Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/45510
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2025_LeandroMachadoRibeiroBottecchia_tcc.pdf6,48 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorMarotta, Marcelo Antônio-
dc.contributor.authorBottecchia, Leandro Machado Ribeiro-
dc.identifier.citationBOTTECCHIA, Leandro Machado Ribeiro. Detecção de intent drifts em redes baseadas em intenção. 2025. 77 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) — Universidade de Brasília, Brasília, 2025.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2025.pt_BR
dc.description.abstractEste trabalho investiga a detecção de desvios de intenção (intent drifts) em redes baseadas em intenções (IBNs), com foco em cenários de Qualidade de Serviço (QoS). A proposta consiste na implementação de intents de limitação de banda utilizando o controlador ONOS e no desenvolvimento de três modelos baseados em lógica fuzzy para identificar desvios no cumprimento dessas intents. A metodologia foi dividida em duas partes: a primeira avalia a eficácia dos modelos em uma rede simples com limitação de banda entre dois hosts; a segunda analisa o comportamento da rede sob sobrecarga, com múltiplos hosts competindo por largura de banda. Os resultados mostram que os modelos fuzzy são eficazes na detecção de drifts, com variações na sensibilidade e adaptabilidade entre as abordagens estática, dinâmica percentual e dinâmica adaptativa. A análise comparativa destaca o equilíbrio entre sensibilidade e robustez, sugerindo que a escolha do modelo ideal depende do contexto operacional da rede. O trabalho contribui com uma abordagem prática e adaptável para manutenção preditiva de intents em IBNs.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordRedes de computaçãopt_BR
dc.subject.keywordRedes de computação - gerênciapt_BR
dc.subject.keywordRedes de computação - automaçãopt_BR
dc.titleDetecção de intent drifts em redes baseadas em intençãopt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2026-08-20T20:34:15Z-
dc.date.available2026-08-20T20:34:15Z-
dc.date.submitted2025-07-24-
dc.identifier.urihttps://bdm.unb.br/handle/10483/45510-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1This work investigates the detection of intent drifts in Intent-Based Networks (IBNs), focusing on Quality of Service (QoS) scenarios. The proposal involves implementing bandwidth-limiting intents using the ONOS controller and developing three fuzzy logic based models to identify deviations in intent fulfillment. The methodology is divided into two parts: the first evaluates the models in a simple network with bandwidth lim itation between two hosts; the second analyzes network behavior under overload, with multiple hosts competing for limited bandwidth. Results show that fuzzy models are effective in detecting drifts, with differences in sensitivity and adaptability across static, percentage-based dynamic, and variation-based dynamic approaches. The comparative analysis highlights the trade-off between sensitivity and robustness, suggesting that the optimal model depends on the network’s operational context. This work contributes a practical and adaptable approach for predictive intent maintenance in IBNs.pt_BR
Aparece na Coleção:Engenharia da Computação



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.