[发明专利]数据面转发方法、装置、电子设备及可读存储介质

权利要求书

1.一种数据面转发方法，其特征在于，包括：

用户面功能UPF接收来自用户设备UE的数据，对UPF上部署的数据平面开发套件DPDK中的内存拷贝代码的顺序进行调整，并按照调整顺序后的内存拷贝代码进行数据处理和转发，确定数据转发率；

UPF将所述数据转发率以及调整后的内存拷贝代码的顺序经由会话管理单元SMF发送给智能分析网元NWDAF；

NWDAF根据所述数据转发率以及调整后的内存拷贝代码的顺序，确定内存拷贝代码的目标顺序，并将所述目标顺序经由SMF发送给UPF；

UPF根据所述目标顺序对DPDK中的内存拷贝代码进行调整，并按照调整后的内存拷贝代码进行数据处理和转发。

2.根据权利要求1所述的方法，其特征在于，所述NWDAF根据所述数据转发率以及调整后的内存拷贝代码的顺序，确定内存拷贝代码的目标顺序，包括：

NWDAF根据所述数据转发率以及调整后的内存拷贝代码的顺序，构建深度学习网络模型，并基于所述深度学习网络模型确定内存拷贝代码的目标顺序。

3.根据权利要求2所述的方法，其特征在于，所述NWDAF根据所述数据转发率以及调整后的内存拷贝代码的顺序，构建深度学习网络模型，并基于所述深度学习网络模型确定内存拷贝代码的目标顺序，包括：

NWDAF将所述数据转发率以及调整后的内存拷贝代码的顺序作为训练样本，将所述训练样本输入初始网络模型中，得到所述初始网络模型的输出结果；

NWDAF根据所述初始网络模型的输出结果以及所述输出结果的后一输出结果，确定所述初始网络模型的损失信息，并根据所述损失信息对所述初始网络模型进行迭代修正，得到所述深度学习网络模型；

NWDAF根据所述深度学习网络模型的输出结果确定内存拷贝代码的目标顺序。

4.根据权利要求3所述的方法，其特征在于，所述NWDAF根据所述初始网络模型的输出结果以及所述输出结果的后一输出结果，确定所述初始网络模型的损失信息，包括：

NWDAF将所述初始网络模型的输出结果、所述后一输出结果以及所述训练样本对应的奖励值输入损失函数中进行计算，得到所述初始网络模型的损失信息。

5.根据权利要求3所述的方法，其特征在于，所述NWDAF根据所述深度学习网络模型的输出结果确定内存拷贝代码的目标顺序，包括：

NWDAF将当前接收到的内存拷贝代码的顺序以及数据转发率输入所述深度学习网络模型中，得到所述深度学习网络模型的输出结果；

NWDAF根据所述深度学习网络模型的输出结果确定内存拷贝代码的目标顺序。

6.根据权利要求5所述的方法，其特征在于，所述NWDAF将当前接收到的内存拷贝代码的顺序以及数据转发率输入所述深度学习网络模型中，得到所述深度学习网络模型的输出结果，包括：

NWDAF将当前接收到的内存拷贝代码的顺序以及数据转发率输入所述深度学习网络模型中，由所述深度学习网络模型中的线性输入层、激励层以及线性输出层依次进行处理，得到所述深度学习网络模型的输出结果。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述对UPF上部署的数据平面开发套件DPDK中的内存拷贝代码的顺序进行调整，包括：

对所述内存拷贝代码进行随机移动，以使得所述内存拷贝代码的顺序调整。