[发明专利]一种基于云原生安全技术的蜂巢自适应微隔离服务划分方法

说明书

本发明提供一种基于云原生安全技术的蜂巢自适应微隔离服务划分方法，其中，微隔离服务划分方法包括：获取针对单体应用的命令；将所述单体应用的命令转换为词向量，并得包括所述单体应用的词向量的向量集合D；对所述向量集合D进行无监督聚类，以基于云原生安全技术聚类结果对所述单体应用的命令进行分组；基于Davies‑Boulding指数公式计算各个K值下的聚类评估值，并基于聚类评估值最小的K值确定所述单体应用的划分结果。本申请能够克服人工划分存在的划分效率低、耗时的缺点，从而降低了安全策略管理的复杂度，减少了安全策略调整的时间，提升业务交付和调整的效率。

技术领域

本申请涉及数据中心技术领域，具体而言，涉及一种基于云原生安全技术的蜂巢自适应微隔离服务划分方法。

背景技术

目前，微隔离服务的划分依赖人工来划分，这方式存在沟通成本大、划分效率低的缺陷。

发明内容

本申请实施例的目的在于提供一种基于云原生安全技术的蜂巢自适应微隔离服务划分方法，用以提高微隔离服务的划分效率。

为此，本申请第一方面公开一种基于云原生安全技术的蜂巢自适应微隔离服务划分方法包括：

获取针对单体应用的命令；

将所述单体应用的命令转换为词向量，并得包括所述单体应用的词向量的向量集合D；

对所述向量集合D进行无监督聚类，以基于云原生安全技术聚类结果对所述单体应用的命令进行分组；基于Davies-Boulding指数公式计算各个K值下的聚类评估值，并基于聚类评估值最小的K值确定所述单体应用的划分结果。

在本申请第一方面中，作为一种可选的实施方式，所述对所述向量集合D进行无监督聚类，以基于聚类结果对所述单体应用的命令进行分组，包括：

基于K-MEANS算法对所述向量集合D进行无监督聚类，以基于聚类结果对所述单体应用的命令进行分组。

在本申请第一方面中，作为一种可选的实施方式所述基于K-MEANS算法对所述向量集合D进行无监督聚类，以基于聚类结果对所述单体应用的命令进行分组，包括：

建立K个候选分类簇；

基于所述向量集合D确定K个数据点并分别作为K个所述候选分类簇的第一：质心；

计算所述向量集合D中的每一个词向量与每一个所述第一质心的欧式距离；

确定将所述向量集合D中的词向量的最小欧式距离对应的所述第一质心；

将所最小欧式距离对应的所述第一质心所属的候选分类簇作为所述单体应用的微隔离服务划分结果。

在本申请第一方面中，作为一种可选的实施方式，所述将所最小欧式距离对应的所述第一质心所属的候选分类簇作为所述单体应用的微隔离服务划分结果之后，所述方法还包括：

基于所述单体应用的微隔离服务划分结果，计算所述候选分类簇的第二质心；

计算所述第二质心与所述第一质心的差值；

若所述差值小于预设质心阈值，则确定所述单体应用划分完成，若所述差值大于等于所述预设质心阈值，则基于K-MEANS算法对所述向量集合D进行迭代无监督聚类。

在本申请第一方面中，作为一种可选的实施方式，所述建立K个候选分类簇，包括：

获取服务器能够接纳的微隔离服务数量上限；

根据所述微隔离服务数量上限建立K个所述候选分类簇，其中，K等于所述微隔离服务数量上限。

在本申请第一方面中，作为一种可选的实施方式，所述将所述单体应用的命令转换为词向量，包括：