CN110738234B - 角色预测方法及装置 - Google Patents

角色预测方法及装置 Download PDF

Info

Publication number
CN110738234B
CN110738234B CN201910824459.6A CN201910824459A CN110738234B CN 110738234 B CN110738234 B CN 110738234B CN 201910824459 A CN201910824459 A CN 201910824459A CN 110738234 B CN110738234 B CN 110738234B
Authority
CN
China
Prior art keywords
devices
target
role
identified
equipment
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.)
Active
Application number
CN201910824459.6A
Other languages
English (en)
Other versions
CN110738234A (zh
Inventor
庞冉
王光全
朱琳
王泽林
何晓峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201910824459.6A priority Critical patent/CN110738234B/zh
Publication of CN110738234A publication Critical patent/CN110738234A/zh
Application granted granted Critical
Publication of CN110738234B publication Critical patent/CN110738234B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种角色预测方法及装置,涉及互联网技术领域。本发明实施例能够将设备的目标特征与设备角色进行训练,生成用于表示特征与角色之间对应关系的预设模型。当需要对某一设备的设备角色进行预测时,只需将该设备的目标特征导入预设模型,即可自动输出该设备的设备角色。该方法包括:获取多个设备的目标特征和多个设备的设备角色。利用目标特征和设备角色对第一预设分类器进行训练,生成第一预设模型。获取待识别设备的目标特征。根据待识别设备的目标特征,利用第一预设模型,输出第一预测结果。本发明应用于设备角色的预测。

