[发明专利]一种基于深度学习的SDN流表冲突检测方法

摘要

本发明公开一种基于深度学习的SDN流表冲突检测方法。该方法采用两级深度学习模型进行冲突检测，第一级深度学习模型检测新的流表策略与已有的流表策略是否存在冲突；第二级深度学习模型确定已有的所有流表策略中与新的流表策略相冲突的具体流表策略。本发明利用了深度学习抽象化高层数据、自动学习的特点，相比于传统的冲突查找算法，在大规模应用部署时能更快速地对超大规模的流表项做出是否冲突的检测。

主权项

1.一种基于深度学习的SDN流表冲突检测方法，其特征在于，该方法采用两级深度学习模型进行冲突检测，第一级深度学习模型用于检测新的流表策略与已有的流表策略是否存在冲突；第二级深度学习模型用于确定在已有的所有流表策略中与新的流表策略相冲突的具体流表策略；该方法包含如下步骤：（1）将已有的所有流表信息按照每个窗口固定X条流表策略的大小进行分割，分割成m个窗口；（2）取其中一个已分割的窗口A，将需要检测的新的流表策略与窗口A的所有流表策略组成一个含X+1条流表策略的新的窗口B，将窗口B的所有数据的信息特征作为第一级深度学习模型的输入；（3）当第一级深度学习模型对窗口B的所有流表策略检测后：如未检测到窗口B内流表策略间存在冲突，且仍有未检测完成的已分割的窗口，则将返回步骤（2）；如未检测到冲突，且已检测完所有m个窗口，则进入步骤（6）；如检测到窗口内流表策略间存在冲突，则进入步骤（4）；（4）取窗口A的一条流表策略，将该流表策略与需要检测的流表策略组成一个只有两条流表策略的窗口C，将窗口C中所有数据的信息特征作为第二级深度学习模型的输入；（5）当第二级深度学习模型对窗口C的流表策略进行检测后，如检测到窗口C内流表策略间存在冲突，记录对应C内除需要检测的流表策略外的流表策略，记为flowEntyi，同时不管有无检测到冲突，均进行如下判断：如窗口A中仍有未检测完成的流表策略，则返回步骤（4）；如窗口A中所有流表策略已检测完成，但未检测完所有m个分割后的窗口，则进入步骤（2）；如窗口A中所有流表策略已检测完成，且已检测完所有m个分割后的窗口，则进入步骤（6）；（6）汇总所有流表策略flowEntyi，这些流表策略即为与需要检测的新的流表策略相冲突的流表策略。