CN110691035A - 一种网络拥塞的确定方法、装置、电子设备及存储介质 - Google Patents
一种网络拥塞的确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110691035A CN110691035A CN201910987282.1A CN201910987282A CN110691035A CN 110691035 A CN110691035 A CN 110691035A CN 201910987282 A CN201910987282 A CN 201910987282A CN 110691035 A CN110691035 A CN 110691035A
- Authority
- CN
- China
- Prior art keywords
- performance parameters
- network
- network congestion
- network performance
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004891 communication Methods 0.000 claims abstract description 29
- 238000012549 training Methods 0.000 claims abstract description 21
- 230000005540 biological transmission Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/11—Identifying congestion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本公开关于一种网络拥塞的确定方法、装置、电子设备及存储介质,涉及通信领域,用以提高网络拥塞识别的准确率。所述网络拥塞的确定方法,包括:获取通信网络中用于表征网络拥塞情况的网络性能参数;将所述网络性能参数输入到预先训练的网络拥塞识别模型中进行识别,根据所述网络拥塞识别模型输出的识别结果,确定所述通信网络是否拥塞,其中,所述网络拥塞识别模型是基于历史网络性能参数以及所述历史网络性能参数对应的网络拥塞结果训练生成的。
Description
技术领域
本公开涉及通信领域,尤其涉及一种网络拥塞的确定方法、装置、电子设备及存储介质。
背景技术
在网络领域,网络拥塞情况的判定是很多上层控制算法的基础。网络拥塞的判定过于保守,会大大降低网络带宽利用率,网络拥塞判定过于激进,则会导致网络传输延迟增大、丢包现象情况严重,甚至网络瘫痪。因此,如何准确的判定网络拥塞,对提升整体网络性能尤为重要。
现有技术中主要采用两种方式判别网络拥塞。方式一,检测网络中是否发生丢包现象,在确定实际网络中发生丢包时,确定网络拥塞。方式二,检测网络传输时延,在确定网络传输时延大于一定阈值,确定网络拥塞。
针对方式一,实际网络中发生丢包的原因很多,尤其在无线网络下,随机丢包、信道干扰、信号衰减等都会导致丢包现象产生,但是网络却不一定发生拥塞。因此,单纯基于丢包现象进行网络拥塞判定的方法,很容易造成误判。
针对方式二,在基于传输时延的网络拥塞判定中,如何设置判定网络拥塞的传输时延阈值非常困难,并且经常设置不合理,这主要是因为网络环境的复杂,导致真正发生网络拥塞时的传输时延值差异会非常大,通过设置单一的阈值难以覆盖所有的情况。此外,网络的传输时延也不是一成不变的,当传输时延发生变化时,如果用于判定网络拥塞的传输时延阈值不做更新,很容易造成误判或漏判。
综上所述,现有的网络拥塞判别方法,均不能准确的判定出网络拥塞,容易造成误判或漏判。
发明内容
本公开实施例提供一种网络拥塞的确定方法、装置、电子设备及存储介质,用以提高网络拥塞识别的准确率。
根据本公开实施例的第一方面,提供一种网络拥塞的确定方法,包括:
获取通信网络中用于表征网络拥塞情况的网络性能参数;
将网络性能参数输入到预先训练的网络拥塞识别模型中进行识别,根据网络拥塞识别模型输出的识别结果,确定通信网络是否拥塞,其中,网络拥塞识别模型是基于历史网络性能参数以及历史网络性能参数对应的网络拥塞结果训练生成的。
本公开实施例提供的网络拥塞的确定方法,基于历史网络性能参数训练生成的网络拥塞识别模型对当前网络拥塞情况进行识别,并根据该模型的识别结果,确定网络是否发生拥塞,与现有技术中通过丢包率或网络传输时延判定网络是否拥塞的方式相比,网络拥塞的识别模型基于历史网络性能参数以及历史网络性能参数对应的网络拥塞结果训练生成,其可以涵盖更多的网络情况,因此,通过网络拥塞的识别模型对表征网络拥塞情况的网络性能参数进行识别,能够减小网络情况不同造成的判定参数改变所导致的误判现象,提高网络拥塞识别的准确性。
