La Red Definida por Software (SDN) es una red de próxima generación que utiliza OpenFlow para desacoplar el plano de control del plano de datos de los dispositivos de reenvío. Otros protocolos para interfaces hacia el sur incluyen ForCES y POF. Sin embargo, pueden surgir problemas de seguridad en la SDN, lo que permite a los atacantes tomar el control del plano de control de la SDN. Dado que la videollamada en vivo, el control de QoS, las altas necesidades de ancho de banda y la gestión de recursos son inevitables en cualquier Red Celular Definida por Software (SDCN), el monitoreo de tráfico es un enfoque integral para protegerse contra DDoS, grandes emisores de tráfico y superdifusores. En dicho escenario, la medición de tráfico en SDN entra en acción. Por lo tanto, investigamos soluciones de medición de tráfico en SDN para evaluar cómo estas soluciones pueden crear una arquitectura SDN/SDCN segura, eficiente y robusta. Esta investigación clasifica las soluciones de medición de tráfico en SDN según el comportamiento de la aplicación de red y compara varios enfoques de aprendizaje automático (ML). Además, identificamos los desafíos relacionados con la medición de tráfico en SDN/SDCN y el alcance futuro de la investigación, que guiará el diseño y desarrollo de soluciones de medición de tráfico más avanzadas para una arquitectura SDN/SDCN escalable, heterogénea, jerárquica y ampliamente desplegada. Con más detalle, enumeramos diferentes tipos de enfoques prácticos de aprendizaje automático (ML) para analizar cómo podemos mejorar el rendimiento de la medición de tráfico. Concluimos que el uso de ML en soluciones de medición de tráfico en SDN ayudará a asegurar las SDN/SDCN de manera complementaria.