[發明專利]網絡邊緣系統的業務感知方法及裝置

在審

• 申請號: 202011089568.7
• 申請日: 2020-10-13
• 公開（公告）號: CN112422451A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 邢寧哲;劉川;金燊;劉世棟;郭少勇;紀雨彤;王穎;喻鵬;宋偉;馬睿;張素香;申昉;趙陽;張寧;段程煜;楊純;田宇;閆磊;張陽洋;張東輝;張佳樂;馮禹清;陳雅琳;趙燁
• 申請（專利權）人: 國網冀北電力有限公司信息通信分公司;全球能源互聯網研究院有限公司;北京郵電大學;國家電網有限公司信息通信分公司;國家電網有限公司
• 主分類號: H04L12/851
• 分類號: H04L12/851;G06K9/62
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 薛平;周曉飛

1.一種網絡邊緣系統的業務感知方法，其特征在于，包括：

獲取網絡邊緣系統的業務的樣本訓練集，所述網絡邊緣系統包括多個網絡單元；

基于所述樣本訓練集，進行回聲狀態網絡ESN訓練，生成訓練好的ESN分類器；

基于訓練好的ESN分類器的參數信息，對每個網絡單元的ESN分類器進行配置；

針對每個網絡單元，提取該網絡單元中每個業務流的特征參數，將每個業務流的特征參數輸入該網絡單元的ESN分類器，獲得每個業務流的業務分類識別結果；

針對每個網絡單元，根據該網絡單元中每個業務流的業務分類識別結果，進行業務流的優化調度。

2.如權利要求1所述的網絡邊緣系統的業務感知方法，其特征在于，在基于所述樣本訓練集，進行回聲狀態網絡ESN訓練之前，還包括：

對所述樣本訓練集進行歸一化處理；

基于所述樣本訓練集，進行回聲狀態網絡ESN訓練，包括：

基于歸一化處理后的樣本訓練集，進行回聲狀態網絡ESN訓練。

3.如權利要求1所述的網絡邊緣系統的業務感知方法，其特征在于，在基于訓練好的ESN分類器的參數信息，對每個網絡單元的ESN分類器進行配置之后，還包括：

通過硬件方式實現并固化每個網絡單元的ESN分類器。

4.如權利要求1所述的網絡邊緣系統的業務感知方法，其特征在于，業務流的特征參數包括數據包長、數據包到達間隔、業務持續時間和網絡單元的負載程度中的至少一種。

5.如權利要求1所述的網絡邊緣系統的業務感知方法，其特征在于，將每個業務流的特征參數輸入該網絡單元的ESN分類器之前，還包括：

對每個業務流的特征參數并進行歸一化處理；

將每個業務流的特征參數輸入該網絡單元的ESN分類器，包括：將歸一化處理后的每個業務流的特征參數輸入該網絡單元的ESN分類器，獲得業務分類識別結果。

6.如權利要求1所述的網絡邊緣系統的業務感知方法，其特征在于，回聲狀態網絡ESN的表達式如下：

x(n+1)＝f(Wⁱⁿu(n+1)+Wx(n)+W^backy(n))

y(n+1)＝f^out(W^outu(n+1)+Wx(n+1)+W^backy(n))

其中，u(n)為輸入變量，u(n)＝(u₁(n),…,u_K(n))^T；x(n)為內部狀態變量，x(n)＝(x₁(n),...,x_L(n))^T；y(n)為輸出變量y(n)＝(y₁(n),...,y_L(n))^T；Wⁱⁿ為輸入權重連接矩陣；W為中間權重連接矩陣；W^out為輸出權重連接矩陣；W^back為反饋權重連接矩陣；f和f^out為激勵函數；n為樣本訓練集中不同的樣本。

7.如權利要求6所述的網絡邊緣系統的業務感知方法，其特征在于，每個網絡單元的ESN分類器的表達式如下：

其中，u(n)為輸入變量，u(n)＝(u₁(n),…,u_K(n))^T；x(n)為內部狀態變量，x(n)＝(x₁(n),...,x_L(n))^T；Wⁱⁿ為輸入權重連接矩陣；W為中間權重連接矩陣；n為樣本訓練集中不同的樣本。