在一种可能的实施方式中,本公开实施例提供的上述方法中,网络性能参数包括:发送码率、接收码率、传输时延以及丢包率。
本公开实施例提供的网络拥塞的确定方法,通过基于与网络拥塞相关联的多个因素,进行网络拥塞判定,在进行网络拥塞判定时,结合更多的参数,能够提高网络拥塞识别的准确率。
在一种可能的实施方式中,本公开实施例提供的上述方法中,预先训练的网络拥塞识别模型采用以下步骤训练生成:
获取通信网络的多组历史网络性能参数以及每组历史网络性能参数对应的网络拥塞结果;
将多组历史网络性能参数划分为第一部分历史网络性能参数和第二部分历史网络性能参数;
基于第一部分历史网络性能参数以及第一部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,训练生成待检验网络拥塞识别模型;
基于第二部分历史网络性能参数以及第二部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,对待检验网络拥塞识别模型进行检验,得到待检验网络拥塞识别模型的识别正确率;
在确定待检验网络拥塞识别模型的识别正确率大于预设准确度阈值时,将待检验网络拥塞识别模型确定为网络拥塞识别模型。
本公开实施例提供的网络拥塞的确定方法,通过利用历史性能参数中的第一部分历史网络性能参数以及第一部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果训练生成检验网络拥塞识别模型,并对待检验网络拥塞识别模型进行识别准确度检验,在确定待检验网络拥塞识别模型的识别准确率大于预设准确度阈值时,将待检测网络拥塞识别模型确定为网络拥塞识别模型,并投入使用,保证网络拥塞识别模型在实际场景中使用的识别准确率。
在一种可能的实施方式中,本公开实施例提供的上述方法中,基于第二部分历史网络性能参数以及第二部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,对待检验网络拥塞识别模型进行检验,得到待检验网络拥塞识别模型的识别正确率,包括:
针对第二部分历史网络性能参数中的每组目标历史网络性能参数,将目标历史网络性能参数输入待检验网络拥塞识别模型,得到目标历史网络性能参数对应的识别结果,在确定目标历史网络性能参数对应的识别结果,与目标历史网络性能参数对应的网络拥塞结果一致时,确定待检验网络拥塞识别模型的识别结果为正确;
统计待检验网络拥塞识别模型识别结果为正确的数量,并将数量与第二部分历史网络性能参数中目标历史网络性能参数的总数量的比值,确定为待检验网络拥塞识别模型的识别正确率。
在一种可能的实施方式中,本公开实施例提供的上述方法中,基于第二部分历史网络性能参数以及第二部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果之后,该方法还包括:
在确定待检验网络拥塞识别模型的识别正确率小于或等于预设准确度阈值时,重新将多组历史网络性能参数划分为两部分,并利用重新划分的两部分重新训练待检验网络拥塞识别模型。
本公开实施例提供的网络拥塞的确定方法,在确定待检验网络拥塞识别模型的识别准确率低的情况下,利用多组历史网络性能参数,重新训练生成待检验网络拥塞识别模型,来提高待检测网络拥塞识别模型的识别准确度,以满足后续使用在应用场景的网络拥塞识别准确度要求。
根据本公开实施例的第二方面,提供一种网络拥塞的确定装置,包括:
获取单元,用于获取通信网络中用于表征网络拥塞情况的网络性能参数;
处理单元,用于将网络性能参数输入到预先训练的网络拥塞识别模型中进行识别,根据网络拥塞识别模型输出的识别结果,确定通信网络是否拥塞,其中,网络拥塞识别模型是基于历史网络性能参数以及历史网络性能参数对应的网络拥塞结果训练生成的。
在一种可能的实施方式中,本公开实施例提供的上述装置中,网络性能参数包括:发送码率、接收码率、传输时延以及丢包率。
在一种可能的实施方式中,本公开实施例提供的上述装置中,处理单元采用以下步骤训练生成网络拥塞识别模型:
获取通信网络的多组历史网络性能参数以及每组历史网络性能参数对应的网络拥塞结果;
将多组历史网络性能参数划分为第一部分历史网络性能参数和第二部分历史网络性能参数;
基于第一部分历史网络性能参数以及第一部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,训练生成待检验网络拥塞识别模型;
基于第二部分历史网络性能参数以及第二部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,对待检验网络拥塞识别模型进行检验,得到待检验网络拥塞识别模型的识别正确率;
