Diseño de un sistema para la mejora de la QoS de una red Wi-Fi mediante aprendizaje automatizado

Abstract

Las telecomunicaciones son cada vez más de banda ancha. En enero de este año, se alcanzaron 4950 millones de usuarios de internet en todo el mundo, alrededor del 62,5 % de la población mundial. Asimismo, el consumo de Internet diario fue de casi 7 horas el año pasado gracias a la banda ancha. Este tipo de red proporciona tasas de bits de acceso en sentido descendente y ascendente que soportan todos los tipos de servicios disponibles originando un Internet de buena calidad. No obstante, la aparición de estos nuevos servicios hace que la medición de la calidad del servicio QoS (Quality of Service) sea más ardua porque la complejidad de la red aumenta y sobre todo en las redes inalámbricas debido a que sufren mayor número de interferencias. La información obtenida del tráfico de la red es demasiado extensa para que un ser humano sea capaz de obtener las relaciones entre los diferentes factores y establecer cuáles de ellos son los que más ayudan a estimar la QoS. La solución pasa por el uso del aprendizaje automático, conocido como machine learning, que es una rama de la inteligencia artificial formada por diversos algoritmos que están diseñados para establecer patrones entre diversos conjuntos de datos, datasets. Así pues, el objetivo de este trabajo consiste en el diseño de un sistema para la mejora de la QoS en redes Wi-Fi. Palabras clave: aprendizaje automático, QoS, cluster, grado de influencia, recursos

Telekomunikazioak gero eta gehiago dira banda zabalekoak. Aurtengo urtarrilean, 4950 milioi interneteko erabiltzaile izan ziren mundu osoan, munduko biztanleriaren % 62,5 inguru. Era berean, Interneten eguneroko kontsumoa ia 7 ordukoa izan zen iaz banda zabalari esker. Sare mota honek sarbide-biten tasak eskaintzen ditu, beheranzko eta goranzko noranzkoan, eskuragarri dauden zerbitzu mota guztiei eusten dietenak, kalitate oneko Internet sortuz. Hala ere, zerbitzu berri horien agerpenaren ondorioz, QoS (Quality of Service) zerbitzuaren kalitatearen neurketa nekezagoa da, sarearen konplexutasuna handitu egiten baita, eta batez ere hari gabeko sareetan, interferentzia gehiago izaten baitituzte. Sareko trafikotik lortutako informazioa zabalegia da gizaki bat gai izan dadin faktoreen arteko harremanak lortzeko eta faktore horietako zeinek laguntzen duen gehien QoS kalkulatzen. Soluzioa ikasketa automatikoaren erabilera da, machine learning bezala ezagutzen dena, adimen artifizialaren adar bat da, hainbat algoritmok osatzen dutena, datu multzoen artean (datasets) patroiak ezartzeko diseinatuta daudenak. Horrela, bada, lan honen helburua Wi-Fi sareetan QoS hobetzeko sistema bat diseinatzea da. Gako-hitzak: ikaskuntza automatikoa, QoS, klusterra, eragin-maila, baliabideak

Telecommunications are increasingly broadband. In January this year, the number of Internet users reached 4.49 billion worldwide, about 62.5% of the world's population. Also, daily Internet consumption was almost 7 hours last year thanks to broadband. This type of network provides downstream and upstream access bit rates that support all types of available services resulting in a good quality Internet. However, the emergence of these new services makes the measurement of QoS (Quality of Service) more difficult because the complexity of the network increases, especially in wireless networks due to the higher number of interferences. The information obtained from network traffic is too extensive for a human being to be able to obtain the relationships between the different factors and establish which of them are the most helpful in estimating QoS. The solution involves the use of machine learning, known as machine learning, which is a branch of artificial intelligence formed by various algorithms that are designed to establish patterns between different datasets. Thus, the objective of this work is the design of a system for the improvement of QoS in Wi-Fi networks. Keywords: machine learning, QoS, cluster, degree of influence, resources.