[發(fā)明專(zhuān)利]智融標(biāo)識(shí)網(wǎng)絡(luò)狀態(tài)預(yù)測(cè)與擁塞控制系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010175749.5
• 申請(qǐng)日: 2020-03-13
• 公開(kāi)（公告）號(hào): CN111526096B
• 公開(kāi)（公告）日: 2022-03-15
• 發(fā)明（設(shè)計(jì)）人: 權(quán)偉;高德云;張宏科;楊馥聰;劉明遠(yuǎn);劉剛;于成曉;劉康;張雪
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京交通大學(xué)
• 主分類(lèi)號(hào): H04L47/12
• 分類(lèi)號(hào): H04L47/12;H04L47/127;H04L47/32;H04L43/0852;H04L43/0829;H04L43/16;H04L43/0876;H04L43/0882;H04L47/10;H04L47/625;G06K9/62;G06N3/04
• 代理公司: 北京市商泰律師事務(wù)所 11255
• 代理人: 劉源

1.智融標(biāo)識(shí)網(wǎng)絡(luò)狀態(tài)預(yù)測(cè)與擁塞控制系統(tǒng)，其特征在于，包括相互通信連接的分析模塊、AI模塊和控制器，以及轉(zhuǎn)發(fā)模塊；

所述分析模塊用于獲取網(wǎng)絡(luò)狀態(tài)信息，對(duì)該網(wǎng)絡(luò)狀態(tài)信息進(jìn)行解析，獲得狀態(tài)特征數(shù)據(jù)，將該狀態(tài)特征數(shù)據(jù)發(fā)送至所述AI模塊；

所述AI模塊用于預(yù)測(cè)網(wǎng)絡(luò)狀態(tài)，狀態(tài)特征數(shù)據(jù)輸入到LSTM—模糊聚類(lèi)模型，輸出獲得的預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)，將預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)發(fā)送至所述控制器；所述控制器用于基于預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)，執(zhí)行相對(duì)應(yīng)的控制策略，以及用于驗(yàn)證LSTM—模糊聚類(lèi)模型的有效性，驗(yàn)證控制策略的有效性，獲得驗(yàn)證結(jié)果并基于驗(yàn)證結(jié)果維持或變更控制策略，并更新優(yōu)化LSTM--模糊聚類(lèi)模型參數(shù)；

所述轉(zhuǎn)發(fā)模塊分別與所述控制器和分析模塊通信連接，用于轉(zhuǎn)發(fā)、處理和監(jiān)控?cái)?shù)據(jù)包；

所述AI模塊用于預(yù)測(cè)網(wǎng)絡(luò)狀態(tài)，狀態(tài)特征數(shù)據(jù)輸入到LSTM—模糊聚類(lèi)模型，輸出獲得的預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)，將預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)發(fā)送至所述控制器的過(guò)程包括：

設(shè)置所述分析模塊獲取網(wǎng)絡(luò)狀態(tài)信息的時(shí)間間隔和獲取時(shí)長(zhǎng)，將該時(shí)間間隔內(nèi)獲取的網(wǎng)絡(luò)狀態(tài)信息作為L(zhǎng)STM—模糊聚類(lèi)模型的輸入值；

設(shè)置神經(jīng)元數(shù)量、隱藏層和輸出層數(shù)量，該神經(jīng)元具有輸入門(mén)、遺忘門(mén)和輸出門(mén)；

基于狀態(tài)特征數(shù)據(jù)，設(shè)置類(lèi)聚域的類(lèi)型；

對(duì)每個(gè)類(lèi)型的類(lèi)聚域設(shè)置隸屬度值；

獲得每個(gè)類(lèi)型的類(lèi)聚域的域中心；

設(shè)置誤差閾值；

基于類(lèi)聚域的隸屬度值、域中心和誤差閾值，進(jìn)行多次迭代運(yùn)算，獲得預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)；

該預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)包括如下特征任一一種：正常狀態(tài)；擁塞預(yù)警狀態(tài)；持續(xù)擁塞狀態(tài)和擁塞緩解狀態(tài)；

所述控制器基于預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)，執(zhí)行相對(duì)應(yīng)的控制策略的過(guò)程包括：

當(dāng)預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)為正常狀態(tài)時(shí)，控制策略包括維持當(dāng)前通信傳輸規(guī)則；

當(dāng)預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)為擁塞預(yù)警狀態(tài)時(shí)，控制策略包括：

對(duì)正在排隊(duì)的數(shù)據(jù)包的排隊(duì)時(shí)延進(jìn)行校驗(yàn)；

對(duì)低優(yōu)先級(jí)的數(shù)據(jù)包排隊(duì)時(shí)延超過(guò)預(yù)設(shè)預(yù)警閾值且達(dá)到預(yù)設(shè)擁塞閾值的30％的數(shù)據(jù)包進(jìn)行提升其優(yōu)先級(jí)操作；