Description

角色预测方法及装置
技术领域
本发明涉及互联网技术领域,尤其涉及一种角色预测方法及装置。
背景技术
目前主要是通过人工经验识别出目标设备在网络中的角色之后,再由人工进行设备角色的标注。
现有通过人工识别、标注设备角色的方法,存在错标、漏标的风险。并且,设备角色的识别方法不一致也会导致设备角色的标注方法不一样。同时,对于存在大量设备的网络,人工标注的效率极低。
发明内容
本发明实施例提供一种角色预测方法及装置,能够将设备的目标特征与设备角色进行训练,生成用于表示特征与角色之间对应关系的预设模型。当需要对某一设备的设备角色进行预测时,只需将该设备的目标特征导入预设模型,即可自动输出该设备的设备角色。以便保证网络中大量设备角色识别的一致性,提升设备角色识别时的效率。
第一方面,本发明提供一种角色预测方法,包括:获取多个设备的目标特征和多个设备的设备角色;目标特征,用于反映多个设备中每个设备与其他设备进行数据交互时的特征信息;设备角色,用于表示多个设备中每个设备在目标网络中的功能性作用;其中,多个设备中包括n种设备角色的设备。利用目标特征和设备角色对第一预设分类器进行训练,生成第一预设模型;第一预设分类器用于将多个设备分为n类设备,n类设备分别对应不同的设备角色。获取待识别设备的目标特征。根据待识别设备的目标特征,利用第一预设模型,输出第一预测结果;第一预测结果用于预测待识别设备的设备角色。
第二方面,本发明实施例提供一种角色预测装置,包括:获取单元,用于获取多个设备的目标特征和多个设备的设备角色;目标特征,用于反映多个设备中每个设备与其他设备进行数据交互时的特征信息;设备角色,用于表示多个设备中每个设备在目标网络中的功能性作用;其中,多个设备中包括n种设备角色的设备。处理单元,用于利用目标特征和设备角色对第一预设分类器进行训练,生成第一预设模型;第一预设分类器用于将多个设备分为n类设备,n类设备分别对应不同的设备角色。获取单元,还用于获取待识别设备的目标特征。输出单元,用于根据待识别设备的目标特征,利用第一预设模型,输出第一预测结果;第一预测结果用于预测待识别设备的设备角色。
第三方面,本发明实施例提供另一种角色预测装置,包括:处理器、存储器、总线和通信接口;存储器用于存储计算机执行指令,处理器与存储器通过总线连接,当角色预测装置运行时,处理器执行上述存储器存储的上述计算机执行指令,以使角色预测装置执行如上述第一方面所提供的角色预测方法。
第四方面,本发明实施例提供一种计算机存储介质,包括指令,当其在角色预测装置上运行时,使得角色预测装置执行上述第一方面所提供的一种角色预测方法。
第五方面,本发明实施例提供了一种包含指令的计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行上述第一方面及其任意一种实现方式所述角色预测方法。
本发明实施例所提供的角色预测方法及装置,能够将设备的目标特征与设备角色进行训练,生成用于表示特征与角色之间对应关系的预设模型。当需要对某一设备的设备角色进行预测时,只需将该设备的目标特征导入预设模型,即可自动输出该设备的设备角色。以便保证网络中大量设备角色识别的一致性,提升设备角色识别时的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例提供的一种角色预测方法的应用场景示意图;
图2为本发明实施例提供的一种角色预测方法的流程示意图;
图3为本发明实施例提供的一种角色预测装置的结构示意图之一;
图4为本发明实施例提供的一种角色预测装置的结构示意图之二;
图5为本发明实施例提供的一种角色预测装置的结构示意图之三。
具体实施方式
下面将结合附图对本申请提供的角色预测方法及装置进行详细的描述。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象,而不是用于描述对象的特定顺序。
此外,本申请的描述中所提到的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本申请中所述“和/或”,包括用两种方法中的任意一种或者同时使用两种方法。
在本申请的描述中,除非另有说明,“多个”的含义是指两个或两个以上。
首先,对本申请实施例中涉及的技术术语进行解释:
无线接入网IP化(IP radio access network,IPRAN)是指以互联网协议(internet protocol,IP)或多协议标签交换(multi-protocol label switching,MPLS)及关键技术为基础,主要提供二三层通道类业务承载,依托互联网第二平面(chinatelecomnext carrier network,CN2)骨干层组成的端到端的业务承载网络。IPRAN网络中包括接入层、汇聚层和核心层。同时,该网络还包括多种网络保护技术,包括双向转发检测(bidirectional forwarding detection,BFD)、流量工程(traffic engineering,TE)、内部网关协议(interior gateway protocol,IGP)等,分别对于IPRAN网络起着不同的保护作用。本发明中,通过从设备间交互的信息中确定目标保护方式,从而获取目标特征。在获取目标特征与设备角色之后,对预设分类器进行训练。进一步地,在获取待识别设备的目标特征之后对待识别设备的设备角色进行预测。
