CN111181788A - 一种sdn智能系统、工作方法及远程服务器 - Google Patents
一种sdn智能系统、工作方法及远程服务器 Download PDFInfo
- Publication number
- CN111181788A CN111181788A CN201911410389.6A CN201911410389A CN111181788A CN 111181788 A CN111181788 A CN 111181788A CN 201911410389 A CN201911410389 A CN 201911410389A CN 111181788 A CN111181788 A CN 111181788A
- Authority
- CN
- China
- Prior art keywords
- module
- network
- information
- sdn
- flow
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- H04L41/12—Discovery or management of network topologies
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- 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
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2441—Traffic characterised by specific attributes, e.g. priority or QoS relying on flow classification, e.g. using integrated services [IntServ]
-
- 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
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2483—Traffic characterised by specific attributes, e.g. priority or QoS involving identification of individual flows
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/22—Parsing or analysis of headers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及网络通信技术领域,具体地说,涉及一种SDN智能系统、工作方法及远程服务器。其包括控制器单元和收集器单元,所述控制器单元包括基础服务管理模块、网络状态分类模块和调度测量模块,所述收集器单元包括接收采样信息模块、分析网络数据模块和提取网络特征模块。该SDN智能系统、工作方法及远程服务器中,通过网络状态分类模块对采集的网络数据信息进行分析并提取网络数据信息内的特征信息传输至控制器单元内,便于对网络流量进行预处理,为后续调配提供便利,采用调度测量模块寻找全局最优的流量分布,并对流量进行调度分配,对网络流量进行有效的控制调节,提高网络利用率,减少运营成本。
Description
技术领域
本发明涉及网络通信技术领域,具体地说,涉及一种SDN智能系统、工作方法及远程服务器。
背景技术
软件定义网络的思想是通过控制与转发分离,将网络中交换设备的控制逻辑集中到一个计算设备上,为提升网络管理配置能力带来新的思路。SDN的本质特点是控制平面和数据平面的分离以及开放可编程性。通过分离控制平面和数据平面以及开放的通信协议,SDN打破了传统网络设备的封闭性。随着信息化时代的到来,网络流量日益增多,无法对网络流量进行有效的控制调节,导致网络利用率低,运营成本高。
发明内容
本发明的目的在于提供一种SDN智能系统、工作方法及远程服务器,以解决上述背景技术中提出的问题。
