Avaliação da previsão de falhas na rede baseada em eBPF usando AutoGluon

Este estudo avalia um método de previsão de falhas na rede baseado em um Filtro de Pacotes de Berkeley Estendido (eBPF) usando o Autogluon-Tabular para processar as informações de rede detalhadas extraídas pelo eBPF. As informações extraídas são consideradas como características de entrada do modelo proposto, que visa prever a perda de pacotes subsequente e determinar um evento de falha na rede antes que cause um grande impacto. Aprendizado supervisionado e aprendizado semi-supervisionado são ambos adotados no Autogluon. A precisão e o tempo de detecção são avaliados como os principais critérios. Resultados de simulação mostram que os scores F1 excedem 0.9 para o nosso método proposto, e o método proposto pode prever eventos de falha potenciais dentro de 30 a 40 segundos quando sintomas como perda de pacotes ocorrem.