黑麦草 一个与Ryu SDN控制器的REST API交互的Python模块。 关于 这是两个Python模块，分别提供使用Ryu REST API的功能或面向对象的方法。 这些模块利用Requests框架与RYU REST API进行交互。 模组 两个模块都包含相同的功能/方法。 您应该使用哪一种完全取决于您对Python的适应程度（尽管在社区中通常被视为更好的实践，在可能的情况下使用OO方法） ryuswitch 面向对象的方法。 提供RyuSwitch类以将连接到控制器的物理交换机实例化为对象。 龙飞 功能方法允许您直接调用RyuSwitch方法（尽管在大多数情况下必须将开关的数据路径

针对数据中心网络中大象流携带大量数据造成网络拥塞和负载不均衡的问题，提出基于SDN（software defined network）的大象流负载均衡（elephant flow load balancing，EFLB）。当网络负载超过阈值时，控制器利用Openflow特性将检测到的大象流分裂为多个老鼠流，并根据收集的网络拓扑和链路状态动态地计算负载最小的下一跳交换机，确保负载均衡。实验结果表明，相比于等价多路径算法（equal-cost mulit-path routing，ECMP），EFLB机制提高了网络吞吐量和链路利用率，更好地实现了网络负载均衡。

介绍 该项目代表了我们在2021年IEEE国际通信大会上发表的论文中的工作，该大会是“用于软件定义网络的基于AI的流量矩阵预测解决方案” -作者： Duc-Huy LE，Hai Anh TRAN，Sami SOUIHI，Abdelhamid MELLOUK 在此项目中，我们提供： SDN应用程序源代码 我们的测试平台配置，部署包括脚本和已用资源 两个TM数据集 模型训练和评估源代码 本自述文件中描述了上述每个组件。 依存关系 POX控制器 我们使用部署我们的管理和监视SDN应用程序。 POX可以在任何支持python 2的OS环境中工作。您可以按以下方式安装pox： git clone

摘要：由于SDN具有可软件定义的特性和控制与转发相分离的特点，SDN环境下网络流量测控与传统的IP网络显著不同。提出了一种基于sFlow技术的网络流量监测与控制系统，借助sFlow数据监测的功能，把数据收集的过程从SDN控制平面分离出来。构建了基于OpenDaylight控制器与Mininet的实验环境，通过模拟拒绝服务攻击来产生异常流量，利用网络流量测控的方法实现了异常流量的拦截。

软件定义网络（SDN）在计算机网络领域代表着一种革命性的方法，因为该方法提出了一种新的模型来控制转发与路由数据包。该课题的研究仍然处于发展当中，可供选择的设备并不多，如SDN路由和交换机不仅种类少，而且价格昂贵。于是，为了使得研究人员以最小代价进行SDN实验和验证这种技术的新功能，一个解决思路是使用网络仿真软件。本文主要集中在研究与测试SDN仿真平台：Mininet。首先简要说明了Mininet中SDN元素以及是如何工作的，在第一个实验中表明了其快速与简单的网络建模，有助于快速提高科学研究。第二个实验是如何利用POX控制器和OpenFlow协议，软件编写一个自学习型交换通信模块加入到控制器中。最后在Mininet中对这广播交换通信两个模块进行网络性能仿真，结果表明Mininet平台能够以较高的保真度仿真SDN网络的运行，为进一步深入研究SDN网络建立了良好基础。

onos-p4：易于创建开发P4脚本和ONOS的环境

SDN网络中基于φ-熵的DDoS早期检测，李润宇，钮心忻，软件定义网络（SDN）是一种新兴的网络架构，其控制逻辑和转发逻辑分离，具有集中管理和可编程的特点，这使得恶意攻击者更容易利用

软件定义网络是一种全新的网络架构，集中控制是其主要优势，但若受到DDoS 攻击则会造成信息不可达，也容易造成单点失效。为了有效地识别DDoS攻击，提出了一种SDN环境下基于BP神经网络的DDoS攻击检测方法。该方法获取OpenFlow交换机的流表项，分析SDN环境下DDoS攻击特性，提取出与攻击相关的流表匹配成功率、流表项速率等六个重要特征；通过分析六个相关特征值的变化，采用BP神经网络算法对训练样本进行分类，实现对DDoS攻击的检测。实验结果表明，该方法在有效提高识别率的同时，降低了检测时间。通过在软件定义网络环境中的部署，验证了该方法的有效性。

H3CNE-SDN GBO-451

HCIA-SDN_V1.0实验手册