У статті розглянуто проблему забезпечення функціональної стійкості програмно-керованих комп’ютерних мереж (Software Defined Networks, SDN) в умовах стохастичних коливань трафіку та динамічних змін мережевих потоків. Проаналізовано існуючі підходи до підвищення відмовостійкості SDN, зокрема методи резервування, багатоконтролерні архітектури, гібридні моделі захисту й відновлення, а також алгоритми машинного навчання для прогнозування навантажень. Показано, що більшість класичних рішень орієнтовані на статичні моделі контролерів і не враховують короткотермінові флуктуації трафіку, що призводить до затримок і втрат пакетів у критичних ділянках мережі. Метою дослідження є розроблення методу підвищення стійкості SDN на основі авторегресійних підходів машинного навчання з урахуванням статистичних властивостей трафіку. У роботі запропоновано удосконалену модель прогнозування параметрів навантаження, яка поєднує класичні AR-моделі з методом розкладання випадкового процесу за схемою Карунена–Лоева. Такий підхід забезпечує більш точне відтворення динаміки трафіку та дозволяє виявляти моменти наближення до граничних режимів роботи вузлів SDN.