[发明专利]智融标识网络状态预测与拥塞控制系统

权利要求书

1.智融标识网络状态预测与拥塞控制系统，其特征在于，包括相互通信连接的分析模块、AI模块和控制器，以及转发模块；

所述分析模块用于获取网络状态信息，对该网络状态信息进行解析，获得状态特征数据，将该状态特征数据发送至所述AI模块；

所述AI模块用于预测网络状态，状态特征数据输入到LSTM—模糊聚类模型，输出获得的预测的网络状态，将预测的网络状态发送至所述控制器；所述控制器用于基于预测的网络状态，执行相对应的控制策略，以及用于验证LSTM—模糊聚类模型的有效性，验证控制策略的有效性，获得验证结果并基于验证结果维持或变更控制策略，并更新优化LSTM--模糊聚类模型参数；

所述转发模块分别与所述控制器和分析模块通信连接，用于转发、处理和监控数据包；

所述AI模块用于预测网络状态，状态特征数据输入到LSTM—模糊聚类模型，输出获得的预测的网络状态，将预测的网络状态发送至所述控制器的过程包括：

设置所述分析模块获取网络状态信息的时间间隔和获取时长，将该时间间隔内获取的网络状态信息作为LSTM—模糊聚类模型的输入值；

设置神经元数量、隐藏层和输出层数量，该神经元具有输入门、遗忘门和输出门；

基于状态特征数据，设置类聚域的类型；

对每个类型的类聚域设置隶属度值；

获得每个类型的类聚域的域中心；

设置误差阈值；

基于类聚域的隶属度值、域中心和误差阈值，进行多次迭代运算，获得预测的网络状态；

该预测的网络状态包括如下特征任一一种：正常状态；拥塞预警状态；持续拥塞状态和拥塞缓解状态；

所述控制器基于预测的网络状态，执行相对应的控制策略的过程包括：

当预测的网络状态为正常状态时，控制策略包括维持当前通信传输规则；

当预测的网络状态为拥塞预警状态时，控制策略包括：

对正在排队的数据包的排队时延进行校验；

对低优先级的数据包排队时延超过预设预警阈值且达到预设拥塞阈值的30％的数据包进行提升其优先级操作；

对高优先级且排队时延未达预设预警阈值的数据包进行循环，当排队时延到达预设预警阈值的90％时发送该数据包；

对出队列缓冲区的多维队列采取调度算法；

对入队列缓冲区排队的数据包处理开放虚拟映射通道，拓展的可编程代码实现交换机虚拟通道映射；

监控数据包容量，当一个或多个数据包的容量达到预设满额容量预警值时，限制通信传输速率；

当预测的网络状态为持续拥塞状态时，控制策略包括：

丢弃排队时延大于预设拥塞阈值的数据包；

收敛缓冲容量；

出队列缓冲区采取优先级调度算法；

在出口线程处理中对恶意数据流标识，并将其排到低优先级的多维出口缓冲区队列；

触发恶意流处理线程；

向外部控制平面汇报网络持续拥塞的情况；

当预测的网络状态为拥塞缓解状态时，控制策略包括：

更新预设预警阈值和预设拥塞阈值。

2.根据权利要求1所述的系统，其特征在于，所述分析模块为带内网络遥测INT分析模块，通过该INT分析模块获取网络状态信息的方式包括以下任意一种：周期性获取、持续性获取和高级别获取；

通过该INT分析模块获取的网络状态信息为网络状态的历史信息，包括：交换机内部的状态；入端口、出端口、入队列和出队列的排队长度、排队延迟；链路利用率；端口利用率；丢包率；

通过该INT分析模块对该网络状态信息进行解析，获得状态特征数据包括：

通过写入数据包头部的INT规则对网络状态信息进行转译，获得状态特征数据。

3.根据权利要求1所述的系统，其特征在于，

所述AI模块对每个类型的类聚域设置隶属度值的过程包括：

通过对每个类型的类聚域设置隶属度值；式中，u_ij为隶属度值；

所述AI模块获得每个类型的类聚域的域中心的过程包括：

通过获得每个类型的类聚域的域中心，式中，x_j为待确定聚类的样本。

4.根据权利要求1所述的系统，其特征在于，所述控制器验证LSTM—模糊聚类模型的有效性，验证控制策略的有效性，获得验证结果并基于验证结果维持或变更控制策略包括：

通过LSTM—模糊聚类模型更新预测的网络状态；

当相邻的预测的网络状态发生改变时，变更控制策略；

当相邻的预测的网络状态均为拥塞预警状态时，变更控制策略使该控制策略与持续拥塞状态相对应。