IGP,内部网关协议,是一个自治网络内网关间交换路由信息的协议。用来说明路由传送是如何进行的同时,对三层网络进行保护。IGP包括路由信息协议(routinginformation protocol,RIP)、开放最短路径优先(open shortest path first,OSPF)协议、中间系统到中间系统(intermediate system to intermediate system,ISIS)协议等。本发明中,通过获取设备与其他设备进行数据交互时的目标协议出现的次数,具体的包括目标协议中目标词语出现的次数,获取设备的目标特征。进而,在获取待识别设备的目标特征后,对待识别设备的设备角色进行预测。
BFD,双向转发检测,是检测两个设备之间故障的网络协议,能够在系统之间的任何类型的通道上进行故障检测。在IPRAN网络中,BFD的主要检测内容包括BFD for LSP,用于检测链路状态包(link state packet,LSP)。BFD for PW,用于检测伪线(pseudo wire,PW)。BFD for VRRP,用于检测虚拟路由冗余协议(virtualrouter redundancy protocol,VRRP)。本发明通过确定设备所采用的不同的双向转发检测机制,确定设备的目标特征。进而在获取待识别设备的目标特征之后,对待识别设备的设备角色进行预测。
自然语言处理(natural language processing,NLP)是人工智能领域最为困难的问题之一,主要是解决计算机与自然语言的交互问题。本发明利用NLP算法解决多设备的分类问题。具体的,利用NLP算法确定设备交互时的保护方式,进而预测待识别设备的设备角色。
本发明的发明原理:在现有技术中,往往通过人工经验识别并标注网络设备的设备角色。但是,经常会出现识别错误或遗漏标注的风险。并且,由于人工经验的不同,识别出的设备角色可能也不相同,因此,急需一种设备角色的识别方法,不但摆脱长期利用人工经验的束缚,而且保证了设备角色识别的一致性,提升设备角色识别及标注时的效率。
基于上述发明原理,本发明实施例提供一种角色预测方法,应用于如1所示的应用场景中。其中,该应用场景包括三层网络结构:核心层101、汇聚层102以及接入层103。核心层101包括核心设备1011以及核心设备1012。汇聚层102包括汇聚设备1021、汇聚设备1022、汇聚设备1023以及汇聚设备1024。接入层103包括接入设备1031、接入设备1032、接入设备1033、接入设备1034、接入设备1035、接入设备1036以及接入设备1037。
应用于上述图1所示的应用场景,本发明实施例提供了一种角色预测方法,该方法可用于如图1所示的应用场景中的任意设备,以实现对不同设备的设备角色的预测功能。如图2所示,包括步骤S201-S205:
S201、获取多个设备的目标特征和多个设备的设备角色。
目标特征,用于反映多个设备中每个设备与其他设备进行数据交互时的特征信息。设备角色,用于表示多个设备中每个设备在目标网络中的功能性作用。其中,多个设备中包括n种设备角色的设备;
具体的,不同的设备在同一网络中拥有不同的功能性作用。本发明实施例通过获取多个设备中每个设备与其他设备进行数据交互的特征信息,包括多个设备中每个设备调用的不同协议。与此同时,将多个设备中每个设备在目标网络中的功能性作用作为每个设备对应的设备角色,获取多个设备的设备角色。进而利用多个设备的目标特征与多个设备的设备角色对第一预设分类器进行训练。
示例性的,在互联网协议化无线接入网(internet protocol radio accessnetwork,IPRAN)中,设备角色包括,接入设备、汇聚设备、核心设备、路由反射器(routereflector,RR)设备、集客自治系统边界路由器(autonomous system boundary router,ASBR)设备。本发明实施例通过获取已知的多个设备的设备角色,可以对待识别设备的设备角色进行预测。
在本发明的一种实现方式中,S201获取多个设备的目标特征,具体包括步骤S201a:
S201a:获取多个设备中每个设备与其他设备进行数据交互时目标词语出现的次数。
目标词语包括OSPF、ISIS。
具体的,本发明实施例通过从多个设备中每个设备与其他设备进行数据交互时的特征信息中,获取目标词语。目标词语可以理解为目标特征中的一些信息,用于反映特定的设备。但是,在实际的操作过程中,存在不同的设备中出现了同样的目标词语,但设备的设备角色不一致的情况。因此,通过获取目标词语出现的次数实现与目标特征相同的效果,进而利用目标特征与设备角色对第一预设分类器进行训练。
示例性的,如表1所示。目标词语包括OSPF、ISIS、BFD for PW、hot standby。hotstandby,热备份,是一种备份数据库的方法。设备1与其他设备进行数据交互时出现的目标词语及目标词语出现的次数分别为:“OSPF”0次,“ISIS”1次,“BFD for PW”2次,“hotstandby”1次,设备1的设备角色为核心设备。设备2与其他设备进行数据交互时出现的目标词语及目标词语出现的次数分别为:“OSPF”1次,“ISIS”0次,“BFD for PW”0次,“hotstandby”1次,设备2的设备角色为汇聚设备。设备3与其他设备进行数据交互时出现的目标词语及目标词语出现的次数分别为:“OSPF”0次,“ISIS”1次,“BFD for PW”3次,“hotstandby”次。设备3的设备角色为接入设备。
设备 OSPF ISIS BFD for PW hot standby 设备角色
设备1 0次 1次 2次 1次 核心设备
设备2 1次 0次 0次 1次 汇聚设备
设备3 0次 1次 3次 0次 接入设备
表1
在本发明的一种实现方式中,S201获取多个设备的目标特征,具体还包括步骤S201b:
S201b、利用NLP算法,确定多个设备中每个设备与其他设备进行数据交互时所采用的目标保护方式。
目标保护方式包括,BFD、TE。
具体的,设备与其他设备进行数据传输时存在相应的用于保护目标网络的目标保护方式,目标保护方式还包括IGP、PW冗余。本发明实施例利用自然语言处理算法,从设备与其他设备进行数据传输时的信息中提起目标保护方式,作为设备的目标特征,从而利用设备的目标特征和设备角色对第一预设分类器进行训练。
示例性的,如表2所示。目标保护方式包括OSPF进程、ISIS进程、BFD for PW、PW冗余,0代表该设备并未采用该目标保护方式。显然,设备4采用的目标保护方式为ISIS进程、BFD for PW、PW冗余,分别采用了1次、2次、1次,设备4的设备角色为核心设备。设备5采用的目标保护方式为OSPF进程、ISIS进程,分别采用了1次、1次,设备5的设备角色为汇聚设备。设备6采用的目标保护方式为ISIS进程、BFD for PW,分别采用了1次、3次,设备6的设备角色为接入设备。
设备 OSPF进程 ISIS进程 BFD for PW PW冗余 设备角色
设备4 0 1次 2次 1次 核心设备
设备5 1次 0 0 1次 汇聚设备
设备6 0 1次 3次 0 接入设备
表2
S202、利用目标特征和设备角色对第一预设分类器进行训练,生成第一预设模型。
第一预设分类器用于将多个设备分为n类设备,n类设备分别对应不同的设备角色。
具体的,将多个设备的目标特征和多个设备的设备角色进行训练,生成一个包含目标特征与设备角色的第一预设模型。进而,在获取一个其他设备的目标特征时,可以根据这个目标特征,预测该设备的设备角色。在本发明的一种实现方式中,第一预设分类器包括梯度提升决策树(gradient boosting decision tree,GBDT)分类器、lightgbm分类器、xgboost分类器,在此不做具体限定。
示例性的,可以将多个设备分为3类,3类设备分别为核心设备、汇聚设备、接入设备。
S203、获取待识别设备的目标特征。
S204、根据待识别设备的目标特征,利用第一预设模型,输出第一预测结果。
第一预测结果用于预测待识别设备的设备角色。
具体的,利用第一预设模型,预测待识别设备的设备角色。
示例性的,预测的结果包括,待识别设备为目标设备角色的概率,即待识别设备的设备角色有百分之多少的可能是目标设备角色。如表3所示,第一预测结果包括:待识别设备A有90%的可能性为核心设备,有10%的可能性为汇聚设备,则确定待识别设备A的目标设备角色为核心设备。待识别设备B有80%的可能性为汇聚设备,有20%的可能性为接入设备,则确定待识别设备B的目标设备角色为汇聚设备。待识别设备C有10%的可能性为汇聚设备,有90%的可能性为接入设备,则确定待识别设备C的目标设备角色为接入设备。本发明实施例利用第一预设模型输出的对应待识别设备的不同设备角色的概率,确定待识别设备的目标设备角色,仅为本发明的一种实现方式。也可以通过其他方式,从第一预测结果中确定待识别设备的目标设备角色。
Figure GDA0003843913870000081
表3
S205、若根据第一预测结果无法确定待识别设备的设备角色,则根据第一预测结果以及待识别设备的链路信息,利用第二预设模型,输出第二预测结果。
待识别设备的链路信息,用于表示待识别设备与其他设备的连接关系。第二预测结果用于预测待识别设备的设备角色。第二预设模型是利用x个设备的第一预测结果、x个设备的链路信息和x个设备的设备角色对第二预设分类器进行训练,生成的。第二预设分类器用于将x个设备分为y类设备,y类设备分别对应不同的设备角色。
具体的,获取的不同设备的目标特征可能是相同的,若仅仅利用目标特征与设备角色生成的第一模型确定待识别设备的设备角色,识别的准确度可能不高。因此,本发明实施例在输出第一预测结果的基础上,加入设备的链路信息,对待识别设备进行二次识别,从而更准确地预测待识别设备的设备角色。
示例性的,如表4所示。待识别设备D的第一预测结果为,待识别设备D有45%的可能性为核心设备,有55%的可能性为汇聚设备。因为二者的可能性均比较大,因此无法直接确定待识别设备D的设备角色。本发明实施例通过加入待识别设备D的链路信息,进一步确定待识别设备D的目标设备角色。如表5所示,待识别设备D相邻的两个设备分别为核心设备与接入设备。显然,待识别设备D的目标设备角色为汇聚设备,即待识别设备D的设备角色为汇聚设备。本发明实施例将待识别设备的第一预测结果中存在≥80%的概率的设备角色确定为待识别设备的目标设备角色,将小于80%的概率的设备角色中加入待识别设备的链路信息作为第二预设模型的数据集,进而更准确地预测待识别设备的设备角色。
Figure GDA0003843913870000091
表4
设备 邻接的设备1 邻接的设备2 目标设备角色
待识别设备D 核心设备 接入设备 汇聚设备
表5
需要说明的是,本发明实施例为了提高待识别设备的设备角色的预测准确度,在输出第一预测结果之后,根据待识别设备的链路信息,利用第二预设模型,输出第二预测结果。在另一种实现方式中,可以不在输出第一预测结果之后,根据待识别设备的链路信息,利用第二预设模型,输出第二预测结果。当不在输出第一预测结果之后,根据待识别设备的链路信息,利用第二预设模型,输出第二预测结果时。201获取多个设备的目标特征,具体还包括步骤:
获取多个设备的链路信息。链路信息用于表示多个设备中每个设备与其他设备的连接关系。
根据链路信息以及多个设备中每个设备与其他设备进行数据交互时的特征信息生成多个设备的目标特征。