在确定待检验网络拥塞识别模型的识别正确率大于预设准确度阈值时,将待检验网络拥塞识别模型确定为网络拥塞识别模型。
在一种可能的实施方式中,本公开实施例提供的上述装置中,处理单元具体用于:针对第二部分历史网络性能参数中的每组目标历史网络性能参数,将目标历史网络性能参数输入待检验网络拥塞识别模型,得到目标历史网络性能参数对应的识别结果,在确定目标历史网络性能参数对应的识别结果,与目标历史网络性能参数对应的训练标签一致时,确定待检验网络拥塞识别模型的识别结果为正确;
统计待检验网络拥塞识别模型识别结果为正确的数量,并将数量与第二部分历史网络性能参数中目标历史网络性能参数的总数量的比值,确定为待检验网络拥塞识别模型的识别正确率。
在一种可能的实施方式中,本公开实施例提供的上述装置中,处理单元,还用于:
在确定待检验网络拥塞识别模型的识别正确率小于或等于预设准确度阈值时,重新将多组历史网络性能参数划分为两部分,并利用重新划分的两部分重新训练待检验网络拥塞识别模型。
根据本公开实施例的第三方面,提供一种电子设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现本公开实施例第一方面提供的网络拥塞的确定方法。
根据本公开实施例的第四方面,提供一种计算机存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现本公开实施例第一方面提供的网络拥塞的确定方法。
根据本公开实施例的第五方面,提供一种计算机程序,当计算机程序被处理器执行时实现本公开实施例第一方面提供的网络拥塞的确定方法。
附图说明
附图用来提供对本公开的进一步理解,并且构成说明书的一部分,与本公开实施例一起用于解释本公开,并不构成对本公开的限制。在附图中:
图1为本公开实施例提供的一种网络拥塞的确定方法的示意流程图;
图2为本公开实施例提供的一种网络拥塞识别模型的训练过程的示意流程图;
图3为本公开实施例提供的一种网络拥塞的确定装置的结构示意图;
图4为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
以下结合附图对本申请的实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本申请,并不用于限定本申请。
下面结合说明说附图,对本公开实施例提供的网络拥塞的确定方法、装置、设备及介质的具体实施方式进行说明。
本公开实施例提供了一种网络拥塞的确定方法,如图1所示,可以包括如下步骤:
步骤101、获取通信网络中用于表征网络拥塞情况的网络性能参数。
需要说明的是,在获取网络性能参数时,可以实时获取,也可以周期获取,本公开实施例对此不做限定。
其中,本公开实施例提供的网络性能参数可以包括:发送码率、接收码率、传输时延以及丢包率。
需要说明的是,本公开实施例可以将比特率(Bit rate)作为发送码率,具体数值可以利用从用于存储网络数据的存储单元中获取传输点传输的数据确定。其中,本公开实施例可以将编码率(code rate/code effciency)作为接收码率,具体可以通过从用于存储网络数据的存储单元中获取传输点传输的数据计算得到。
具体实施时,在网络性能参数中包含的丢包率时,计算当前网络中传输点发送的数据和传输目的地接收的数据的数据量差值,依据该差值与传输点发送的数据量的比值,确定当前通信网络的丢包率。
需要说明的是,传输点发送的数据量以及传输目的地接收的数据量可以从用于存储网络数据的存储单元中获取,当然也可以通过其它方式获取,本公开实施例对此不做限定。
具体实施时,在网络性能参数中包含的传输时延时,基于网络中传输目的地接收的数据时间与传输点处传输数据时约定时间的时间间隔,确定传输时延。
在一种可能的实施方式中,为了避免由于一天中每个时间段内用户上网数量不同引起的网络情况不同而造成的网络拥塞误判情况,网络性能参数还可以包括时间段。
在另一种可能的实施方式中,为了避免由于每个地区(例如市中心和郊区)网络情况不同造成的网络拥塞误判现象,网络性能参数还可以包括地区。
需要说明的是,本公开实施例提供的网络性能参数可以根据实际情况选择,并不限定于上述实施例提供的参数。
步骤102、将网络性能参数输入到预先训练的网络拥塞识别模型中进行识别,根据网络拥塞识别模型输出的识别结果,确定通信网络是否拥塞。
需要说明的是,网络拥塞识别模型是基于历史网络性能参数以及历史网络性能参数对应的网络拥塞结果训练生成的。
需要说明的是,本实施例提供的网络拥塞识别模型是基于历史网络性能参数以及历史网络性能参数对应的网络拥塞结果训练生成的。
在一种可能的实施方式中,如图2所示,本公开实施例提供的网络拥塞识别模型,采用以下步骤训练生成:
步骤201、获取通信网络的多组历史网络性能参数以及每组历史网络性能参数对应的网络拥塞结果。
