[发明专利]一种差分流量控制的自适应接入识别方法及终端设备

权利要求书

1.一种差分流量控制的自适应接入识别方法，其特征在于，所述方法包括：

当接收到数据流时，获取所述数据流对应的数据信息；

所述当接收到数据流时，获取所述数据流对应的数据信息具体包括：

当接收到数据流时，以map形式从内核态获取所述数据流对应的数据包；

当获取到的数据包的数量大于预设数量阈值后，获取所述数据流对应的数据信息；

基于所述数据信息以及预设的接入识别模型，确定所述数据流对应的预测接入类别；

所述接入识别模型包括若干弱分类器，若干弱分类器组成一强分类器，所述基于所述数据信息以及预设的接入识别模型，确定所述数据流对应的预测接入类别具体包括：

对于若干弱分类器中的每个弱分类器，基于所述弱分类器以及所述数据信息，确定所述数据流对应的候选接入类别；

基于各弱分类器确定的各候选接入类别，确定所述数据流对应的预测接入类别；

若干分类器中的每个弱分类器均经过训练，并且每个弱分类器均输出一权重值，其中，若干弱分类器中的每个弱分类器均采用决策树的形式；

所述基于所述数据信息以及预设的接入识别模型，确定所述数据流对应的预测接入类别之后，所述方法包括：

确定所述预测接入类别对应的拥塞算法，基于所述拥塞算法对所述数据流进行控制；

所述基于所述数据信息以及预设的接入识别模型，确定所述数据流对应的预测接入类别之后，所述方法还包括：

每间隔预设时间段获取初始训练数据集以及该预设时间段捕获的实时训练数据集；

对获取到实时训练数据集进行增强处理，并将增强处理后的实时训练数据集与所述初始训练数据集进行组合，以得到候选训练样本集；

基于所述候选训练样本集对接入识别模型进行训练，并在候选训练样本集训练完成后，将捕获到的所有实时训练数据集添加至初始训练数据集中，以更新所述初始训练数据集；

通过不断将最新捕获到的数据流对应的数据信息以及接入类别作为训练数据，使得训练得到的接入网络模型更快地适应网络的变化。

2.根据权利要求1所述差分流量控制的自适应接入识别方法，其特征在于，所述接入识别模型配置有两个接入类别；所述基于所述数据信息以及预设的接入识别模型，确定所述数据流对应的预测接入类别之后，所述方法还包括：

监听所述数据流对应的网络状态信息；

若所述网络状态信息满足预设条件，则将所述预测接入类别作为所述数据流对应的接入类别；

若所述网络状态信息不满足预设条件，则将非预测接入类别作为所述数据流对应的接入类别；

基于所述数据流对应的数据信息以及接入类别生成实时训练数据，以便于基于所述实时训练数据对所述接入识别模型进行更新。

3.根据权利要求2所述差分流量控制的自适应接入识别方法，其特征在于，所述网络状态信息包括数据包延迟和网络吞吐量；所述预设条件为数据包延迟相对于指定时间段内数据包延迟降低，网络吞吐量相对应于指定时间段内的网络吞吐量增加，其中，所述指定时间段内为数据量的起始接收时间至所述拥塞算法的启用时间之间。

4.根据权利要求1-3任一所述差分流量控制的自适应接入识别方法，其特征在于，所述接入识别模型的训练过程具体包括：

确定初始训练样本集以及预设网络模型，其中，所述预设网络模型包括一弱分类器；

将所述初始训练样本集中的训练样本数据输入预设网络模型，通过预设网络模型输出所述训练样本数据对应的预测接入类别；

基于所述预测接入类别以及所述训练样本数据对应的接入类别标签，确定所述训练样本数据对应的损失值；

若所述损失值大于预设阈值，则控制所述预设网络模型生成一弱分类器，并继续执行将所述初始训练样本集中的训练样本数据输入预设网络模型，直至得到所述接入识别模型 。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-4任意一项所述的差分流量控制的自适应接入识别方法中的步骤。

6.一种终端设备，其特征在于，包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；

所述通信总线实现处理器和存储器之间的连接通信；

所述处理器执行所述计算机可读程序时实现如权利要求1-4任意一项所述的差分流量控制的自适应接入识别方法中的步骤。