Evaluación de mecanismos de escalabilidad integrados en un controlador SDN para la detección y mitigación de ataques en la red

Este proyecto de fin de grado profundiza en la escalabilidad de los componentes de ciberseguridad integrados en un controlador de Redes Definidas por Software (Software-defined Networking, SDN). El objetivo principal es evaluar la eficacia de dos mecanismos de escalabilidad que logran un equilibrio entre el rendimiento del modelo de Aprendizaje Automático (Machine Learning, ML) desplegado en uno de los componentes y la capacidad del sistema para gestionar un mayor tráfico de red. Mediante un amplio conjunto de experimentos, este proyecto evalúa a fondo la eficacia de estos mecanismos para mantener un rendimiento óptimo al tiempo que se adapta a la creciente carga del sistema en un entorno SDN. Mediante el estudio de los resultados, este trabajo pretende aportar valiosos conocimientos sobre las consideraciones de escalabilidad para la integración de componentes de ciberseguridad en controladores SDN. Abstract: This final degree project delves into the scalability of cybersecurity components integrated in a Software-defined Networking (SDN) controller. The main objective is to evaluate the effectiveness of two scalability mechanisms that achieve a trade-off between the performance of the Machine Learning (ML) model deployed in one of the components and the ability of the system to handle higher network traffic. Through a comprehensive set of experiments, this project deeply evaluates the effectiveness of these mechanisms to maintain optimal performance while adapting to the increasing system load in an SDN environment. By studying the results, this study aims to provide valuable insights into scalability considerations for integrating cybersecurity components into SDN controllers