具体实施时,从用于存储网络数据的存储单元中获取多个历史网络数据,并对该数据进行处理,得到历史网络性能参数。
在一示例中,从存储单元中获取发生网络拥塞对应的网络数据,并对获取的数据进行处理,得到多组历史网络性能参数以及每组历史网络性能参数对应的网络拥塞结果。
步骤202、将多组历史网络性能参数划分为第一部分历史网络性能参数和第二部分历史网络性能参数。
需要说明的是,第一部分历史网络性能参数中包含的历史网络性能参数的组数可以为多组历史网络性能参数中包含的历史网络性能参数的组数的70%,当然可以设置为其它数值,例如,80%,具体划分数量可以根据实际情况进行选择,本公开实施例对此不做限定。
步骤203、基于第一部分历史网络性能参数以及第一部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,训练生成待检验网络拥塞识别模型。
具体的,每组历史网络参数对应的网络拥塞结果可以从用于存储网络参数的存储单元中获取。
具体实施时,训练生成待检验网络拥塞识别模型时,以多组历史网络性能参数中每一组历史网络性能参数作为输入,将每组历史网络性能参数对应输出的网络拥塞结果与每组历史网络性能参数对应的网络拥塞结果做对比,基于每组历史网络性能参数对应输出的网络拥塞结果与每组历史网络性能参数对应的网络拥塞结果的差异训练生成待检验网络拥塞识别模型。其中,训练生成待检验网络拥塞识别模型时,可以采用机器学习算法,卷积神经网络(Convolutional Neural Network,CNN)算法等,本公开实施例对此不做限定。
步骤204、基于第二部分历史网络性能参数以及第二部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,对待检验网络拥塞识别模型进行检验,得到待检验网络拥塞识别模型的识别正确率。
具体实施时,针对第二部分历史网络性能参数中的每组目标历史网络性能参数,将目标历史网络性能参数输入待检验网络拥塞识别模型,得到目标历史网络性能参数对应的识别结果,在确定目标历史网络性能参数对应的识别结果,与目标历史网络性能参数对应的网络拥塞结果一致时,确定待检验网络拥塞识别模型的识别结果为正确。统计待检验网络拥塞识别模型识别结果为正确的数量,并将数量与第二部分历史网络性能参数中目标历史网络性能参数的总数量的比值,确定为待检验网络拥塞识别模型的识别正确率。
步骤205、在确定待检验网络拥塞识别模型的识别正确率大于预设准确度阈值时,将待检验网络拥塞识别模型确定为网络拥塞识别模型。
在一种可能的实施方式中,在确定待检验网络拥塞识别模型的识别正确率小于或等于预设准确度阈值时,重新将多组历史网络性能参数划分为两部分,并利用重新划分的两部分重新训练待检验网络拥塞识别模型。
在一种可能的实施方式中,在重新训练待检验网络拥塞识别模型之后,继续执行步骤204和步骤205,直至重新训练的待检验网络拥塞识别模型的识别准确率大于预设准确率阈值。
基于相同的发明构思,本公开实施例还提供一种网络拥塞的确定装置。
如图3所示,本公开实施例提供的一种网络拥塞的确定装置,包括:
获取单元301,用于获取通信网络中用于表征网络拥塞情况的网络性能参数;
处理单元302,用于将网络性能参数输入到预先训练的网络拥塞识别模型中进行识别,根据网络拥塞识别模型输出的识别结果,确定通信网络是否拥塞,其中,网络拥塞识别模型是基于历史网络性能参数以及历史网络性能参数对应的网络拥塞结果训练生成的。
在一种可能的实施方式中,本公开实施例提供的上述装置中,网络性能参数包括:发送码率、接收码率、传输时延以及丢包率。
在一种可能的实施方式中,本公开实施例提供的上述装置中,处理单元302采用以下步骤训练生成网络拥塞识别模型:
获取通信网络的多组历史网络性能参数以及每组历史网络性能参数对应的网络拥塞结果;
将多组历史网络性能参数划分为第一部分历史网络性能参数和第二部分历史网络性能参数;
基于第一部分历史网络性能参数以及第一部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,训练生成待检验网络拥塞识别模型;
基于第二部分历史网络性能参数以及第二部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,对待检验网络拥塞识别模型进行检验,得到待检验网络拥塞识别模型的识别正确率;
在确定待检验网络拥塞识别模型的识别正确率大于预设准确度阈值时,将待检验网络拥塞识别模型确定为网络拥塞识别模型。
在一种可能的实施方式中,在本公开实施例提供的上述装置中,处理单元302具体用于:
