[發(fā)明專利]一種基于SDN架構(gòu)的業(yè)務(wù)識別方法

有效

• 申請?zhí)枺?/td>: 201810251707.8
• 申請日: 2018-03-26
• 公開（公告）號: CN108460423B
• 公開（公告）日: 2020-06-02
• 發(fā)明（設(shè)計）人: 潘成勝;楊力;魏德斌;石懷峰;劉勇
• 申請（專利權(quán)）人: 大連大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 大連智高專利事務(wù)所(特殊普通合伙) 21235
• 代理人: 蓋小靜

本發(fā)明公開了一種基于SDN架構(gòu)的業(yè)務(wù)識別方法，利用SDN控制和轉(zhuǎn)發(fā)相分離思想重新定義了在線流量分類，同時針對存在大量噪聲問題提出了一種樣本差異性度量的方式選取出標(biāo)記置信度較高的樣本用于訓(xùn)練分類從而實現(xiàn)了噪聲過濾功能，適用于空間信息網(wǎng)絡(luò)在線業(yè)務(wù)識別。

技術(shù)領(lǐng)域

本發(fā)明屬于衛(wèi)星網(wǎng)絡(luò)技術(shù)領(lǐng)域，具體說是一種基于SDN架構(gòu)的業(yè)務(wù)識別方法。

背景技術(shù)

隨著各種新任務(wù)、新應(yīng)用的不斷涌現(xiàn)，對空間信息網(wǎng)絡(luò)提出了眾多不同的新需求，復(fù)雜的網(wǎng)絡(luò)環(huán)境、星上資源受限、拓?fù)鋭討B(tài)變化頻繁等特性對網(wǎng)絡(luò)的靈活管控和業(yè)務(wù)的高效編排提出挑戰(zhàn)。傳統(tǒng)的離線業(yè)務(wù)流量識別方法消耗時間長、實時性差且無法滿足星上在線處理需求的問題，研究者借鑒SDN控制與轉(zhuǎn)發(fā)相分離的思想，屏蔽了協(xié)議異構(gòu)性，以一種更加靈活的方式對網(wǎng)絡(luò)進行管理和控制，離線業(yè)務(wù)流量分類通過從網(wǎng)絡(luò)中采集流量數(shù)據(jù)并存儲，然后再進行特征統(tǒng)計按照分類方法進行業(yè)務(wù)分類，然而在空間信息網(wǎng)絡(luò)中存在大量的實時性業(yè)務(wù)迫切需要能夠以實時或近實時方式識別出不同的業(yè)務(wù)類型，如何在SDN網(wǎng)絡(luò)中實現(xiàn)在線流量分類需要針對業(yè)務(wù)流量數(shù)據(jù)的收集以及分類器的訓(xùn)練問題展開專門研究。選擇合適的流量統(tǒng)計特征對于實現(xiàn)業(yè)務(wù)分類準(zhǔn)確率來說具有十分重大的意義，傳統(tǒng)的離線流量統(tǒng)計特征也并不完全適用于空間信息網(wǎng)絡(luò)在線流量分類，有必要針對空間信息網(wǎng)絡(luò)在線業(yè)務(wù)流量分類技術(shù)的統(tǒng)計特征選取問題展開討論。此外，在真實的空間信息網(wǎng)絡(luò)環(huán)境下存在大量的噪聲如Ka頻段受雨水天氣，太陽活動等引起的高誤碼率，以及長時延問題等問題引入的噪聲，直接使用這些包含大量噪聲的流量數(shù)據(jù)來訓(xùn)練分類器會對所訓(xùn)練出的分類器性能產(chǎn)生影響，迫切需要針對大量噪聲存在的問題展開研究。

目前，有關(guān)在線業(yè)務(wù)識別展開研究的包括：有研究者提出了一種部署在企業(yè)網(wǎng)絡(luò)中的SDN架構(gòu)，使用SDN控制器收集來自O(shè)penFlow交換機轉(zhuǎn)發(fā)過來前幾個數(shù)據(jù)包并進行特征統(tǒng)計，采用機器學(xué)習(xí)算法來實現(xiàn)在線流量分類，實驗結(jié)果表明使用有監(jiān)督機器學(xué)習(xí)可以對數(shù)據(jù)集進行高精度分類，但研究只是在企業(yè)網(wǎng)絡(luò)中部署SDN架構(gòu)并不能應(yīng)用于空間信息網(wǎng)絡(luò)；有研究者利用流開始的前5個數(shù)據(jù)包進行相關(guān)特征的統(tǒng)計，通過分析3種機器學(xué)習(xí)算法(C4.5、BayesNet和NBTree)分類結(jié)果，研究可用于在線流量分類的特征以及這些特征應(yīng)滿足的條件，實驗結(jié)果表明這三種算法均取得較高的分類準(zhǔn)確率，然而所采用的算法已有的有監(jiān)督機器學(xué)習(xí)并未對針對包含大量噪聲數(shù)據(jù)空間信息網(wǎng)絡(luò)環(huán)境進行考慮；還有研究者提出了一種Tri-Training協(xié)同訓(xùn)練算法，利用少部分已標(biāo)記的訓(xùn)練樣本和大量未標(biāo)記輔助訓(xùn)練樣本訓(xùn)練分類器，從已標(biāo)記樣本集中隨機抽取產(chǎn)生三個樣本子集，采用相同的分類算法訓(xùn)練出三個基礎(chǔ)分類器，選取出一個作為主分類器剩下的作為輔助分類器，取出兩輔助分類器分類結(jié)果相同的樣本進行標(biāo)記，然后用于輔助主分類器的強化訓(xùn)練，然而存在兩輔助分類器同時標(biāo)記錯誤情況這樣會引入噪聲數(shù)據(jù)從而對分類結(jié)果造成一定的影響。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)存在的上述問題，本發(fā)明要設(shè)計一種基于SDN架構(gòu)的業(yè)務(wù)識別方法，針對空間信息網(wǎng)絡(luò)存在大量噪聲造成訓(xùn)練的分類器分類性能較弱的問題提出了一種具有噪聲過濾功能的協(xié)同訓(xùn)練算法--Dif-TriTraining，從而實現(xiàn)對空間信息網(wǎng)絡(luò)的靈活管控以及業(yè)務(wù)的高效編排。

本申請采用一種基于軟件定義的空間信息網(wǎng)絡(luò)(Software Defined SpatialInformationNetwork，SDSIN)架構(gòu)，其實際的部署方案如下：將SDN核心思想應(yīng)用于空間信息網(wǎng)絡(luò)，實現(xiàn)空間信息網(wǎng)絡(luò)控制平面和轉(zhuǎn)發(fā)平面分離，該架構(gòu)由三個層面分別為應(yīng)用層面、控制層面和轉(zhuǎn)發(fā)層面組成，各個層面在其中承擔(dān)不同的任務(wù)。

進一步地，在上述體系架構(gòu)下，使用在控制層面在線收集OpenFlow交換機轉(zhuǎn)發(fā)過來的數(shù)據(jù)包并進行特征統(tǒng)計使用分類器來進行業(yè)務(wù)分類。

為了實現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：一種基于SDN架構(gòu)的業(yè)務(wù)識別方法，具體包括以下步驟：

A、滿足星上在線業(yè)務(wù)分類需求，設(shè)計一種在線學(xué)習(xí)框架