为实现上述目的,一方面,本发明提供一种SDN智能系统,包括控制器单元和收集器单元,所述控制器单元包括基础服务管理模块、网络状态分类模块和调度测量模块,所述基础服务管理模块用于为SDN网络提供基础性服务支持;所述网络状态分类模块用于对网络中的流量类型进行分类;所述调度测量模块用于寻找全局最优的流量分布,并对流量进行调度分配;所述收集器单元包括接收采样信息模块、分析网络数据模块和提取网络特征模块,所述接收采样信息模块用于接收采集的网络数据信息;所述分析网络数据模块用于对采集的网络数据信息进行分析;所述提取网络特征模块用于提取网络数据信息内的特征信息。
作为优选,所述基础服务管理模块包括设备管理模块、拓扑管理模块、统计管理模块和核心管理模块,所述设备管理模块用于对SDN网络接入的交换机、终端设备进行管理;所述拓扑管理模块用于展示网络设备和链路资源的基本情况;所述统计管理模块用于统计基础服务管理信息;所述核心管理模块用于核心控制管理。
作为优选,所述网络状态分类模块包括收集状态信息模块、网络测量模块和网络流分类模块,所述收集状态信息模块用于从网络中收集各个交换机和链路的状态信息;所述网络测量模块用于计算链路的利用率和流的带宽情况;所述网络流分类模块用于对网络中的流进行分类,识别出不同的流量类型。
作为优选,所述网络测量模块的公式如下:
其中,Cl为链路l的物理宽带,rl为该链路的可用带宽,a0和a1为权重系数且0<a0,a1≤1。
链路传输能力因子由两部分组成,第一部分为可用带宽与物理带宽比,第二部分为链路利用率的倒数,作为对可用带宽的修正。适当选择权重系数a0与a1可以控制两种参数对下一跳选择的影响力,令a0=a1=1,F1越大表明链路的传输能力越强,该下一跳链路被选择用于传输分组的概率越大。
采用IESG算法根据链路利用率和可用带宽来选择下一跳链路,基于链路利用率越高路径选择阻塞概率越高和可用带宽越小阻塞概率越高的思想,设多下一跳链路集M为下一跳的个数,链路利用率对路径选择阻塞概率的影响为:
R=min[ηl,1≤l≤M]b(l)=R-η……(式1-2);
可用带宽对路径选择阻塞概率的影响为:
作为优选,所述网络流分类模块采用规范化的谱聚类分类识别算法,其算法流程如下:
假设网络流量为X={xij}m×n,打标签后的流量为对于整数k≥3,设其中,T所对应的线性列表L(k)={(mum,row,col)|mum=1,2,···,2k×2k;1≤row≤2k;1≤col≤2k},则谱聚类算法表述如下:
第一步:建立流量数据样本的相似性连接图,设其所对应的权值矩阵为w;
第二步:构造规范化拉普拉斯矩阵Lsym;
第三步:求矩阵Lsym的k个最小的特征值所对应的特征向量v1,v2,…,vk;
第四步:构造矩阵令V=[v1,v2,…,vk],V∈Rn×k;
第五步:规范化V的行向量,使其范数为1,得到矩阵Y,则:
第六步:设yi为矩阵Y的第i列,其中yi∈Rk,i=1,2,…,n;
第七步:通过k均值算法对数据yi(yi∈Rk,i=1,2,…,n)进行聚类运算,并得到聚类结果C1,C2…,Ck。
作为优选,所述收采样信息模块采用sFlow协议进行网络状态的收集,将OpenFlow和sFlow技术相结合对网络进行测量,并将测量结果导出到控制器。
作为优选,所述分析网络数据模块的分析算法公式如下:
作为优选,所述提取网络特征模块包括包头解析模块、时间戳模块、地址映射模块和流表核心处理模块,所述包头解析模块用于接收所有来自链路层的以太网帧,并根据更新流表的需要,提取以太网帧中的五元组和数据包的长度信息;所述时间戳模块用于以太网帧提取TCP或UDP数据包打人时间戳;所述地址映射模块根据从包头解析模块获取的五元组信息计算其流记录存储的地址信息;所述流表核心处理模块用于完成对流表的查询,创建,更新,删除,提交操作,并且将相应流表位置的信息及时输出到下一模块。
另一方面,本发明提供一种SDN智能工作方法,包括上述中任意一项所述的SDN智能系统,其方法包括如下步骤:
S1、收集器单元通过接收采样信息模块接收采集的网络数据信息;
S2、对采集的网络数据信息进行分析;
S3、提取网络数据信息内的特征信息,并传输至控制器单元;
S4、采用基础服务管理模块为SDN网络提供基础性服务支持;
S5、采用网络状态分类模块对网络中的流量类型进行分类;
S6、寻找全局最优的流量分布,并对流量进行调度分配。
另一方面,本发明提供一种SDN智能远程服务器,所述SDN智能远程服务器用于建立控制器单元和收集器单元之间的数据传输通道,所述数据传输通道被建立后实现如上述方法的步骤。
与现有技术相比,本发明的有益效果:
1、该SDN智能系统、工作方法及远程服务器中,设置收集器单元接收采集的网络数据信息,通过网络状态分类模块对采集的网络数据信息进行分析并提取网络数据信息内的特征信息传输至控制器单元内,便于对网络流量进行预处理,为后续调配提供便利。