针对第二部分历史网络性能参数中的每组目标历史网络性能参数,将目标历史网络性能参数输入待检验网络拥塞识别模型,得到目标历史网络性能参数对应的识别结果,在确定目标历史网络性能参数对应的识别结果,与目标历史网络性能参数对应的训练标签一致时,确定待检验网络拥塞识别模型的识别结果为正确;
统计待检验网络拥塞识别模型识别结果为正确的数量,并将数量与第二部分历史网络性能参数中目标历史网络性能参数的总数量的比值,确定为待检验网络拥塞识别模型的识别正确率。
在一种可能的实施方式中,在本公开实施例提供的上述装置中,处理单元302,还用于:
在确定待检验网络拥塞识别模型的识别正确率小于或等于预设准确度阈值时,重新将多组历史网络性能参数划分为两部分,并利用重新划分的两部分重新训练待检验网络拥塞识别模型。
另外,结合图1-图3描述的本公开实施例的网络拥塞的确定方法和装置可以由电子设备来实现。图4示出了本公开实施例提供的一种电子设备的硬件结构示意图。
电子设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地,上述处理器401可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本公开实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器402可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器402可在数据处理装置的内部或外部。在特定实施例中,存储器402是非易失性固态存储器。在特定实施例中,存储器402包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令,以实现上述实施例中的任意一种网络拥塞的确定方法。
在一个示例中,电子设备还可包括通信接口403和总线410。其中,如图4所示,处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
通信接口403,主要用于实现本公开实施例中各模块、装置、单元和/或设备之间的通信。
总线410包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线410可包括一个或多个总线。尽管本公开实施例描述和示出了特定的总线,但本公开考虑任何合适的总线或互连。
电子设备可以基于获取的通信网络中用于表征网络拥塞情况的网络性能参数,执行本公开实施例中的网络拥塞的确定方法,从而实现结合图1-图3描述的网络拥塞的确定方法和装置。
另外,结合上述实施例中的网络拥塞的确定方法,本公开实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种网络拥塞的确定方法。
结合上述实施例中的网络拥塞的确定方法,本公开实施例可提供一种计算机程序来实现。当计算机程序产品在电子设备上运行时,使得电子设备执行实现上述实施例中的任意一种网络拥塞的确定方法。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样,倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内,则本公开也意图包含这些改动和变型在内。
Claims (10)
1.一种网络拥塞的确定方法,其特征在于,包括:
获取通信网络中用于表征网络拥塞情况的网络性能参数;
将所述网络性能参数输入到预先训练的网络拥塞识别模型中进行识别,根据所述网络拥塞识别模型输出的识别结果,确定所述通信网络是否拥塞,其中,所述网络拥塞识别模型是基于历史网络性能参数以及所述历史网络性能参数对应的网络拥塞结果训练生成的。
2.根据权利要求1所述的方法,其特征在于,所述网络性能参数包括:发送码率、接收码率、传输时延以及丢包率。
3.根据权利要求1所述的方法,其特征在于,所述预先训练的网络拥塞识别模型采用以下步骤训练生成:
获取所述通信网络的多组历史网络性能参数以及每组历史网络性能参数对应的网络拥塞结果;
将所述多组历史网络性能参数划分为第一部分历史网络性能参数和第二部分历史网络性能参数;
基于所述第一部分历史网络性能参数以及所述第一部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,训练生成待检验网络拥塞识别模型;
基于所述第二部分历史网络性能参数以及所述第二部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,对所述待检验网络拥塞识别模型进行检验,得到所述待检验网络拥塞识别模型的识别正确率;
在确定所述待检验网络拥塞识别模型的识别正确率大于预设准确度阈值时,将所述待检验网络拥塞识别模型确定为所述网络拥塞识别模型。
