[发明专利]一种基于深度学习的网络流类型预测方法有效
| 申请号： | 201810528250.0 | 申请日： | 2018-05-29 |
| 公开（公告）号： | CN108712292B | 公开（公告）日： | 2021-04-02 |
| 发明（设计）人： | 刘外喜;蔡君;陈庆春 | 申请（专利权）人： | 广州大学 |
| 主分类号： | H04L12/24 | 分类号： | H04L12/24;H04L12/26;G06N3/08;G06N3/04 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌;裘晖 |
| 地址： | 510006 广东省广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的网络流类型预测方法，采用“边缘预分类+中心精分类”的多级预测方案，即，先预分类再精分类，分别在网络边缘的SDN交换机、SDN控制器上构建进行预分类、精分类的深度学习模型；其中，通过网络功能虚拟化NFV技术，利用SDN网络中各交换机计算资源以及链路构建的分布式的深度学习网络作为预分类模型所需的硬件资源，而SDN控制器作为精分类模型所需的硬件资源；预分类模型采用4个联合特征，精分类模型采用10个联合特征。本发明采用多级预测方案既可以减少交换机到控制器的通信开销，也可以减轻控制器的负载；使用胶囊网络方法实现尽早预测；同时，定期地利用自主更新的训练数据集训练深度学习模型，改善预测准确度。 | ||
| 搜索关键词： | 一种 基于 深度 学习 网络 类型 预测 方法 | ||
【主权项】：
1.一种基于深度学习的网络流类型预测方法，其特征在于，采用“边缘预分类+中心精分类”的多级预测方案，即，先预分类再精分类，分别在网络边缘的SDN交换机、SDN控制器上构建进行预分类、精分类的深度学习模型；其中，通过网络功能虚拟化NFV技术，利用SDN网络中各交换机计算资源以及链路构建分布式的深度学习网络，来作为预分类模型所需的硬件资源，而SDN控制器则作为精分类模型所需的硬件资源；其中，每个交换机贡献小部分资源实现该分布式深度学习网络中若干神经元的计算功能，神经元通过交换机的链路彼此连接。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广州大学，未经广州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810528250.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于TLS加密的电力通信信号传输系统
- 下一篇：单板管理方法及网络设备
