[发明专利]基于机器学习的专线流量管控方法、装置及计算机设备

权利要求书

1.一种基于机器学习的专线流量管控方法，其特征在于，包括：

获取历史专线数据，并对所述历史专线数据进行特征提取，依据提取出的特征构建特征数据库；

基于机器学习与所述特征数据库，预测专线高峰流量时间段与专线低峰流量时间段；

确定在所述专线高峰流量时间段各个系统级别对应的高峰流量占比以及在所述专线低峰流量时间段所述各个系统级别对应的低峰流量占比，根据所述高峰流量占比与所述低峰流量占比确定流量管控策略，所述根据所述高峰流量占比与所述低峰流量占比确定流量管控策略，包括：在所述专线高峰流量时间段内，且专线带宽使用率达到预设使用量时，根据所述系统级别从低到高依次中断每个所述系统级别对应的全部流量请求，直到剩余未中断的所述高峰流量占比低于第一预设中断阈值，在所述专线低峰流量时间段内，且所述专线带宽使用率未达到所述预设使用量时，恢复所述专线高峰流量时间段内被中断的流量请求，在所述专线低峰流量时间段内，所述专线带宽使用率达到所述预设使用量时，计算每个所述系统级别的所述低峰流量占比与所述系统级别的预设最低流量占比的差值，根据所述系统级别从低到高依次中断每个所述系统级别对应所述差值的流量请求，直到剩余未中断的所述低峰流量占比低于第二预设中断阈值；

根据所述流量管控策略管控专线流量。

2.根据权利要求1所述的方法，其特征在于，所述基于机器学习与所述特征数据库，预测专线高峰流量时间段与专线低峰流量时间段，包括：

利用所述特征数据库训练初始时间序列模型，得到训练完成的目标时间序列模型；

在所述特征数据库中提取应用请求流量使用量，将所述应用请求流量使用量输入所述目标时间序列模型，获取专线流量走势；

将所述专线流量走势上高于预设高峰阈值的时间段确定为专线高峰流量时间段，将所述专线流量走势上低于预设低峰阈值的时间段确定为专线低峰流量时间段。

3.根据权利要求2所述的方法，其特征在于，所述利用所述特征数据库训练初始时间序列模型，得到训练完成的目标时间序列模型，包括：

根据预设比例，将所述特征数据库分为训练集与测试集；

利用所述训练集训练初始时间序列模型，并计算所述初始时间序列模型的损失值；

在判断所述损失值满足预设损失值阈值时，将所述测试集输入所述初始时间序列模型，获取预测值，并判断所述预测值与所述测试集中实际值的差值是否在预设阈值范围内，若是，则将所述初始时间序列模型确定为目标时间序列模型，若否，则调整所述初始时间序列模型的参数，直至所述预测值与所述实际值的差值在所述预设阈值范围内，将所述初始时间序列模型确定为目标时间序列模型。

4.根据权利要求1所述的方法，其特征在于，所述特征数据库中的特征包括：目的IP、应用请求流量使用量；

所述确定在所述专线高峰流量时间段各个系统级别对应的高峰流量占比以及在所述专线低峰流量时间段所述各个系统级别对应的低峰流量占比，根据所述高峰流量占比与所述低峰流量占比确定流量管控策略，包括：

在所述专线高峰流量时间段，根据所述目的IP判断各个系统级别对应的所述应用请求流量使用量，将同一系统级别对应的所述应用请求流量使用量的加和占专线带宽流量的百分比确定为各个系统级别对应的高峰流量占比；

在所述专线低峰流量时间段，根据所述目的IP判断所述各个系统级别对应的所述应用请求流量使用量，将同一系统级别对应的所述应用请求流量使用量的加和占专线带宽流量的百分比确定为各个系统级别对应的低峰流量占比；

根据所述高峰流量占比、所述低峰流量占比以及所述专线带宽流量的使用率制定重新分配所述高峰流量占比与所述低峰流量占比的流量管控策略。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

监测外部应用的流量请求，切断与所述流量管控策略不符合的流量请求。