4.根据权利要求3所述的方法,其特征在于,所述基于所述第二部分历史网络性能参数以及所述第二部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,对所述待检验网络拥塞识别模型进行检验,得到所述待检验网络拥塞识别模型的识别正确率,包括:
针对所述第二部分历史网络性能参数中的每组目标历史网络性能参数,将所述目标历史网络性能参数输入所述待检验网络拥塞识别模型,得到所述目标历史网络性能参数对应的识别结果,在确定所述目标历史网络性能参数对应的识别结果,与所述目标历史网络性能参数对应的网络拥塞结果一致时,确定所述待检验网络拥塞识别模型的识别结果为正确;
统计所述待检验网络拥塞识别模型识别结果为正确的数量,并将所述数量与所述第二部分历史网络性能参数中目标历史网络性能参数的总数量的比值,确定为所述待检验网络拥塞识别模型的识别正确率。
5.根据权利要求3或4所述的方法,其特征在于,所述基于所述第二部分历史网络性能参数以及所述第二部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果之后,所述方法还包括:
在确定所述待检验网络拥塞识别模型的识别正确率小于或等于所述预设准确度阈值时,重新将所述多组历史网络性能参数划分为两部分,并利用重新划分的两部分重新训练待检验网络拥塞识别模型。
6.一种网络拥塞的确定装置,其特征在于,包括:
获取单元,用于获取通信网络中用于表征网络拥塞情况的网络性能参数;
处理单元,用于将所述网络性能参数输入到预先训练的网络拥塞识别模型中进行识别,根据所述网络拥塞识别模型输出的识别结果,确定所述通信网络是否拥塞,其中,所述网络拥塞识别模型是基于历史网络性能参数以及所述历史网络性能参数对应的网络拥塞结果训练生成的。
7.根据权利要求6所述的装置,其特征在于,所述网络性能参数包括:发送码率、接收码率、传输时延以及丢包率。
8.根据权利要求6所述的装置,其特征在于,所述处理单元采用以下步骤训练生成所述网络拥塞识别模型:
获取所述通信网络的多组历史网络性能参数以及每组历史网络性能参数对应的网络拥塞结果;
将所述多组历史网络性能参数划分为第一部分历史网络性能参数和第二部分历史网络性能参数;
基于所述第一部分历史网络性能参数以及所述第一部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,训练生成待检验网络拥塞识别模型;
基于所述第二部分历史网络性能参数以及所述第二部分历史网络性能参数中每组历史网络性能参数对应的网络拥塞结果,对所述待检验网络拥塞识别模型进行检验,得到所述待检验网络拥塞识别模型的识别正确率;
在确定所述待检验网络拥塞识别模型的识别正确率大于预设准确度阈值时,将所述待检验网络拥塞识别模型确定为所述网络拥塞识别模型。
9.一种电子设备,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-5中任一项所述的网络拥塞的确定方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时实现如权利要求1-5中任一项所述的网络拥塞的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910987282.1A CN110691035A (zh) | 2019-10-17 | 2019-10-17 | 一种网络拥塞的确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910987282.1A CN110691035A (zh) | 2019-10-17 | 2019-10-17 | 一种网络拥塞的确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110691035A true CN110691035A (zh) | 2020-01-14 |
Family
ID=69113338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910987282.1A Pending CN110691035A (zh) | 2019-10-17 | 2019-10-17 | 一种网络拥塞的确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110691035A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111935025A (zh) * | 2020-07-08 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 一种tcp传输性能的控制方法、装置、设备和介质 |
