[发明专利]一种基于机器学习的网络带宽优化管理方法

权利要求书

1.一种基于机器学习的网络带宽优化管理方法，其特征在于，包括步骤：

A1.带宽分配设备收集、上传其下接用网设备的使用信息至运营商管理平台；

A2.所述运营商管理平台基于机器学习对所述使用信息进行整理和分析，生成相应的管理策略并下发至所述带宽分配设备；

A3.所述带宽分配设备按照所述管理策略管理其下接用网设备的带宽资源分配。

2.如权利要求1所述的一种基于机器学习的网络带宽优化管理方法，其特征在于，所述步骤A2具体包括步骤：

A21.所述运营商管理平台对上传的所述使用信息进行整理；

A22.对不同类别的所述使用信息采用不同的机器学习算法进行分析，得到对应的使用结论；

A23.对不同的使用结论设置不同的带宽分配策略，并结合用户自定义设置生成不同的管理策略并下发至所述带宽分配设备。

3.如权利要求2所述的一种基于机器学习的网络带宽优化管理方法，其特征在于：在所述步骤A22中，不同类别的所述使用信息包括所述下接用网设备的类型及其使用流量的大小、类型、时间，使用的APP，访问的网站。

4.如权利要求2所述的一种基于机器学习的网络带宽优化管理方法，其特征在于，所述使用结论包括：

第一种结论信息：在同一时间段总是占用最多带宽资源的下接用网设备明细；

第二种结论信息：一个所述下接用网设备占用最多带宽资源的流量类型明细；

第三种结论信息：一个所述下接用网设备占用最多带宽资源的时间段明细；

第四种结论信息：总是访问无法连接的境外服务器的网关或下接用网设备明细；

第五种结论信息：正在使用要求较高带宽资源的APP或访问要求较高带宽资源的网页的下接用网设备明细。

5.如权利要求4所述的一种基于机器学习的网络带宽优化管理方法，其特征在于：

针对所述第一种结论信息，所述带宽分配策略设置为：对所述下接用网设备明细中的下接用网设备进行限速；

针对所述第二种结论信息，所述带宽分配策略设置为：当所述下接用网设备使用所述流量类型明细中的流量类型时，对所述下接用网设备进行限速；

针对所述第三种结论信息，所述带宽分配策略设置为：当所述下接用网设备在所述时间段明细中的时间段使用网络时，对所述下接用网设备进行限速；

针对所述第四种结论信息，所述带宽分配策略设置为：禁止所述网关或下接用网设备访问所述境外服务器；

针对所述第五种结论信息，所述带宽分配策略设置为：对所述下接用网设备明细中的所述下接用网设备进行提速。

6.如权利要求5所述的一种基于机器学习的网络带宽优化管理方法，其特征在于：所述要求较高带宽资源的APP或访问要求较高带宽资源的网页为名额有限需要用户抢先拥有的一类、支付一类、涉及生命健康的一类。

7.如权利要求2所述的一种基于机器学习的网络带宽优化管理方法，其特征在于：所述用户自定义设置包括对特定下接用网设备的用网时长设置，网络开放时间段设置，限速、断网或提速设置。

8.如权利要求2所述的一种基于机器学习的网络带宽优化管理方法，其特征在于：所述机器学习算法包括多变量线性回归算法和Logistic回归算法。

9.如权利要求1所述的一种基于机器学习的网络带宽优化管理方法，其特征在于：在所述步骤A2中，生成相应的管理策略基于管理规定或者TR-069协议通过软件升级的方式安装在所述带宽分配设备中。