Monitoring Performance Measures in Routed Optical Networks

The detection of performance degradation, especially in critical infrastructures such as data communications, is crucial to prevent network disruptions. Current Routed Optical Networks (RON) monitoring techniques are fragile and rely on fixed thresholds set very close to the critical point, only detecting issues shortly before a breakdown occurs. The aim of this work is to develop a method capable of identifying deteriorations, without prior knowledge of the system, and determining whether they are significant or not, notifying them when necessary. We addressed this task as a Change Detection problem, with deteriorations being identified as statistical changes in the data distribution of performance measures acquired by the RON and summarizing the status of the transmission. We developed a novel hierarchical time series Change Detection method that combines expert knowledge in the field with statistical and deep learning techniques. This work includes a comprehensive analysis of the provided metrics, allowing for comparison across real-world cases that have not been explored in previous research. A method was developed to detect the dynamism of time series, particularly in cases with high noise presence. An algorithm was constructed to provide real-time information and ensure statistical guarantees of its correct operation, adapting alarm notifications based on the level of criticality. Through experiments, our method proved to identify changes much earlier than the previously utilized system, thereby achieving faster change detection compared to other methods. This thesis is part of a joint research project between Politecnico di Milano and Cisco Photonics.

Il rilevamento del peggioramento delle prestazioni, specialmente nelle infrastrutture critiche come le comunicazioni dati, sta diventando sempre più cruciale per prevenire interruzioni di rete. Le attuali tecniche di monitoraggio delle Routed Optical Networks (RON) sono fragili e si basano su soglie fisse impostate molto vicino al punto critico, rilevando solo problemi poco prima che si verifichi un guasto. Lo scopo di questo lavoro è sviluppare un metodo in grado di identificare deterioramenti, senza conoscenze preliminari del sistema, e determinare se sono significativi o meno, notificandoli quando necessario. Abbiamo affrontato questo compito come un problema di Change Detection, identificando i deterioramenti come variazioni statistiche nella distribuzione dei dati delle misure delle prestazioni acquisite dalla RON e riassumendo lo stato della trasmissione. Abbiamo sviluppato un nuovo metodo gerarchico di rilevamento delle variazioni delle serie temporali che combina la conoscenza degli esperti nel campo con tecniche statistiche e di apprendimento profondo. Questo lavoro include un'analisi approfondita delle metriche fornite, consentendo il confronto tra casi reali che non sono stati esplorati in ricerche precedenti. È stato sviluppato un metodo per rilevare la dinamica delle serie temporali, in particolare nei casi con una presenza elevata di rumore. È stato creato un algoritmo per fornire informazioni in tempo reale e garantire le garanzie statistiche del suo corretto funzionamento, adattando le notifiche di allarme in base al livello di criticità. Attraverso gli esperimenti, il nostro metodo ha dimostrato di identificare i cambiamenti molto prima del sistema precedentemente utilizzato, raggiungendo così una rilevazione dei cambiamenti più rapida rispetto ad altri metodi. Questa tesi fa parte di un progetto di ricerca congiunto tra il Politecnico di Milano e Cisco Photonics.