具体的,将多个设备中每个设备与其他设备的连接关系以及多个设备中每个设备与其他设备进行数据交互时的特征信息结合生成用于表示多个设备的特定信息的目标特征,进而可以在获取到待识别设备的链路信息以及待识别设备与其他设备进行数据交互时的特征信息后,对待识别设备的设备角色进行预测。
在另一种实施例中,本申请提供了一种角色预测装置,用于执行前述角色预测方法,如图3所示,为本发明实施例提供的角色预测装置30的一种可能的结构示意图。其中,该装置包括:
获取单元301,用于获取多个设备的目标特征和多个设备的设备角色;目标特征,用于反映多个设备中每个设备与其他设备进行数据交互时的特征信息。设备角色,用于表示多个设备中每个设备在目标网络中的功能性作用。其中,多个设备中包括n种设备角色的设备。
处理单元302,用于利用目标特征和设备角色对第一预设分类器进行训练,生成第一预设模型。第一预设分类器用于将多个设备分为n类设备,n类设备分别对应不同的设备角色。
获取单元301,还用于获取待识别设备的目标特征。
输出单元303,用于根据待识别设备的目标特征,利用第一预设模型,输出第一预测结果。第一预测结果用于预测待识别设备的设备角色。
可选的,获取单元301,具体用于获取多个设备中每个设备与其他设备进行数据交互时目标词语出现的次数。目标词语包括OSPF、ISIS。
可选的,获取单元301,具体还用于利用NLP算法,确定多个设备中每个设备与其他设备进行数据交互时所采用的目标保护方式。目标保护方式包括,BFD、TE。
可选的,输出单元303,还用于若根据第一预测结果无法确定待识别设备的设备角色,则根据第一预测结果以及待识别设备的链路信息,利用第二预设模型,输出第二预测结果。待识别设备的链路信息,用于表示待识别设备与其他设备的连接关系。第二预测结果用于预测待识别设备的设备角色。第二预设模型是利用x个设备的第一预测结果、x个设备的链路信息和x个设备的设备角色对第二预设分类器进行训练,生成的。第二预设分类器用于将x个设备分为y类设备,y类设备分别对应不同的设备角色。
本申请实施例可以根据上述方法示例对角色预测装置进行功能模块或者功能单元的划分,例如,可以对应各个功能划分各个功能模块或者功能单元,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块或者功能单元的形式实现。其中,本申请实施例中对模块或者单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在采用集成的单元的情况下,图4示出了上述实施例中所涉及的角色预测装置的一种可能的结构示意图。角色预测装置40包括:处理模块401、通信模块402和存储模块403。处理模块401用于对角色预测装置40的动作进行控制管理,例如,处理模块401用于支持角色预测装置40执行图2中的过程S201-S205。通信模块402用于支持角色预测装置40与其他实体的通信。存储模块403用于存储角色预测装置的程序代码和数据。
其中,处理模块401可以是处理器或控制器,例如可以是中央处理器(centralprocessing unit,CPU),通用处理器,数字信号处理器(digital signal processor,DSP),专用集成电路(application-specific integrated circuit,ASIC),现场可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等等。通信模块402可以是收发器、收发电路或通信接口等。存储模块403可以是存储器。
当处理模块401为如图5所示的处理器,通信模块402为图5的收发器,存储模块403为图5的存储器时,本发明实施例所涉及的角色预测装置可以为如下的角色预测装置50。
参照图5所示,该角色预测装置50包括:处理器501、收发器502、存储器503和总线504。
其中,处理器501、收发器502、存储器503通过总线504相互连接;总线504可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器501可以是一个通用中央处理器(Central Processing Unit,CPU),微处理器,特定应用集成电路(Application-Specific Integrated Circuit,ASIC),或一个或多个用于控制本发明方案程序执行的集成电路。
存储器503可以是只读存储器(Read-Only Memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(Random Access Memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(ElectricallyErasable Programmable Read-only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器503用于存储执行本发明方案的应用程序代码,并由处理器501来控制执行。收发器502用于接收外部设备输入的内容,处理模块401用于执行存储器503中存储的应用程序代码,从而实现本发明实施例中提供的一种角色预测方法。
应理解,在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户终端线(Digital Subscriber Line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。

