МЕТОДОЛОГИЯ ПОСТРОЕНИЯ ИНТЕРПРЕТИРУЕМЫХ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ДИНАМИЧЕСКОГО УПРАВЛЕНИЯ СЕТЕВЫМ СТЕКОМ И ПАКЕТНЫМИ ОЧЕРЕДЯМИ В ЯДРЕ ОПЕРАЦИОННОЙ СИСТЕМЫ

Аннотация

В представленном фундаментальном научном труде осуществляется всесторонний теоретический и практический анализ применения подходов объяснимого искусственного интеллекта для оптимизации работы сетевого стека и подсистем управления пакетными очередями в современных операционных системах. Рассматривается актуальная проблема минимизации задержек передачи данных, предотвращения буферблота и обеспечения гарантированного качества обслуживания в условиях высокодинамичного и нестационарного сетевого трафика. Авторами разработана оригинальная концепция гибридного сетевого дисциплинирования, объединяющая предиктивные возможности моделей машинного обучения с фоновым модулем локальной интерпретируемости. В работе детально описан механизм трансформации внутренних параметров нейросетевой модели в понятные причинно-следственные связи планирования пакетов, проанализированы накладные расходы на вычисление вкладов признаков и доказана высокая эффективность управления буферами сетевых интерфейсов без риска потери пакетов и деградации пропускной способности.