[發明專利]基于深度學習的斷流識別方法及裝置

有效

• 申請號: 202010422740.X
• 申請日: 2020-05-19
• 公開（公告）號: CN111343105B
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 楊貽宏
• 申請（專利權）人: 上海飛旗網絡技術股份有限公司
• 主分類號: H04L12/851
• 分類號: H04L12/851;H04L12/26;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 成都頂峰專利事務所(普通合伙) 51224
• 代理人: 曾凱

本申請實施例提供一種基于深度學習的斷流識別方法及裝置，通過從數據流統計記錄中獲取存在斷流狀態的數據斷流記錄對應的斷流節點和斷流業務類型，并根據斷流業務類型所對應的特征提取策略提取數據斷流記錄中每個斷流節點的第一特征信息以及與每個斷流節點相關聯的數據轉發節點的第二特征信息后進行深度學習，由此對每個業務轉發過程中的數據流進行識別，提升斷流識別準確率，進而有效改善資源配置效率，提升用戶服務體驗。

技術領域

本申請涉及大數據人工智能深度學習技術領域，具體而言，涉及一種基于深度學習的斷流識別方法及裝置。

背景技術

在數據流的轉發過程中，通常會存在斷流現象，即數據流在某個節點未進行業務轉發，通過斷流檢測到的結果可以對后續的網絡資源進行針對性的配置優化，從而實現網絡資源的優化配置。

然而，傳統的斷流檢測方案通常只是從時間特征的維度來判斷是否存在斷流情況，例如通過檢測某個預設時間段的流量轉發情況，當幾乎不存在流量轉發時判定其存在斷流情況。但是在實際場景中，斷流可能會受到諸多網絡環境的延遲影響導致檢測不準確的情況。

發明內容

有鑒于此，本申請的目的在于提供一種基于深度學習的斷流識別方法及裝置，通過深度學習每個斷流節點的第一特征信息以及與每個斷流節點相關聯的數據轉發節點的第二特征信息，由此對每個業務轉發過程中的數據流進行識別，提升斷流識別準確率，進而有效改善資源配置效率，提升用戶服務體驗。

根據本申請的第一方面，提供一種基于深度學習的斷流識別方法，應用于服務器，所述方法包括：

獲取數據流統計記錄，并從所述數據流統計記錄中獲取存在斷流狀態的數據斷流記錄對應的斷流節點和斷流業務類型，所述斷流業務類型用于表示轉發數據段所對應的業務類型下的斷流業務標識；

根據所述斷流業務類型所對應的特征提取策略提取所述數據斷流記錄中每個斷流節點的第一特征信息以及與每個斷流節點相關聯的數據轉發節點的第二特征信息，其中，所述第一特征信息和所述第二特征信息分別包括各自對應的IP地址信息、通信協議類型信息、流量大小信息中的一種或者多種組合；

根據每個第一特征信息、每個第一特征信息所對應的第二特征信息訓練深度學習網絡模型，得到斷流識別模型；

根據所述斷流識別模型對每個業務轉發過程中的數據流進行識別，得到表示所述業務轉發過程中的數據流是否存在斷流情況的識別結果；

從所述數據流統計記錄中獲取存在斷流狀態的數據斷流記錄對應的斷流節點和斷流業務類型的步驟，包括：

根據預先配置的斷流標記字段從所述數據流統計記錄中匹配存在斷流狀態的數據斷流記錄；

檢測所述數據斷流記錄中存在流量異常的異常數據記錄段，并獲取所述異常數據記錄段在對應的業務轉發過程中的轉發節點作為所述斷流節點；

根據所述異常數據記錄段中頭信息所表征的業務轉發類型和所述異常數據記錄段中的異常數據項目，確定所述數據斷流記錄對應的斷流業務類型。

在第一方面的一種可能的實施方式中，根據所述異常數據記錄段中頭信息所表征的業務轉發類型和所述異常數據記錄段中的異常數據項目，確定所述數據斷流記錄對應的斷流業務類型的步驟，包括：

根據所述異常數據記錄段中頭信息所表征的業務轉發類型，獲取該業務轉發類型所對應的預設斷流決策數據庫，所述預設斷流決策數據庫包括不同的異常數據項目以及每個異常數據項目對應的斷流業務類型；

根據所述預設斷流決策數據庫確定所述異常數據記錄段中的異常數據項目對應的斷流業務類型。