[发明专利]用于获得安全资源的等效负载的方法和系统

说明书

技术领域

本发明涉及信息安全领域，特别涉及一种用于获得安全资源的等效负载的方法和系统。

背景技术

现代的云计算信息系统中，通过完成高效的分布式计算、分布式存储和软件定义网络技术，构建了软件定义的数据中心。虚拟化、云计算和软件定义架构的出现，对安全提出了新的挑战。

在软件定义安全架构中，通过智能化、自动化的安全业务编排和管理来有效管理安全业务。为了实现智能化、自动化的安全业务编排和管理，需要根据安全业务属性和安全资源的能力从资源池中选择适宜的安全资源来处理相应的安全业务，有效提升安全业务执行效率的同时也是为了实现资源利用最大化。直观准确地描述出安全资源的当前能力能够确保安全业务分配的有效性，同时有助于进行安全资源布局，在面向用户的云安全服务中也有助于SLA(Service-Level Agreement，服务等级协议)指标的定义。

传统的安全资源的负载能力描述一般都是基于备选资源当前的系统参数，如CPU、内存使用率等来实现，没有考虑业务的持续化动态发展，更不适用于软件定义安全架构下的智能化业务编排的需要。

发明内容

本发明需要解决的一个技术问题是：提供一种用于获得安全资源的等效负载的方法。

根据本发明的第一方面，提供了一种用于获得安全资源的等效负载的方法，包括：获得安全资源自身的实时物理负载和安全业务的剩余执行时间；以及根据所述安全资源自身的实时物理负载和所述安全业务的剩余执行时间确定所述安全资源的等效负载。

在一个实施例中，其中，等效负载＝安全业务的剩余执行时间×安全资源自身的实时物理负载。

在一个实施例中，获得安全业务的剩余执行时间的步骤包括：获得所述安全业务当前完成的比例和所述安全业务的预测执行时间；以及根据所述安全业务当前完成的比例与所述安全业务的预测执行时间计算得到所述安全业务的剩余执行时间。

在一个实施例中，获得所述安全业务的预测执行时间的步骤包括：通过使用所述安全业务的历史执行数据进行神经网络训练，建立BP神经网络模型，其中，训练时输入的历史执行数据包括所述安全业务的决定性参数和所述安全业务的历史执行时间；在所述安全业务的实际执行完成后，利用所述安全业务的实际执行数据对建立的所述BP神经网络模型进行增量训练，所述实际执行数据包括所述安全业务的决定性参数和实际执行时间；以及在新的所述安全业务的决定性参数输入所述BP神经网络模型之后，得到所述安全业务的预测执行时间。

在一个实施例中，所述安全业务包括k个安全业务，k为正整数；通过以下公式计算得到所述等效负载equivalent_load：

其中，n为正整数，task_progress_k为所述安全资源中第k个安全业务当前完成的比例，其从安全资源中实时读取；Predicted_Time_k为所述安全资源中第k个安全业务的预测执行时间；load为所述安全资源自身的实时物理负载。

在一个实施例中，获得安全资源自身的实时物理负载的步骤包括：从所述安全资源实时获取所述安全资源的CPU利用率、内存利用率和磁盘利用率；以及根据所述CPU利用率和CPU利用率权重、所述内存利用率和内存利用率权重以及所述磁盘利用率和磁盘利用率权重计算得到所述安全资源自身的实时物理负载。

在一个实施例中，通过以下公式计算得到所述安全资源自身的实时物理负载load：

其中，cpu_usage为所述安全资源的CPU利用率，cpu_usageWeight为所述安全资源的CPU利用率权重，memory_usage为所述安全资源的内存利用率，memory_usageWeight为所述安全资源的内存利用率权重，disk_usage为所述安全资源的磁盘利用率，disk_usageWeight为所述安全资源的磁盘利用率权重。

本发明中，通过安全资源自身的实时物理负载和安全业务的剩余执行时间来确定该安全资源的等效负载，提供一种用于获得安全资源的等效负载的方法，实现了获得等效负载的目的。

进一步地，可以通过等效负载对安全资源的负载能力进行抽象描述，可以以将安全业务分配给适宜的安全资源，提高安全业务执行效率。