2、该SDN智能系统、工作方法及远程服务器中,采用调度测量模块寻找全局最优的流量分布,并对流量进行调度分配,对网络流量进行有效的控制调节,提高网络利用率,减少运营成本。
附图说明
图1为本发明的整体结构框图;
图2为本发明的基础服务管理模块图;
图3为本发明的网络状态分类模块图;
图4为本发明的提取网络特征模块图;
图5为本发明的整体流程框图。
图中各个标号意义为:
1、控制器单元;11、基础服务管理模块;12、网络状态分类模块;13、调度测量模块;
2、收集器单元;21、接收采样信息模块;22、分析网络数据模块;23、提取网络特征模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图5所示,本发明提供一种技术方案:
本发明提供一种SDN智能系统、工作方法及远程服务器,包括控制器单元1和收集器单元2,控制器单元1包括基础服务管理模块11、网络状态分类模块12和调度测量模块13,基础服务管理模块11用于为SDN网络提供基础性服务支持;网络状态分类模块12用于对网络中的流量类型进行分类;调度测量模块13用于寻找全局最优的流量分布,并对流量进行调度分配;收集器单元2包括接收采样信息模块21、分析网络数据模块22和提取网络特征模块23,接收采样信息模块21用于接收采集的网络数据信息;分析网络数据模块22用于对采集的网络数据信息进行分析;提取网络特征模块23用于提取网络数据信息内的特征信息。
本实施例中,基础服务管理模块11包括设备管理模块、拓扑管理模块、统计管理模块和核心管理模块,设备管理模块用于对SDN网络接入的交换机、终端设备进行管理;拓扑管理模块用于展示网络设备和链路资源的基本情况;统计管理模块用于统计基础服务管理信息;核心管理模块用于核心控制管理。
进一步的,网络状态分类模块12包括收集状态信息模块、网络测量模块和网络流分类模块,收集状态信息模块用于从网络中收集各个交换机和链路的状态信息;网络测量模块用于计算链路的利用率和流的带宽情况;网络流分类模块用于对网络中的流进行分类,识别出不同的流量类型。
其中,网络测量模块的公式如下:
其中,Cl为链路l的物理宽带,rl为该链路的可用带宽,a0和a1为权重系数且0<a0,a1≤1。
具体的,链路传输能力因子由两部分组成,第一部分为可用带宽与物理带宽比,第二部分为链路利用率的倒数,作为对可用带宽的修正。适当选择权重系数a0与a1可以控制两种参数对下一跳选择的影响力,令a0=a1=1,F1越大表明链路的传输能力越强,该下一跳链路被选择用于传输分组的概率越大。
值得说明的是,采用IESG算法根据链路利用率和可用带宽来选择下一跳链路,基于链路利用率越高路径选择阻塞概率越高和可用带宽越小阻塞概率越高的思想,设多下一跳链路集M为下一跳的个数,链路利用率对路径选择阻塞概率的影响为:
R=min[ηl,1≤l≤M]b(l)=R-η……(式1-2);
此外,可用带宽对路径选择阻塞概率的影响为:
除此之外,网络流分类模块采用规范化的谱聚类分类识别算法,其算法流程如下:
再进一步的,假设网络流量为X={xij}m×n,打标签后的流量为对于整数k≥3,设其中,T所对应的线性列表L(k)={(mum,row,col)|mum=1,2,···,2k×2k;1≤row≤2k;1≤col≤2k},则谱聚类算法表述如下:
第一步:建立流量数据样本的相似性连接图,设其所对应的权值矩阵为w;
第二步:构造规范化拉普拉斯矩阵Lsym;
第三步:求矩阵Lsym的k个最小的特征值所对应的特征向量v1,v2,…,vk;
第四步:构造矩阵令V=[v1,v2,…,vk],V∈Rn×k;
第五步:规范化V的行向量,使其范数为1,得到矩阵Y,则:
第六步:设yi为矩阵Y的第i列,其中yi∈Rk,i=1,2,…,n;
第七步:通过k均值算法对数据yi(yi∈Rk,i=1,2,…,n)进行聚类运算,并得到聚类结果C1,C2…,Ck。
本实施例中,收采样信息模块21采用sFlow协议进行网络状态的收集,将OpenFlow和sFlow技术相结合对网络进行测量,并将测量结果导出到控制器。
再进一步的,分析网络数据模块22的分析算法公式如下:
具体的,提取网络特征模块23包括包头解析模块、时间戳模块、地址映射模块和流表核心处理模块,包头解析模块用于接收所有来自链路层的以太网帧,并根据更新流表的需要,提取以太网帧中的五元组和数据包的长度信息;时间戳模块用于以太网帧提取TCP或UDP数据包打人时间戳;地址映射模块根据从包头解析模块获取的五元组信息计算其流记录存储的地址信息;流表核心处理模块用于完成对流表的查询,创建,更新,删除,提交操作,并且将相应流表位置的信息及时输出到下一模块。
另一方面,本发明提供一种SDN智能工作方法,包括上述中任意一项的SDN智能系统,其方法包括如下步骤:
S1、收集器单元2通过接收采样信息模块21接收采集的网络数据信息;
S2、对采集的网络数据信息进行分析;
S3、提取网络数据信息内的特征信息,并传输至控制器单元1;
S4、采用基础服务管理模块11为SDN网络提供基础性服务支持;
S5、采用网络状态分类模块12对网络中的流量类型进行分类;
S6、寻找全局最优的流量分布,并对流量进行调度分配。
另一方面,本发明提供一种SDN智能远程服务器,SDN智能远程服务器用于建立控制器单元1和收集器单元2之间的数据传输通道,数据传输通道被建立后实现如上述方法的步骤。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种SDN智能系统,包括控制器单元(1)和收集器单元(2),其特征在于:所述控制器单元(1)包括基础服务管理模块(11)、网络状态分类模块(12)和调度测量模块(13),所述基础服务管理模块(11)用于为SDN网络提供基础性服务支持;所述网络状态分类模块(12)用于对网络中的流量类型进行分类;所述调度测量模块(13)用于寻找全局最优的流量分布,并对流量进行调度分配;所述收集器单元(2)包括接收采样信息模块(21)、分析网络数据模块(22)和提取网络特征模块(23),所述接收采样信息模块(21)用于接收采集的网络数据信息;所述分析网络数据模块(22)用于对采集的网络数据信息进行分析;所述提取网络特征模块(23)用于提取网络数据信息内的特征信息。
2.根据权利要求1所述的SDN智能系统,其特征在于:所述基础服务管理模块(11)包括设备管理模块、拓扑管理模块、统计管理模块和核心管理模块,所述设备管理模块用于对SDN网络接入的交换机、终端设备进行管理;所述拓扑管理模块用于展示网络设备和链路资源的基本情况;所述统计管理模块用于统计基础服务管理信息;所述核心管理模块用于核心控制管理。
3.根据权利要求1所述的SDN智能系统,其特征在于:所述网络状态分类模块(12)包括收集状态信息模块、网络测量模块和网络流分类模块,所述收集状态信息模块用于从网络中收集各个交换机和链路的状态信息;所述网络测量模块用于计算链路的利用率和流的带宽情况;所述网络流分类模块用于对网络中的流进行分类,识别出不同的流量类型。
5.根据权利要求3所述的SDN智能系统,其特征在于:所述网络流分类模块采用规范化的谱聚类分类识别算法,其算法流程如下:
假设网络流量为X={xij}m×n,打标签后的流量为对于整数k≥3,设其中,T所对应的线性列表L(k)={(mum,row,col)|mum=1,2,...,2k×2k;1≤row≤2k;1≤col≤2k},则谱聚类算法表述如下:
第一步:建立流量数据样本的相似性连接图,设其所对应的权值矩阵为w;
第二步:构造规范化拉普拉斯矩阵Lsym;
第三步:求矩阵Lsym的k个最小的特征值所对应的特征向量v1,v2,...,vk;
第四步:构造矩阵令V=[v1,v2,...,vk],V∈Rn×k;
第五步:规范化V的行向量,使其范数为1,得到矩阵Y,则:
第六步:设yi为矩阵Y的第i列,其中yi∈Rk,i=1,2,...,n;
第七步:通过k均值算法对数据yi(yi∈Rk,i=1,2,...,n)进行聚类运算,并得到聚类结果C1,C2…,Ck。
6.根据权利要求1所述的SDN智能系统,其特征在于:所述收采样信息模块(21)采用sFlow协议进行网络状态的收集,将OpenFlow和sFlow技术相结合对网络进行测量,并将测量结果导出到控制器。
8.根据权利要求1所述的SDN智能系统,其特征在于:所述提取网络特征模块(23)包括包头解析模块、时间戳模块、地址映射模块和流表核心处理模块,所述包头解析模块用于接收所有来自链路层的以太网帧,并根据更新流表的需要,提取以太网帧中的五元组和数据包的长度信息;所述时间戳模块用于以太网帧提取TCP或UDP数据包打人时间戳;所述地址映射模块根据从包头解析模块获取的五元组信息计算其流记录存储的地址信息;所述流表核心处理模块用于完成对流表的查询,创建,更新,删除,提交操作,并且将相应流表位置的信息及时输出到下一模块。
