[發明專利]一種基于神經網絡識別網絡需求的方法及網絡設備

有效

• 申請號: 201710909475.6
• 申請日: 2017-09-29
• 公開（公告）號: CN107682189B
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 林嘉
• 申請（專利權）人: 銳捷網絡股份有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26;H04L29/06
• 代理公司: 北京中博世達專利商標代理有限公司 11274
• 代理人: 申健

1.一種基于神經網絡識別網絡需求的方法，其特征在于，所述方法應用于局域網中的網絡設備，包括：

采集第一時間段內的報文，所述第一時間段分為多個第一預設時間間隔；

提取每個第一預設時間間隔的報文的至少一個特征，計算每個第一預設時間間隔內所述至少一個特征的信息熵；

根據每個第一預設時間間隔內的報文的至少一個特征的信息熵，得到所述第一時間段內的報文的至少一個特征的第一信息熵矩陣；

將所述第一信息熵矩陣中的元素輸入應用神經網絡模型，以獲取所述第一信息熵矩陣對應的網絡需求類別；

其中，所述提取每個第一預設時間間隔的報文的至少一個特征，包括：

以報文為單位，從每個第一預設時間間隔的報文中提取至少一個特征；

和/或；

以報文流為單位，從每個第一預設時間間隔的報文中提取至少一個特征；其中，每個報文流為提取的該至少一個特征相同的所有報文。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

針對滿足不同類別的網絡需求的局域網均執行下述步驟，以得到不同類別的網絡需求的局域網中第二時間段內的報文的至少一個特征的第二信息熵矩陣：

采集第二時間段內的報文，所述第二時間段分為多個第二預設時間間隔；

提取每個第二預設時間間隔的報文的至少一個特征；計算每個第二預設時間間隔內所述至少一個特征的信息熵；

根據每個第二預設時間間隔內的報文的至少一個特征的信息熵，得到所述第二時間段內的報文的至少一個特征的第二信息熵矩陣。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

針對滿足不同類別的網絡需求的局域網，依次執行下述步驟，以得到所述應用神經網絡模型：

將所述第二信息熵矩陣中的元素輸入初始神經網絡模型，并將網絡需求類別作為標簽，根據BP算法對所述初始神經網絡模型進行訓練。

4.根據權利要求2所述的方法，其特征在于，所述將所述第一信息熵矩陣中的元素輸入應用神經網絡模型包括：

對所述第一信息熵矩陣進行數據降維，得到降維后的第一信息熵矩陣；

將所述降維后的第一信息熵矩陣中的元素輸入應用神經網絡模型；

所述將所述第二信息熵矩陣中的元素輸入初始神經網絡模型包括：

對所述第二信息熵矩陣進行數據降維，得到降維后的第二信息熵矩陣；將所述降維后的第二信息熵矩陣中的元素輸入初始神經網絡模型。

5.根據權利要求1所述的方法，其特征在于，所述提取每個第一預設時間間隔的報文的至少一個特征，計算每個第一預設時間間隔內所述至少一個特征的信息熵包括：

提取每個第一預設時間間隔的報文的至少一個特征；

根據提取的每個第一預設時間間隔的報文的至少一個特征，對所述至少一個特征的結果在每個第一預設時間間隔內出現的次數進行統計；

根據統計結果計算每個第一預設時間間隔內所述至少一個特征的信息熵。

6.一種網絡設備，其特征在于，所述網絡設備為 局域網中的網絡設備，包括：

采集模塊，用于采集第一時間段內的報文，所述第一時間段分為多個第一預設時間間隔；

處理模塊，用于提取每個第一預設時間間隔的報文的至少一個特征，計算每個第一預設時間間隔內所述至少一個特征的信息熵；根據每個第一預設時間間隔內的報文的至少一個特征的信息熵，得到所述第一時間段內的報文的至少一個特征的第一信息熵矩陣；將所述第一信息熵矩陣中的元素輸入應用神經網絡模型，以獲取所述第一信息熵矩陣對應的網絡需求類別；

其中，所述處理模塊，提取每個第一預設時間間隔的報文的至少一個特征，具體為：以報文為單位，從每個第一預設時間間隔的報文中提取至少一個特征；和/或；

以報文流為單位，從每個第一預設時間間隔的報文中提取至少一個特征；其中，每個報文流為提取的該至少一個特征相同的所有報文。