對(duì)高優(yōu)先級(jí)且排隊(duì)時(shí)延未達(dá)預(yù)設(shè)預(yù)警閾值的數(shù)據(jù)包進(jìn)行循環(huán)，當(dāng)排隊(duì)時(shí)延到達(dá)預(yù)設(shè)預(yù)警閾值的90％時(shí)發(fā)送該數(shù)據(jù)包；

對(duì)出隊(duì)列緩沖區(qū)的多維隊(duì)列采取調(diào)度算法；

對(duì)入隊(duì)列緩沖區(qū)排隊(duì)的數(shù)據(jù)包處理開(kāi)放虛擬映射通道，拓展的可編程代碼實(shí)現(xiàn)交換機(jī)虛擬通道映射；

監(jiān)控?cái)?shù)據(jù)包容量，當(dāng)一個(gè)或多個(gè)數(shù)據(jù)包的容量達(dá)到預(yù)設(shè)滿(mǎn)額容量預(yù)警值時(shí)，限制通信傳輸速率；

當(dāng)預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)為持續(xù)擁塞狀態(tài)時(shí)，控制策略包括：

丟棄排隊(duì)時(shí)延大于預(yù)設(shè)擁塞閾值的數(shù)據(jù)包；

收斂緩沖容量；

出隊(duì)列緩沖區(qū)采取優(yōu)先級(jí)調(diào)度算法；

在出口線(xiàn)程處理中對(duì)惡意數(shù)據(jù)流標(biāo)識(shí)，并將其排到低優(yōu)先級(jí)的多維出口緩沖區(qū)隊(duì)列；

觸發(fā)惡意流處理線(xiàn)程；

向外部控制平面匯報(bào)網(wǎng)絡(luò)持續(xù)擁塞的情況；

當(dāng)預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)為擁塞緩解狀態(tài)時(shí)，控制策略包括：

更新預(yù)設(shè)預(yù)警閾值和預(yù)設(shè)擁塞閾值。

2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述分析模塊為帶內(nèi)網(wǎng)絡(luò)遙測(cè)INT分析模塊，通過(guò)該INT分析模塊獲取網(wǎng)絡(luò)狀態(tài)信息的方式包括以下任意一種：周期性獲取、持續(xù)性獲取和高級(jí)別獲取；

通過(guò)該INT分析模塊獲取的網(wǎng)絡(luò)狀態(tài)信息為網(wǎng)絡(luò)狀態(tài)的歷史信息，包括：交換機(jī)內(nèi)部的狀態(tài)；入端口、出端口、入隊(duì)列和出隊(duì)列的排隊(duì)長(zhǎng)度、排隊(duì)延遲；鏈路利用率；端口利用率；丟包率；

通過(guò)該INT分析模塊對(duì)該網(wǎng)絡(luò)狀態(tài)信息進(jìn)行解析，獲得狀態(tài)特征數(shù)據(jù)包括：

通過(guò)寫(xiě)入數(shù)據(jù)包頭部的INT規(guī)則對(duì)網(wǎng)絡(luò)狀態(tài)信息進(jìn)行轉(zhuǎn)譯，獲得狀態(tài)特征數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，

所述AI模塊對(duì)每個(gè)類(lèi)型的類(lèi)聚域設(shè)置隸屬度值的過(guò)程包括：

通過(guò)對(duì)每個(gè)類(lèi)型的類(lèi)聚域設(shè)置隸屬度值；式中，u_ij為隸屬度值；

所述AI模塊獲得每個(gè)類(lèi)型的類(lèi)聚域的域中心的過(guò)程包括：

通過(guò)獲得每個(gè)類(lèi)型的類(lèi)聚域的域中心，式中，x_j為待確定聚類(lèi)的樣本。

4.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述控制器驗(yàn)證LSTM—模糊聚類(lèi)模型的有效性，驗(yàn)證控制策略的有效性，獲得驗(yàn)證結(jié)果并基于驗(yàn)證結(jié)果維持或變更控制策略包括：

通過(guò)LSTM—模糊聚類(lèi)模型更新預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)；

當(dāng)相鄰的預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)發(fā)生改變時(shí)，變更控制策略；

當(dāng)相鄰的預(yù)測(cè)的網(wǎng)絡(luò)狀態(tài)均為擁塞預(yù)警狀態(tài)時(shí)，變更控制策略使該控制策略與持續(xù)擁塞狀態(tài)相對(duì)應(yīng)。