[发明专利]一种基于DPI的应用感知方法

摘要

本发明涉及一种基于DPI的应用感知方法，属于网络服务技术领域领域，本发明提出在SDN环境下优化DPI部署，将部署DPI的交换机数量所引起的网络负载和未分析的流量数量减到最小。对于给定的网络基础设施和给定的流量矩阵，可以找到最优DPI部署方案，从而最大限度地降低部署的总体成本。本发明从部署的DPI交换机数量和网络负载两个维度对其进行实验论证，在SDN仿真平台下，从应用感知时间和感知准确度两个维度进行进一步的实验验证。

主权项

1.一种基于DPI的应用感知方法，其特征在于，包括以下步骤：步骤一：问题描述：对于给定的网络基础设施和给定的流量矩阵，可以找到最优DPI部署方案，从而最大限度地降低部署的总体成本；上述成本包括：1)部署DPI的交换机数量；2)通过部署DPI的交换机的流量重定向引起的整个网络负载，所有的流量都必须通过至少一个部署DPI的交换机进行分析；3)不同的约束操作；步骤二：问题形式化：对于n个节点的拓扑结构，x是一个n维矩阵，步骤一中的部署相对应的解决方案是：[0,0,0,0,1,0,0]；因为在节点E中只有一个部署了DPI；适应性函数F(x)即全网成本函数最小化，由三个成本函数组成，用以优化以下三个目标：1)部署DPI的交换机数量f_DPI(x)；2)全网的负载f_bw(x)；3)无法感应到的流量数量f_unaware(x)；三个目标的关系为：F(x)＝f_DPI(x)+f_bw(x)+f_unaware(x)拥有最大数量的交换机的约束条件为：f_DPI(x)＝ω_DPIn(x)  n(x)≤Nf_DPI(x)＝∞        n(x)φNf_bw(x)包含对阈值BW的强大约束，该阈值BW定义网络的每条链路i上使用的带宽bω_i的最大百分比；该阈值用于供网络管理员选择配置速率和网络容量：f_bw(x)＝ω_bw×bω(x)bω_i≤BW代价函数f_unaware(x)表示惩罚项ω_unaware总和：对于无法通过约束分析的u(x)流量具有未分配给DPI交换机的最大U流量：f_unaware(x)＝ω_unaware×u(x)  u(x)≤Uf_unaware(x)＝∞             u(x)φU；步骤三：解决方案：步骤一、二描述的问题属于UFLP问题，包括定位不确定数量的设施，以最小化固定化设置成本和从这些设施服务市场需求的可变成本的总和；使用遗传算法GA，并根据多目标网络问题的具体情况进行调整：遗传算法GA具体算法流程如下：1)初始人口：使用二元基因来表示在网络的不同节点上部署DPI交换机，在初始种群和下一代种群中，选择、交叉和变异遗传算子被迭代应用于遗传算法中；2)选择：选择操作通过使用适应度函数F(x)在染色体之间选择好的结果，适应度函数用于对染色体的质量进行排序，具有较小值的染色体对下一代中的一个或多个后代贡献的可能性较高；3)交叉：繁殖池中新复制的染色体的第一个成员随机以概率pcrossover繁殖，每对染色体通过包含交换第一染色体的k个第一元素而交叉，k在1和染色体的长度之间随机选择，k与第二染色体的k个第一元素交替，获得两条新染色体；4)突变：包含轻微随机改变以获得新的染色体，变异算子用于引入新的遗传物质，染色体以概率pmutation进行变异；引入一个特定变异算子：在0个元素中以概率p1变化1个元素，在1个元素中变化为0个元素，概率为p₀≤p₁；其倾向于增加算法的收敛性，减少DPI引擎的数量，同时在1个元素中突变0个元素时探索新的区域；在每个新一代中，通过使用先前的信息创建一组染色体，在指定次数的迭代后，进化停止；选择具有最小适应值的染色体作为多目标DPI交换机分配问题的解决方案；步骤四：适应值的计算：在遗传算法中，每个染色体的适应值在每次进化迭代中评估以进行排序，染色体的适应度值表示其针对多个目标的质量；适应值越小，染色体的质量越好；染色体x的适应度值的计算包含以下几个步骤：1)将所有流分配给DPI引擎：计算的输入是：流量矩阵，网络拓扑和每条链路BW上最大使用带宽的限制；2)成本函数的计算：如果包含少于N个部署了DPI的交换机，则其等于部署了DPI的交换机的成本乘以DPI交换机的数量，否则其是无限的；3)评估成本函数：其等于使用的链路容量单位的成本乘以带宽为单位表示的总体网络负载；4)惩罚成本函数的评估：尚未分配给任何部署DPI交换机的流数从步骤1)中的一组路径中检索；惩罚成本：如果其低于阈值U，乘以这个数量，否则惩罚值是无限的以消除解决方案；5)通过求和三个成本函数来评估解x的适应值。