[发明专利]一种IP骨干网网络流量确定方法和系统

说明书

本发明公开了一种IP骨干网网络流量确定方法和系统。所述方法包括：构建深度信念网络模型；所述深度信念网络模型为以链路负载数据的快拍数据为输入，以端到端流量值的快拍数据为输出的神经网络模型；采集IP骨干网网络的链路负载数据；将所述链路负载数据进行归一化处理，得到先验测量值；提取所述先验测量值中的快拍数据；将所述先验测量值中的快拍数据输入所述深度信念网络模型，确定所述IP骨干网网络的端到端流量值的快拍数据；根据所述端到端流量值的快拍数据，确定所述IP骨干网网络的流量值。本发明提供的IP骨干网网络流量估计方法和系统，能够提高网络流量估计的准确性，且具有估计效率高的特点。

技术领域

本发明涉及网络流量预测技术领域，特别是涉及一种IP骨干网网络流量确定方法和系统。

背景技术

信息和通信技术的发展极大地改变了人类生活和生产方式，智能电网、办公自动化等基于Internet技术的业务已经进入人们生活当中。此外，智慧城市、大数据等先进信息理念和技术的提出，对未来人类社会的发展起到了积极的推动作用。Internet的发展使得网络规模急剧增大，网络承载业务类型呈多样化发展，特别是云计算、物联网的兴起使得网络已经成为一个复杂的异构网络。根据第37次《中国互联网络发展状况统计报告》结果显示，截至2015年12月，中国网民规模达6.88亿，全年共新增网民人数3951万人。Internet普及率达到50.3％，并且较2014年底提升了2.4％。为了给予用户方便、快捷的信息交互服务，网络流量急剧增加，这使得网络管理问题日益突出，因此Internet的发展面临着前所未有的挑战。此外，为了防止网络拥塞和抵御DDoS(DistributedDenial ofService)等网络攻击，以此为用户提供有保障的服务质量，有效的网络管理成为维持网络正常运行的关键环节。网络管理者在执行网络管理决策时，需要了解网络运行状态，例如时延、丢包率、吞吐量、带宽和网络流量等等。网络流量估计技术为网络管理者获取网络状态提供了必要的解决方案和技术支持，可有效地提高网络规划、负载均衡、IGP(Interior Gateway Protocol)链路权重设置等网络管理措施的效率。

为了提高网络流量估计的准确性，科学家们起初采用泊松分布、马尔科夫模型、高斯模型、AR模型、ARIMA模型、FARIMA模型、MWM模型、GARCH模型等线性或非线性模型来建模网络流量，以此作为附加信息来估计端到端网络流量，然而这些模型仅描述了网络流量的短相关性。但随着网络的商业化，网络节点数呈指数增长。同时新型网络应用的出现，使得网络流量具有多重统计特征，例如重尾分布、分形特性、自相关特性等特性。所以，对于一个复杂的异构网络，这些经典模型并不能准确对网络的流量进行准确估计。

发明内容

本发明的目的是提供一种IP骨干网网络流量确定方法和系统，能够提高网络流量估计的准确性，且具有估计效率高的特点。

为实现上述目的，本发明提供了如下方案：

一种IP骨干网网络流量确定方法，包括：

构建深度信念网络模型；所述深度信念网络模型为以链路负载数据的快拍数据为输入，以端到端流量值的快拍数据为输出的神经网络模型；

采集IP骨干网网络的链路负载数据；

将所述链路负载数据进行归一化处理，得到先验测量值；

提取所述先验测量值中的快拍数据；

将所述先验测量值中的快拍数据输入所述深度信念网络模型，确定所述IP骨干网网络的端到端流量值的快拍数据；

根据所述端到端流量值的快拍数据，确定所述IP骨干网网络的流量值。

可选的，在所述构建深度信念网络模型之前，还包括：

采集IP骨干网网络的端到端流量值和链路负载数据