[发明专利]一种基于深度图神经网络的路由方法及相关设备

说明书

本发明公开了一种基于深度图神经网络的路由方法及相关设备，方法包括：获取目标数据包，提取所述目标数据包对应的目标拓扑特征向量；将所述目标拓扑特征向量与自身拓扑特征向量进行比较，若相同，则拆除所述目标数据包的包头并获取所述目标数据包中的目标数据，若不同，则根据所述目标拓扑特征向量与各邻居节点的拓扑特征向量确定与所述目标拓扑特征向量的匹配度最高的目标邻居节点；将所述目标数据包发送至所述目标邻居节点。本发明可以降低路由过程中的信息冗余和网络资源消耗，实现更高效的网络路由策略。

技术领域

本发明涉及互联网技术领域，特别涉及一种基于深度图神经网络的路由方法及相关设备。

背景技术

现有路由技术通常依赖于全网的拓扑信息交互，这将造成大量的网络资源消耗。例如，以路由信息协议(Routing Information Protocol,RIP)为代表的距离向量算法需要每个节点都维护一个距离向量表，表中记录了该节点到网络中所有其他节点的距离，同时每个节点需要定期将其现有完整的距离向量广播给其邻居节点以更新路由状态。在网络规模较大的情况下，距离向量表的体积将变得非常庞大，生成距离向量表的交互次数也随着网络规模的增大而增大，网络节点间的路由信息交互将耗费大量的网络传输资源。而开放式最短路径优先协议(Open Shortest Path First,OSPF)使用链路状态路由方法，虽然每个参与算法的节点仅将其周边的链路状态变化广播出去，但为了保证网络中所有节点都有完全的网络拓扑信息，需要采用洪泛机制向全网进行广播，将难以避免的造成大量的信息冗余和资源浪费。

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，本发明提供一种基于深度图神经网络的路由方法及相关设备，旨在解决现有技术中的路由方法容易造成大量的信息冗余和资源浪费的问题。

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，提供一种基于深度图神经网络的路由方法，所述方法包括：

获取目标数据包，提取所述目标数据包对应的目标拓扑特征向量，所述目标拓扑特征向量为所述目标数据包的目的节点对应的拓扑特征向量；

将所述目标拓扑特征向量与自身拓扑特征向量进行比较，若相同，则拆除所述目标数据包的包头并获取所述目标数据包中的目标数据，若不同，则根据所述目标拓扑特征向量与各邻居节点的拓扑特征向量确定与所述目标拓扑特征向量的匹配度最高的目标邻居节点；

将所述目标数据包发送至所述目标邻居节点。

所述的基于深度图神经网络的路由方法，其中，所述获取目标数据包之前，还包括：

获取本地节点标识以及本地拓扑特征向量；

向注册服务器发送注册拓扑特征向量请求信息，所述请求信息包括本地节点标识以及本地拓扑特征向量，以在所述注册服务器的映射表中添加新的映射，所述注册服务器用于存储映射表，为各节点提供节点查询服务。

所述的基于深度图神经网络的路由方法，其中，所述获取本地拓扑特征向量，包括：

获取本地度，所述本地度为本地节点的邻居节点的数量；

获取各邻居节点的度，所述邻居节点的度为邻居节点的邻居节点数量；

根据所述本地度和各所述邻居节点的度生成本地初始特征向量；

将获取到的所述本地初始特征向量以及各邻居节点的初始特征向量输入至目标图神经网络，得到本地拓扑特征向量。

所述的基于深度图神经网络的路由方法，其中，所述根据所述本地度和各所述邻居节点的度生成本地初始特征向量，包括：