[发明专利]一种网络拥塞控制方法、装置、终端及存储介质

说明书

本发明公开了一种网络拥塞控制方法、装置、终端及存储介质，方法包括：根据当前网络状况信息和已训练的神经网络模型确定发包速率，按照所述发包速率向接收端发包；接收所述接收端发送的返回报文，根据所述返回报文更新网络带宽占用度；在处于第一阶段时，若所述网络带宽占用度小于预设带宽占用阈值，则从所述第一阶段切换至第二阶段，在处于所述第二阶段时，若所述网络带宽占用度大于所述预设带宽占用阈值，则从所述第二阶段切换至所述第一阶段；其中，所述第一阶段内的所述发包速率小于所述第二阶段内的所述发包速率。本发明提供的网络拥塞控制方法能够在复杂的网络环境中实现稳定的拥塞控制。

技术领域

本发明涉及互联网技术领域，特别涉及一种网络拥塞控制方法、装置、终端及存储介质。

背景技术

目前全球互联网数据流量很大部分都通过TCP（Transmission ControlProtocol）协议进行传输，作为TCP协议的核心组件之一，拥塞控制算法严重影响着网络传输的性能，TCP协议拥塞控制算法通过维护一个拥塞窗口来控制发包速率，当通信链路较好时，拥塞窗口的值可以适当增大以提高链路利用率，当链路出现拥塞时，拥塞窗口就应该及时减小以防止链路过载，造成网络崩溃。

在互联网早期阶段，通信媒介主要以有线网络为主，其带宽较低，因链路故障引发的丢包可忽略不计，且路由器和交换机通常被配置了很浅的缓存队列，基于上述链路特征，研究人员开发了一系列经典的启发式拥塞控制算法，例如Cubic、Reno等，这些启发式算法将丢包作为网络发生拥塞的信号，并以乘性增线性减（AIMD）的方式，动态调节发包速率。然而近年来随着蜂窝网络、卫星网络等新兴网络架构的部署，网络整体环境发生了巨大变化，并朝着复杂化的趋势不断演变，不同网络类型和应用场景下的网络特征截然不同，现有的启发式拥塞控制算法往往根据过于简化甚至不真实的假设条件，难以适应复杂网络环境，不能始终保持高性能。

因此，现有技术还有待改进和提高。

发明内容

针对现有技术的上述缺陷，本发明提供一种网络拥塞控制方法、装置、终端及存储介质，旨在解决现有技术中已有的启发式拥塞控制算法难以适应复杂网络环境的问题。

为了解决上述技术问题，本发明所采用的技术方案如下：

本发明的第一方面，提供一种网络拥塞控制方法，所述方法包括：

根据当前网络状况信息和已训练的神经网络模型确定发包速率，按照所述发包速率向接收端发包；

接收所述接收端发送的返回报文，根据所述返回报文更新网络带宽占用度；

在处于第一阶段时，若所述网络带宽占用度小于预设带宽占用阈值，则从所述第一阶段切换至第二阶段，在处于所述第二阶段时，若所述网络带宽占用度大于所述预设带宽占用阈值，则从所述第二阶段切换至所述第一阶段；

其中，所述第一阶段内的所述发包速率小于所述第二阶段内的所述发包速率。

所述的网络拥塞控制方法，其中，所述根据当前网络状况信息和已训练的神经网络模型确定发包速率，包括：

当处于所述第一阶段时，将所述当前网络状况信息输入至已训练的第一神经网络模型，获取所述第一神经网络模型输出的发包速率系数；

当处于所述第二阶段时，将所述当前网络状况信息输入至已训练的第二神经网络模型，获取所述第二神经网络模型输出的发包速率系数；

根据所述发包速率系数和预设链路最大可用带宽确定所述发包速率；

其中，所述第一神经网络模型和所述第二神经网络模型分别是根据第一数据集和第二数据集训练得到的，所述第一数据集中包括多组第一数据，每组第一数据包括第一样本网络状况信息和第一样本发包速率对应的网络效用值，所述第二数据集中包括多组第二数据，每组第二数据包括第二样本网络状况信息和第二样本发包速率对应的网络效用值。