CN112383485A (zh) * | 2020-10-30 | 2021-02-19 | 新华三技术有限公司 | 一种网络拥塞控制方法及装置 |
CN112422441A (zh) * | 2020-03-05 | 2021-02-26 | 上海哔哩哔哩科技有限公司 | 基于quic传输协议的拥塞控制方法和系统 |
CN112702276A (zh) * | 2021-03-24 | 2021-04-23 | 腾讯科技(深圳)有限公司 | 一种传输控制方法、装置、电子设备及计算机存储介质 |
CN113965491A (zh) * | 2020-06-29 | 2022-01-21 | 中车株洲电力机车研究所有限公司 | 一种网络拥塞检测方法、系统及相关装置 |
CN114844929A (zh) * | 2022-07-04 | 2022-08-02 | 天津市职业大学 | 一种智能汽车通信方法及系统 |
CN115065643A (zh) * | 2022-07-14 | 2022-09-16 | 北京达佳互联信息技术有限公司 | 网络链路拥塞检测方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106656837A (zh) * | 2016-10-14 | 2017-05-10 | 东软集团股份有限公司 | 网络拥塞问题的定位方法以及装置 |
CN109684182A (zh) * | 2018-12-06 | 2019-04-26 | 中国联合网络通信集团有限公司 | 一种预测网络拥塞对网络质量影响的方法和装置 |
US20190141113A1 (en) * | 2017-11-03 | 2019-05-09 | Salesforce.Com, Inc. | Simultaneous optimization of multiple tcp parameters to improve download outcomes for network-based mobile applications |
US20190238465A1 (en) * | 2018-01-26 | 2019-08-01 | Wipro Limited | Method and system for intelligent link load balancing |
-
2019
- 2019-10-17 CN CN201910987282.1A patent/CN110691035A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106656837A (zh) * | 2016-10-14 | 2017-05-10 | 东软集团股份有限公司 | 网络拥塞问题的定位方法以及装置 |
US20190141113A1 (en) * | 2017-11-03 | 2019-05-09 | Salesforce.Com, Inc. | Simultaneous optimization of multiple tcp parameters to improve download outcomes for network-based mobile applications |
US20190238465A1 (en) * | 2018-01-26 | 2019-08-01 | Wipro Limited | Method and system for intelligent link load balancing |
CN109684182A (zh) * | 2018-12-06 | 2019-04-26 | 中国联合网络通信集团有限公司 | 一种预测网络拥塞对网络质量影响的方法和装置 |
Non-Patent Citations (1)
Title |
---|
张錋等: "利用数据挖掘技术改进TCP CUBIC拥塞控制算法", 《计算机应用研究》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112422441A (zh) * | 2020-03-05 | 2021-02-26 | 上海哔哩哔哩科技有限公司 | 基于quic传输协议的拥塞控制方法和系统 |
CN112422441B (zh) * | 2020-03-05 | 2022-10-04 | 上海哔哩哔哩科技有限公司 | 基于quic传输协议的拥塞控制方法和系统 |
CN113965491A (zh) * | 2020-06-29 | 2022-01-21 | 中车株洲电力机车研究所有限公司 | 一种网络拥塞检测方法、系统及相关装置 |
