[发明专利]一种用于网络流量优先级排序的方法和系统有效
申请号: | 201680017819.6 | 申请日: | 2016-03-02 |
公开(公告)号: | CN107431663B | 公开(公告)日: | 2021-07-06 |
发明(设计)人: | 恩佐·费诺格里欧;安德烈·舒尔库夫;约瑟夫·福瑞尔;雨果·拉达匹;奥坦·斯塔克尔;迈克尔·科斯特洛 | 申请(专利权)人: | 思科技术公司 |
主分类号: | H04L12/801 | 分类号: | H04L12/801;H04L12/851;H04L12/911;H04L12/26;H04L29/06 |
代理公司: | 北京东方亿思知识产权代理有限责任公司 11258 | 代理人: | 姜飞 |
地址: | 美国加利*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用于 网络流量 优先级 排序 方法 系统 | ||
1.一种在计算设备上实现的用于网络流量优先级排序的方法,包括:
接收来自网络路由器的粗糙流数据,其中,所述粗糙流数据包括对所述路由器上的数据流的概括统计,其中所述数据流中的至少一些数据流是经加密的数据流;
对所述概括统计进行分类以从所述经加密的数据流中检测视频流;
针对所述检测到的视频流中的每个视频流来从所述网络路由器请求精细流数据,其中,所述精细流数据包括基于每个分组的信息;
接收来自所述网络路由器的所述精细流数据;
根据所述信息来根据视频服务提供商对所述检测到的视频流中的每个视频流进行分类;以及
至少基于所述对所述检测到的视频流中的每个视频流的分类来根据优先级等级在网络上路由所述视频流。
2.如权利要求1所述的方法,还包括使用深度学习分析来对下列项中的至少一项进行分类:所述概括统计和所述检测到的视频流。
3.如权利要求1所述的方法,还包括使用流形学习和扩散映射来对下列项中的至少一项进行分类:所述概括统计和所述检测到的视频流。
4.如权利要求1所述的方法,其中:
所述概括统计是使用深度学习分析被分类的;并且
所述检测到的视频流是使用流形学习和扩散映射被分类的。
5.如权利要求1所述的方法,其中,所述概括统计基于一分钟或整个所述数据流的长度中的较短者。
6.如权利要求1所述的方法,其中,所述信息至少包括使用下列项中的至少一项的特征向量:分组大小或分组到达间隔时间。
7.如权利要求6所述的方法,其中,所述信息至少包括使用分组大小和分组到达间隔时间二者的特征向量。
8.如权利要求1所述的方法,还包括:
通过手动生成所述信息的样本来产生地面真实数据集,其中,所述生成的样本表示所述视频服务提供商:
将所述生成的样本投影在嵌入空间中以形成嵌入式样本;
基于所述嵌入式样本标识应用集群;
将新的未标记样本投影在所述嵌入空间中;以及
根据所述新的未标记样本与所述应用集群中的一个应用集群的质心的接近度,使用随机森林或k-NN(k最近邻)算法中的至少一个来对所述新的未标记样本进行分类。
9.如权利要求1所述的方法,其中,所述信息至少包括使用下列流量流属性中的至少一个的特征向量:全部字节、全部分组、或流持续时间。
10.如权利要求1所述的方法,还包括:
为所述检测到的视频流分配至少一个优先级等级;以及
指示所述路由器根据所述至少一个优先级等级来将所述检测到的视频流相对于其他所述数据流进行优先级化。
11.一种网络流量优先级排序系统,包括:
至少一个处理器;
收集器,所述收集器可操作来由所述处理器执行,以接收来自数据网络中的多个路由器的数据流;
粗糙分类器,所述粗糙分类器可操作来由所述处理器执行,以通过对所述收集器从所述多个路由器接收到的网络流量概括统计进行分类来从经加密的网络流量中检测特定类型的网络流量;
精细分类器,所述精细分类器可操作来由所述处理器执行,以基于根据每个分组的信息来根据服务提供商对所述特定类型的经加密的网络流量进行分类;以及
流导向器,所述流导向器可操作来由所述处理器执行,以用于:
从所述多个路由器请求所述数据流,以及
指示所述多个路由器中的至少一个路由器以至少基于所述精细分类器所确定的流量分类来根据优先级等级对所述数据流的路由进行优先级排序。
12.如权利要求11所述的系统,其中,所述流导向器被配置为从用于与所述检测到的特定类型的网络流量相关联的流量流的所述多个路由器中的一个请求所述信息。
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思科技术公司,未经思科技术公司许可,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/pat/books/201680017819.6/1.html,转载请声明来源钻瓜专利网。