[发明专利]一种基于DPI和机器学习的网络流量调度系统及方法

说明书

本发明涉及一种基于DPI和机器学习的网络流量调度系统及方法，该系统包括基于SDN架构的SDN控制器、数据分析服务器、数据采集服务器和物理设备，由若干所述物理设备互联构成数据传输网络；该方法是SDN控制器对物理设备下发命令与规则，同时监听网络环境；物理设备对入网数据进行识别并打上相应的标记，继而根据上述命令与规则对入网数据进行转发；该标记有多种，其由SDN控制器针对不同网络业务而设定；数据采集服务器获取数据并将其上传至数据分析服务器；数据分析服务器通过DPI或/和机器学习方式对数据进行分析归类，再将分析结果返回给SDN控制器；SDN控制器根据用户设置、分析结果及当前网络环境来设定或调整所述命令与规则。

技术领域

本发明涉及计算机网络技术领域，尤其涉及一种基于DPI和机器学习的网络流量调度系统及方法。

背景技术

网络上不同的业务有不同的带宽、时延、传输性能等要求，为了能够对网络资源根据不同的业务实现资源的合理分配，需要对流经网络的数据进行分析，实现应用级别的监控，按不同的规则在全局的网络视图下对业务进行监控，并依据应用的需求进行网络资源按需调度和分配。近几年来，随着网络可编程技术的发展和网络架构的不断演进，具有集中控制、网络可编程的软件定义开放网络架构能满足以上需求，并且成为了未来构建网络的必要技术。

由于传统网络架构中网络设备的孤岛模式，仅拥有局部的网络视图，很难形成一个全局性的形态，不适合使用机器学习方法，难以将DPI(深度报文检测)和机器学习技术综合起来实现报文检测、业务分类、网络资源调度等功能，用户开发的应用不能实时感知网络并及时做出相应的调整，并且DPI检测技术无法识别那些特征码还未记录进特征库中的应用流量，滞后于新应用的发布，也不能识别加密的网络数据流，具有一定的局限性。而在软件定义网络(SDN)架构下，网络中所有的报文都是根据控制器的规则进行转发，用户开发的应用也是通过控制器的规则进行转发，在对网络进行监控时，SDN控制器提供全局性的视图，对网络设备集中管控，并展现网络资源和业务的全局视图。

发明内容

本发明所要解决的技术问题在于，提供一种基于DPI和机器学习的网络流量调度系统及方法，以满足对网络流量调度的需求。

为了解决上述技术问题，本发明提供一种基于DPI和机器学习的网络流量调度系统，包括：

基于SDN架构的SDN控制器、数据分析服务器、数据采集服务器和物理设备，由若干所述物理设备互联构成数据传输网络；

所述SDN控制器用于通过对物理设备下发命令与规则，实现对入网数据的转发链路规划，同时其监听所述数据传输网络的网络环境；

所述物理设备用于对入网数据进行识别并打上相应的标记，并根据所述命令与规则对入网数据进行转发；所述标记由所述SDN控制器针对不同网络业务而设定；

所述数据采集服务器用于连接所述数据传输网络以获取数据，并将其上传至所述数据分析服务器；

所述数据分析服务器用于通过DPI或/和机器学习方式对数据进行分析归类，再将分析结果返回给所述SDN控制器；

所述SDN控制器用于根据用户设置、分析结果及当前网络环境来设定或调整所述命令与规则。

其中，所述基于DPI和机器学习的网络流量调度系统还包括对数据进行安全过滤和防护的安全设备，所述安全设备用于对首次识别到的网络业务数据的处理。

本发明还提供一种基于DPI和机器学习的网络流量调度方法，包括：

设置基于SDN架构的SDN控制器、数据分析服务器、数据采集服务器和物理设备，由若干所述物理设备互联构成数据传输网络；

由所述SDN控制器针对不同网络业务设定有若干种标记、命令和规则，并将之下发至物理设备，同时其监听该数据传输网络的网络环境；