Claims (6)

1.一种角色预测方法,其特征在于,包括:
获取多个设备的目标特征和所述多个设备的设备角色;所述目标特征,用于反映所述多个设备中每个设备与其他设备进行数据交互时的特征信息;所述设备角色,用于表示所述多个设备中每个设备在目标网络中的功能性作用;其中,所述多个设备中包括n种设备角色的设备;
利用所述目标特征和所述设备角色对第一预设分类器进行训练,生成第一预设模型;所述第一预设分类器用于将所述多个设备分为n类设备,所述n类设备分别对应不同的设备角色;
获取待识别设备的目标特征;
根据所述待识别设备的目标特征,利用所述第一预设模型,输出第一预测结果;所述第一预测结果用于预测所述待识别设备的设备角色;
所述获取多个设备的目标特征,具体还包括:
利用自然语言处理NLP算法,确定所述多个设备中每个设备与其他设备进行数据交互时所采用的目标保护方式;所述目标保护方式包括,双向转发检测BFD、流量工程TE;
在所述根据所述待识别设备的目标特征,利用所述第一预设模型,输出第一预测结果之后,所述方法还包括:
若根据所述第一预测结果无法确定所述待识别设备的设备角色,则根据所述第一预测结果以及所述待识别设备的链路信息,利用第二预设模型,输出第二预测结果;所述待识别设备的链路信息,用于表示所述待识别设备与其他设备的连接关系;所述第二预测结果用于预测所述待识别设备的设备角色;所述第二预设模型是利用x个设备的第一预测结果、所述x个设备的链路信息和所述x个设备的设备角色对第二预设分类器进行训练,生成的;所述第二预设分类器用于将所述x个设备分为y类设备,所述y类设备分别对应不同的设备角色。
2.根据权利要求1所述的角色预测方法,其特征在于,所述获取多个设备的目标特征,具体包括:
获取所述多个设备中每个设备与其他设备进行数据交互时目标词语出现的次数;所述目标词语包括开放最短路径优先OSPF、中间系统到中间系统ISIS。
3.一种角色预测装置,其特征在于,包括:
获取单元,用于获取多个设备的目标特征和所述多个设备的设备角色;所述目标特征,用于反映所述多个设备中每个设备与其他设备进行数据交互时的特征信息;所述设备角色,用于表示所述多个设备中每个设备在目标网络中的功能性作用;其中,所述多个设备中包括n种设备角色的设备;
处理单元,用于在所述获取单元获取多个设备的目标特征和所述多个设备的设备角色之后,利用所述目标特征和所述设备角色对第一预设分类器进行训练,生成第一预设模型;所述第一预设分类器用于将所述多个设备分为n类设备,所述n类设备分别对应不同的设备角色;
所述获取单元,还用于在所述处理单元利用所述目标特征和所述设备角色对第一预设分类器进行训练,生成第一预设模型之后,获取待识别设备的目标特征;
输出单元,用于在所述获取单元获取待识别设备的目标特征之后,根据所述待识别设备的目标特征,利用所述第一预设模型,输出第一预测结果;所述第一预测结果用于预测所述待识别设备的设备角色;
所述获取单元,具体还用于利用NLP算法,确定所述多个设备中每个设备与其他设备进行数据交互时所采用的目标保护方式;所述目标保护方式包括,BFD、TE;
所述输出单元,还用于若根据所述第一预测结果无法确定所述待识别设备的设备角色,则根据所述第一预测结果以及所述待识别设备的链路信息,利用第二预设模型,输出第二预测结果;所述待识别设备的链路信息,用于表示所述待识别设备与其他设备的连接关系;所述第二预测结果用于预测所述待识别设备的设备角色;所述第二预设模型是利用x个设备的第一预测结果、所述x个设备的链路信息和所述x个设备的设备角色对第二预设分类器进行训练,生成的;所述第二预设分类器用于将所述x个设备分为y类设备,所述y类设备分别对应不同的设备角色。
4.根据权利要求3所述的角色预测装置,其特征在于,
所述获取单元,具体用于获取所述多个设备中每个设备与其他设备进行数据交互时目标词语出现的次数;所述目标词语包括OSPF、ISIS。
5.一种角色预测装置,其特征在于,所述角色预测装置包括:处理器、通信接口和存储器;其中,存储器用于存储一个或多个程序,该一个或多个程序包括计算机执行指令,当该角色预测装置运行时,处理器执行该存储器存储的该计算机执行指令,以使该角色预测装置执行权利要求1至2任一项所述的角色预测方法。
6.一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,其特征在于,当所述指令在计算机上运行时,使得计算机执行如权利要求1至2中任一项所述的角色预测方法。
CN201910824459.6A 2019-09-02 2019-09-02 角色预测方法及装置 Active CN110738234B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910824459.6A CN110738234B (zh) 2019-09-02 2019-09-02 角色预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910824459.6A CN110738234B (zh) 2019-09-02 2019-09-02 角色预测方法及装置

