DATA ROUTING WITH A MACHINE LEARNING-BASED ROUTING MODEL

An apparatus for routing data flows through a data communication network includes: a network interface, hardware processor, non-transitory memory, route selection module, analysis module and learning module. The network interface receives requests for routing a flow of data packets within the data communication network. Route selection module routes data flows through the network, based on a routing model applying routing rules to a model of network structure and network parameters. The analysis module determines when routes fail to comply with a respective required level of service (LOS) specifying at least one required performance measure for the flow. Flow routes and their respective failure or success in adhering to the LOS are stored in the routing log. The learning module updates the routing model by processing the routing log, optionally using ML analytics. Optionally, when the model is updated the route selection module reroutes one or more failed flows based on the updated model. La présente invention concerne un appareil de routage des flux de données par l'intermédiaire d'un réseau de communication de données qui comprend : une interface de réseau, un processeur de matériel, une mémoire non transitoire, un module de sélection de chemin, un module d'analyse et un module d'apprentissage. L'interface de réseau reçoit des demandes de routage d'un flux de paquets de données dans le réseau de communication de données. Un module de sélection de chemin achemine des flux de données à travers le réseau, en se basant sur un modèle de routage appliquant des règles de routage à un modèle de structure de réseau et des paramètres de réseau. Le module d'analyse détermine lorsque des chemins ne parviennent pas à se conformer à un niveau requis respectif de services (LOS) spécifiant au moins une mesure de performance requise pour le flux. Des chemins de flux et leurs succès et échecs respectifs dans l'accès à LOS sont stockés dans le journal de routage. Le module d'apprentissage met à jour le modèle de routage par le traitement du journal de routage, utilisant éventuellement des analyses ML. Éventuellement, lorsque le modèle est mis à jour, le module de sélection de chemin réachemine au moins un flux défaillant sur la base du modèle mis à jour.