[发明专利]移动边缘计算平台中基于业务识别的网络功能编排方法有效
申请号: | 201911389416.6 | 申请日: | 2019-12-30 |
公开(公告)号: | CN111082997B | 公开(公告)日: | 2021-05-14 |
发明(设计)人: | 赵力强;殷清玉;李婷 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | H04L12/24 | 分类号: | H04L12/24;H04L29/08;G06N3/04;G06N3/08 |
代理公司: | 陕西电子工业专利中心 61205 | 代理人: | 田文英;王品华 |
地址: | 710071*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 移动 边缘 计算 平台 基于 业务 识别 网络 功能 编排 方法 | ||
1.一种移动边缘计算平台中基于业务识别的网络功能编排方法,其特征在于,移动边缘计算平台根据接收到的实时用户服务请求,提取数据流特征并输入至训练好的BP神经网络得到业务类型,利用平台设置的容器管理器kubernetes选取对应的移动边缘计算平台网络功能;该方法的具体步骤包括如下:
(1)接收已知业务类型的用户服务请求:
(1a)从可连入运营商通信网络的用户终端中随机选取与已知业务类型数目相同的用户终端;
(1b)每个所选用户终端向移动边缘计算平台发送一种与其它用户终端不同类型的业务请求;
(2)抓取不同类型业务的网络流量:
移动边缘计算平台从每个类型业务中每隔一秒抓取20秒的网络流量,将每秒抓取的网络流量组成一个数据流;
(3)生成训练集:
移动边缘计算平台从每个数据流中提取所有的数据流特征,将每个数据流的数据流特征组成一个数据流特征集合,从每个数据流特征集合中选取元素属性相同的所有数据流特征组成一个训练集;
(4)构建BP神经网络:
搭建一个由输入层、隐含层、输出层组成的BP神经网络,按照训练集中的元素个数设置输入层神经元数目,按照已知业务类型数目设置输出层的节点数目,隐含层的节点数目设置为隐含层的激活函数选择Log-sigmoid传输函数,其中,P表示输入层神经元数目,Q表示输出层节点数目;
(5)训练BP神经网络:
将训练集输入到BP神经网络中,利用梯度下降法迭代更新BP神经网络的均方误差,直至均方误差小于0.05时得到训练好的BP神经网络;
(6)接收待识别类型的实时用户服务请求:
移动边缘计算平台实时接收一个待识别类型的用户服务请求,平台在接收用户服务请求的过程中抓取一秒的网络流量组成一个数据流;
(7)识别用户服务请求的业务类型:
(7a)移动边缘计算平台从步骤(6)所抓取的数据流中提取与步骤(3)中元素属性相同的数据流特征组成一个数据流特征集;
(7b)将数据流特征集输入到训练好的BP神经网络中,得到用户服务请求的业务类型;
(8)编排移动边缘计算网络功能:
移动边缘计算平台中设置的容器管理器kubernetes,根据识别的用户服务请求的业务类型,从移动边缘计算平台的所有网络功能中选取对应的网络功能,容器管理器kubernetes对所选取的网络功能进行参数配置,并将完成参数配置的网络功能封装成一个调度单元Pod;
(9)实现业务服务:
容器管理器kubernetes为每个调度单元Pod分配相应的资源,并向用户终端提供应用程序编程接口API,用户终端通过程序编程接口API得到业务服务。
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西安电子科技大学,未经西安电子科技大学许可,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/201911389416.6/1.html,转载请声明来源钻瓜专利网。