CN111935025A (zh) * | 2020-07-08 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 一种tcp传输性能的控制方法、装置、设备和介质 |
CN111935025B (zh) * | 2020-07-08 | 2023-10-17 | 腾讯科技(深圳)有限公司 | 一种tcp传输性能的控制方法、装置、设备和介质 |
CN112383485A (zh) * | 2020-10-30 | 2021-02-19 | 新华三技术有限公司 | 一种网络拥塞控制方法及装置 |
CN112383485B (zh) * | 2020-10-30 | 2022-08-19 | 新华三技术有限公司 | 一种网络拥塞控制方法及装置 |
CN112702276A (zh) * | 2021-03-24 | 2021-04-23 | 腾讯科技(深圳)有限公司 | 一种传输控制方法、装置、电子设备及计算机存储介质 |
CN112702276B (zh) * | 2021-03-24 | 2021-06-18 | 腾讯科技(深圳)有限公司 | 一种传输控制方法、装置、电子设备及计算机存储介质 |
CN114844929A (zh) * | 2022-07-04 | 2022-08-02 | 天津市职业大学 | 一种智能汽车通信方法及系统 |
CN115065643A (zh) * | 2022-07-14 | 2022-09-16 | 北京达佳互联信息技术有限公司 | 网络链路拥塞检测方法、装置、电子设备及存储介质 |
CN115065643B (zh) * | 2022-07-14 | 2024-03-26 | 北京达佳互联信息技术有限公司 | 网络链路拥塞检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110691035A (zh) | 一种网络拥塞的确定方法、装置、电子设备及存储介质 | |
CN112200273B (zh) | 数据标注方法、装置、设备及计算机存储介质 | |
CN108320017B (zh) | 卷积神经网络优化方法、系统、设备及介质 | |
CN110519290A (zh) | 异常流量检测方法、装置及电子设备 | |
CN110875790A (zh) | 基于生成对抗网络的无线信道建模实现方法 | |
CN111126235A (zh) | 一种船只违章停泊检测处理方法及装置 | |
CN108089938B (zh) | 异常数据处理方法及装置 | |
CN111209998B (zh) | 基于数据类型的机器学习模型的训练方法及装置 | |
CN109387521A (zh) | 图像处理系统 | |
CN114520736B (zh) | 一种物联网安全检测方法、装置、设备及存储介质 | |
CN105808454A (zh) | 一种多端口访问共享缓存的方法及装置 | |
CN112614109A (zh) | 图像质量评估方法、装置以及计算机可读存储介质 | |
CN109960626B (zh) | 端口异常的识别方法、装置、设备及介质 | |
CN111291140A (zh) | 一种拓扑节点的识别方法、装置、设备及介质 | |
CN112954765A (zh) | 一种基于网络状态监控的动态算子选路方法 | |
EP3790260A1 (en) | Device and method for identifying network devices in a nat based communication network | |
CN116071335A (zh) | 墙面验收方法、装置、设备及存储介质 | |
CN114186637A (zh) | 流量识别方法、装置、服务器和存储介质 | |
CN116915630A (zh) | 网络卡顿预测方法、装置、电子设备、介质和程序产品 | |
CN102882645B (zh) | 一种帧边界检测的方法及装置 | |
CN111553476B (zh) | 基于记忆分值的神经网络训练方法、装置及存储介质 | |
CN113065509A (zh) | 垃圾处理方法、装置、设备及计算机存储介质 | |
CN111224916B (zh) | 一种ddos攻击检测的方法及装置 | |
CN112749998A (zh) | 收入信息输出方法、装置、电子设备及计算机存储介质 | |
RU2599532C1 (ru) | Устройство оценки эффективности информационного обмена системы связи |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200114 |