[發明專利]一種SLA違例監測方法、裝置和系統

有效

• 申請號: 201710906770.6
• 申請日: 2017-09-29
• 公開（公告）號: CN107566187B
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 趙洋;李娜;李俊;陳影;朱艷茹;宋澤坤
• 申請（專利權）人: 北京合天智匯信息技術有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張勇

1.一種SLA違例監測方法，其特征在于，包括：

從資源層實時獲取網絡數據包，解析所述網絡數據包，獲得SLA參數；

建立用于匹配所述SLA參數的規則數據庫，采用該規則數據庫匹配所述SLA參數，獲得SLA違例數據與SLA非違例數據，對所述SLA違例數據進行報警，提取所述SLA非違例數據的可疑特征，并根據所述可疑特征建立可疑規則，將所述可疑規則存儲至規則數據庫；

對所述規則數據庫進行優化包括：規則數據庫存儲經Snort過濾掉正常數據的特征，優化處理模塊負責對規則數據庫按照一定規則進行優化，對規則數據庫中的閾值設定精度，并在接收到若干實時數據后根據數據實時更改規則數據庫的閾值；并把可疑行為的特征從特征數據庫提取出來，將可疑行為特征數據中的內存訪問速度、硬盤讀取速度、網絡延遲、網絡帶寬和服務可用性加入到Snort的異常特征數據庫，流出數據處理模塊負責把經Snort過濾掉的正常數據格式化；對所述SLA非違例數據首先進行格式化，用于將底層資源的服務能力參數組成高級服務等級的參數化描述，然后在格式化的基礎上，提取SLA非違例數據的可疑特征；

所述解析網絡數據包，獲得SLA參數包括：

采用資源度量映射從網絡數據包中獲得SLA 參數，所述資源度量映射包括單一映射或函數映射；

所述單一映射包括：建立與資源層的屬性一一對應的SLA參數指標，所有的SLA參數指標共同組成SLA參數；所述函數映射包括：根據資源層的屬性，建立以所述屬性為自變量的函數，將該函數的應變量作為SLA參數指標，所有的SLA參數指標共同組成SLA參數；服務請求者和服務響應者通過協商，在服務使用的資源以及 QoS 屬性上達成了一致，簽訂了SLA；并通過 SLA 執行器存儲在了 SLA 倉庫中；在 QoS 知識庫中，主要存儲信息的服務QoS 屬性信息，有靜態和動態存儲兩種 ；SLA 執行器每隔一段時間，就會通過資源度量映射到 SLA參數度量的方式計算得到實時的 SLA 參數值；SLA 倉庫和QoS 知識庫都儲存在規則庫中。

2.根據權利要求1所述的方法，其特征在于，所述提取SLA非違例數據的可疑特征至少包括：內存訪問速度、硬盤讀取速度、網絡延遲、網絡帶寬或服務可用性中的一種。

3.根據權利要求1所述的方法，其特征在于，所述格式化操作包括：定義化描述或基礎數據計算。

4.一種SLA違例監測系統，其特征在于，包括處理器，用于實現各指令；以及存儲裝置，用于存儲多條指令，所述指令由處理器加載并執行以下處理：

從資源層實時獲取網絡數據包，解析所述網絡數據包，獲得SLA參數；

生成用于匹配所述SLA參數的規則數據庫，采用該規則數據庫匹配所述SLA參數，獲得SLA違例數據與SLA非違例數據，對所述SLA違例數據進行報警，提取所述SLA非違例數據的可疑特征，并根據所述可疑特征建立可疑規則，將所述可疑規則存儲至規則數據庫；

對所述規則數據庫進行優化包括：規則數據庫存儲經Snort過濾掉正常數據的特征，優化處理模塊負責對規則數據庫按照一定規則進行優化，對規則數據庫中的閾值設定精度，并在接收到若干實時數據后根據數據實時更改規則數據庫的閾值；并把可疑行為的特征從特征數據庫提取出來，將可疑行為特征數據中的內存訪問速度、硬盤讀取速度、網絡延遲、網絡帶寬和服務可用性加入到Snort的異常特征數據庫，流出數據處理模塊負責把經Snort過濾掉的正常數據格式化；

對所述SLA非違例數據首先進行格式化，用于將底層資源的服務能力參數組成高級服務等級的參數化描述，然后在格式化的基礎上，提取SLA非違例數據的可疑特征；

所述解析網絡數據包，獲得SLA參數包括：

采用資源度量映射從網絡數據包中獲得SLA 參數，所述資源度量映射包括單一映射或函數映射；

所述單一映射包括：建立與資源層的屬性一一對應的SLA參數指標，所有的SLA參數指標共同組成SLA參數；所述函數映射包括：根據資源層的屬性，建立以所述屬性為自變量的函數，將該函數的應變量作為SLA參數指標，所有的SLA參數指標共同組成SLA參數。