Publications (2)

Publication Number Publication Date
CN110738234A CN110738234A (zh) 2020-01-31
CN110738234B true CN110738234B (zh) 2023-04-07

Family

ID=69267546

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910824459.6A Active CN110738234B (zh) 2019-09-02 2019-09-02 角色预测方法及装置

Country Status (1)

Country Link
CN (1) CN110738234B (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107070675B (zh) * 2016-10-19 2019-12-31 腾云天宇科技(北京)有限公司 一种确定网络设备的应用场景的方法、装置和计算设备
CN106714225A (zh) * 2016-12-29 2017-05-24 北京酷云互动科技有限公司 网络设备的识别方法及其系统、智能终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林爱武.以太网技术.《计算机网络》.2017, *

Also Published As

Publication number Publication date
CN110738234A (zh) 2020-01-31

Similar Documents

Publication Publication Date Title
US8848544B2 (en) Event correlation using network data flow simulation over unmanaged network segments
US8856584B2 (en) Transport control server that modifies routing information
CN105191215A (zh) 双向服务链的数据平面学习
CN110011839B (zh) 报文转发方法、装置、spe及存储介质
MX2012005239A (es) Algoritmo de calculo de trayectoria disyuntiva.
CN110380960B (zh) 一种备份路径确定方法、装置、网络设备及存储介质
US10831630B2 (en) Fault analysis method and apparatus based on data center
CN103329493B (zh) 用于在分组处理期间避免存储器带宽利用的方法和设备
US10880119B2 (en) Method for removing data frame redundancy in network environment, and device and computer program for carrying out same
CN104471902A (zh) 确定性网络故障检测
CN112769738B (zh) DetNet数据包处理方法及装置
CN112532408A (zh) 提取故障传播条件的方法、装置及存储介质
CN101505241A (zh) 一种生成测试用例的方法和装置
CN108933691B (zh) 一种获取网络设备标准配置模板的方法和计算设备
US9515918B2 (en) Computing forwarding tables for link failures
CN110738234B (zh) 角色预测方法及装置
CN112351050A (zh) 镜像数据流的方法、装置、通信设备及存储介质
WO2020206120A1 (en) Systems and methods for determining secure network paths
CN113904972B (zh) 路径检测方法、装置、控制器及pe设备
CN109218199B (zh) 一种报文处理方法和装置
CN108390780B (zh) 用于处理信息的方法和装置
US9158871B2 (en) Graph modeling systems and methods
CN114172827A (zh) 网络验证的方法及装置
US7930161B1 (en) Method and apparatus for horizontal and vertical modeled representation and analysis of distributed systems
US20210029015A1 (en) Rapid and verifiable network configuration repair

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
GR01 Patent grant
GR01 Patent grant