[发明专利]一种基于5G网络能力开放的自适应网络流量分类方法

说明书

本发明公开了一种基于5G网络能力开放的自适应网络流量分类方法，包括以下步骤：1)构建整体数据，再对整体数据的特征向量进行提取；2)将步骤1)提取的各特征向量作为数据样本，通过已标记数据样本的已知类别信息计算初始聚类中心以优化k‑means算法，得若干k‑means中心点，利用各k‑means中心点构建初始中心点集合M；3)利用初始中心点集合M对网络流进行k‑means聚类，利用k个簇及k个簇中心点根据评价函数得到聚簇结果；4)统计聚簇已标记网络流的数目，根据聚簇已标记网络流的数目进行网络流的分类，实现基于5G网络能力开放的自适应网络流量分类，该方法建模时间短，时空复杂度低，且应用范围广。

技术领域

本发明属于网络信息领域，涉及一种基于5G网络能力开放的自适应网络流量分类方法。

背景技术

近年来，能力开放市场潜力大，客户需求旺盛，通信能力开放与集成已成为运营商未来增长的热点和5G网络发展的重点。5G阶段是网络使能到业务使能的转变，对于网络能力的调用程度更广更深，能力开放的种类和范围更多。但是5G能力开放目前标准层面和业务需求层面仍处于研究探索阶段，从调研反馈情况来看，5G能力开放的产品研发工作还未深入展开，因此，非常有必要对标准层面和演进策略方面开展相关的研究工作，需要通过对5G网络能力开放开展深入的发展策略研究，进而推动业务能力平台的平滑演进。

在当今复杂的网络环境下，为了实现对网络流量的有效监管和控制，对网络带宽资源进行合理分配并保证网络信息的安全可靠传输，网络流量分类技术的研究变得尤为重要。与此同时，与传统4G或3G的网络环境相比，在5G的网络中出现了大量的新型应用，这些应用所带来的未知协议流量使网络流量的构成变得更加复杂。据统计，在目前网络中属于新型应用的网络流量已占到未识别数据网络流的60％和未识别比特数的30％，因此，在进行网络流量分类时，若分类器不对这些新型未知协议网络流量进行处理，将严重影响到网络流量分类的整体准确率。大量出现的新型应用为传统的网络流量分类方法带来了一些技术难题，需要新的技术来改进原有的分类方案，适应如今复杂的网络环境。

近年来，目前网络流量分类方法主要有4种:基于端口的流量分类技术、基于深度包检测(DeepPacket Inspection，DPI)的流量分类技术、基于流统计特征的机器学习(Machine Learning，ML)的流量分类方法和基于用户行为特征的流量分类技术。

基于端口的流量分类技术

在互联网发展的初期，网络中的流量种类和数目都相对较少，互联网数字分配机构IANA组织为一些常见的网络协议分配了固定的端口号，因此在早期对网络流量进行分类时，可以通过识别数据包的源端口号和目的端口号来判断该流量的所属的应用协议类型。

基于深度包检测的流量分类技术

数据包的载荷部分含有大量信息，DPI就是利用这些信息进行分类。基于DPI流量分类技术是依据特定协议或应用的特征码来实现的，通过对网络流量中的载荷数据进行特征码匹配，来获取流量的分类。

基于DPI的分类技术虽然具有较高的准确率，但也存在一些缺点:消耗较多的计算资源，对数据加密分类能力较弱，各类应用特征码提取和更新比较困难，对载荷数据的分析会带来对用户隐私权的侵犯。

基于流统计特征的机器学习方法

近年来，随着人工智能技术的发展，越来越多的研究者开始利用机器学习算法来解决流量分类问题。利用机器学习解决流量分类问题，主要有两个部分:训练数据集和机器学习算法。训练数据集的生成首先需要利用DPI工具、系统进程监控或人工的方法标注训练样本，得到样本标签，然后从网络流量中提取数据流的特征，最后利用训练集和机器学习算法得到分类器，即可用训练好的分类器对网络流量进行分类。

基于用户行为特征的流量分类技术