6.5 总结
参考文献
第7章 故障管理
7.1 故障管理概述
7.2 故障预测
7.2.1 基于网络建模技术的故障预测分析算法
7.2.2 基于流形学习技术提取故障特征并生成故障预测的算法
7.3 故障检测
7.3.1 基于聚类的网络故障检测性分析算法
7.3.2 基于循环神经网络（RNN）的故障检测机制
7.4 根因定位
7.4.1 基于决策树学习方法的根因定位
7.4.2 基于离散状态空间粒子滤波算法的根因定位技术
7.5 自动缓解
7.5.1 基于主动故障预测的自动缓解
7.5.2 基于被动故障预测的自动缓解
7.6 总结
参考文献
第8章 网络安全
8.1 网络安全概述
8.1.1 网络安全
8.1.2 入侵检测系统
8.2 基于误用的入侵检测
8.2.1 基于神经网络的误用检测
8.2.2 基于决策树的误用检测
8.3 基于异常的入侵检测
8.3.1 基于流量特征的异常检测
8.3.2 基于有效负载的异常检测
8.4 机器学习在入侵检测中的综合应用
8.4.1 基于集成学习的入侵检测
8.4.2 基于深度学习的入侵检测
8.4.3 基于强化学习的入侵检测
8.5 总结
8.5.1 问题与挑战
8.5.2 入侵检测系统的发展趋势
参考文献
第9章 网络大模型
9.1 网络大模型概述
9.1.1 网络大模型
9.1.2 网络大模型的生命周期
9.2 GAI赋能网络大模型
9.2.1 GAI方法
9.2.2 基于扩散模型优化强化学习
9.2.3 GAI赋能6G网络
9.3 网络支持GAI
9.3.1 网络集成大模型技术
9.3.2 网络大模型服务的部署
9.3.3 可编程数据平面赋能网络大模型
9.4 总结
9.4.1 问题与挑战
9.4.2 网络大模型的发展趋势
参考文献
第10章 总结
展开
