Adaptive Multi-Stage QoS Prioritization for SDN Utilizing a Novel SDNQoS Dataset. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF Adaptive_Multi_Stage_QoS_Prioritization_for_SDN_Utilizing_a_Novel_SDNQoS_Dataset_version_3.pdf - Accepted Version Restricted to Repository staff only until 19 May 2027. Download (13MB)

Arabic Abstract

تتطلّب إدارة حركة البيانات في الشبكات المُعرَّفة برمجياً آليات جودة خدمة تميز بين تدفقات التطبيقات المتنوعة، خصوصا عند الازدحام. تعاني الأساليب التقليدية القائمة على أولويات ثابتة من عجزٍ عن حل التنافس على الموارد بين تدفقات الفئة الواحدة. لمعالجة ذلك، تقترح هذه الرسالة خوارزمية تكيُّفية متعددة المراحل تصنف التدفقات هرميا ثم تسند لها مستويات أولوية فرعية تفعل عند الازدحام فقط، ما يوفر ضبطا أدق لجودة الخدمة مع تعقيد ضئيل في الأوضاع العادية. أنشئت مجموعة بيانات SDNQoS بالاعتماد على إحصاءات المتحكم لتمثيل حركة متنوعة تشمل تطبيقات تقليدية وإنترنت الأشياء، وتم مقارنتها بمجموعة SDNFlow باستخدام مصنّفات شجرة القرار، الغابة العشوائية، XGBoost، والشبكة العصبية متعددة الطبقات. أظهرت النتائج أداء قريب من SDNFlow، مؤكدا صلاحية المجموعة المقترحة للبحوث المتعلقة بجودة الخدمة. كذلك حافظ النهج متعدد المراحل على قدرة تعرف عالية شبيهة بنهج المرحلة الواحدة مع توافقه مع الهيكل الهرمي المقترح. وأخيرا أثبتت التجارب الميدانية تحت الازدحام أن الآلية المقترحة حسنت التفريق الخدمي وقللت التأخير والتذبذب وفقد الحزم، مع زيادة الإنتاجية لأكثر التطبيقات حساسية، ما يبرهن فعاليتها في تحسين جودة الخدمة عمليا ضمن بيئات الشبكات المعرفة برمجيا.

English Abstract

Traffic management in Software-Defined Networking (SDN) requires QoS mechanisms that can differentiate among heterogeneous application flows, especially under congested network conditions. Conventional flat prioritization approaches assign identical treatment to flows within the same class, which limits their ability to address intra-class resource competition. To overcome this limitation, this thesis proposes an adaptive multi-stage prioritization algorithm for QoS-aware SDN traffic management. The proposed algorithm combines hierarchical traffic classification with adaptive priority assignment. In the first stage, traffic flows are mapped to(N) service classes, while in the second stage, flows within the same class are further differentiated into (M) intra-class priority levels. The second stage is activated only during congestion, enabling finer-grained QoS control while maintaining minimal complexity during congestion-free periods. To support this framework, a new SDNQoS dataset was generated from controller-collected flow statistics to capture diverse traffic behavior across conventional and IoT applications. The proposed dataset was benchmarked against the SDNFlow dataset using Decision Tree, Random Forest, XGBoost, and Multi-Layer Perceptron classifiers. Results showed that the proposed dataset achieved classification performance very close to SDNFlow, confirming its suitability for research-oriented QoS studies. The multi-stage classification approach also maintained traffic identification performance close to that of single-stage classification while preserving consistency with the hierarchical QoS structure. Finally, testbed experiments under congested conditions demonstrated that the proposed mechanism provided clearer service differentiation and improved delay, jitter, throughput, and packet loss for the most critical traffic classes. These results confirm the effectiveness of the proposed algorithm for practical QoS improvement in SDN environments.

Item Type:	Thesis (Masters)
Subjects:	Computer
Department:	College of Computing and Mathematics > Computer Engineering
Thesis Advisor:	Tarek Sheltami,
Thesis Committee Members:	Ashraf Mahmoud, Abdallah Moubayed,
Depositing User:	AKRAM ALGAOLAHI (g202320490)
Date Deposited:	20 May 2026 09:20
Last Modified:	20 May 2026 09:20
URI:	https://eprints.kfupm.edu.sa/id/eprint/144375