명시적 혼잡 알림(ECN)은 네트워크 라우터가 패킷을 폐기하는 대신 패킷에 표시를 할 수 있게 한다. 큐 크기가 특정 임계값에 도달하면, 대기열에 있는 패킷들이 예측되는 혼잡을 나타내도록 표시된다. 그러나 ECN 임계값의 최적 값은 정의되어 있지 않다. 따라서 사전에 정해진 값은 추정 또는 시행착오에 의해 선택되므로, 다양한 네트워크 시나리오 전반에서 일반화가 잘 이루어지지 않는다. 우리는 이 문제를 해결하기 위해 소프트웨어 정의 네트워크(SDN)를 활용하는 강화학습(RL) 기반 ECN 메커니즘을 제안한다. 우리의 해법은 라우터가 현재의 네트워크 상태에 따라 동적으로 ECN 임계값을 유지할 수 있게 한다. SDN은 네트워크의 가시성과 학습 범위를 제공하여 RL 모델을 훈련하고 ECN 임계값을 동적으로 조정할 수 있도록 한다. 제안한 모델이 기존의 최신 기술보다 성능이 우수함을 실험 결과를 통해 보인다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.