9.一种SDN智能工作方法,包括权利要求1-8中任意一项所述的SDN智能系统,其方法包括如下步骤:
S1、收集器单元(2)通过接收采样信息模块(21)接收采集的网络数据信息;
S2、对采集的网络数据信息进行分析;
S3、提取网络数据信息内的特征信息,并传输至控制器单元(1);
S4、采用基础服务管理模块(11)为SDN网络提供基础性服务支持;
S5、采用网络状态分类模块(12)对网络中的流量类型进行分类;
S6、寻找全局最优的流量分布,并对流量进行调度分配。
10.一种SDN智能远程服务器,所述SDN智能远程服务器用于建立控制器单元(1)和收集器单元(2)之间的数据传输通道,其特征在于:所述数据传输通道被建立后实现如权利要求9中方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911410389.6A CN111181788B (zh) | 2019-12-31 | 2019-12-31 | 一种sdn智能系统、工作方法及远程服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911410389.6A CN111181788B (zh) | 2019-12-31 | 2019-12-31 | 一种sdn智能系统、工作方法及远程服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111181788A true CN111181788A (zh) | 2020-05-19 |
CN111181788B CN111181788B (zh) | 2023-05-09 |
Family
ID=70655949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911410389.6A Active CN111181788B (zh) | 2019-12-31 | 2019-12-31 | 一种sdn智能系统、工作方法及远程服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111181788B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104158753A (zh) * | 2014-06-12 | 2014-11-19 | 南京工程学院 | 基于软件定义网络的动态流调度方法及系统 |
CN107124306A (zh) * | 2017-04-24 | 2017-09-01 | 电子科技大学 | 网络功能虚拟化环境下的内容交付网络服务器优化部署方法 |
CN109327838A (zh) * | 2018-11-20 | 2019-02-12 | 吉林大学 | 一种异构蜂窝网络中基于谱聚类的频谱资源分配方法 |
CN110213175A (zh) * | 2019-06-08 | 2019-09-06 | 西安电子科技大学 | 一种面向知识定义网络的智能管控系统及管控方法 |
-
2019
- 2019-12-31 CN CN201911410389.6A patent/CN111181788B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104158753A (zh) * | 2014-06-12 | 2014-11-19 | 南京工程学院 | 基于软件定义网络的动态流调度方法及系统 |
CN107124306A (zh) * | 2017-04-24 | 2017-09-01 | 电子科技大学 | 网络功能虚拟化环境下的内容交付网络服务器优化部署方法 |
CN109327838A (zh) * | 2018-11-20 | 2019-02-12 | 吉林大学 | 一种异构蜂窝网络中基于谱聚类的频谱资源分配方法 |
CN110213175A (zh) * | 2019-06-08 | 2019-09-06 | 西安电子科技大学 | 一种面向知识定义网络的智能管控系统及管控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111181788B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109981691B (zh) | 一种面向SDN控制器的实时DDoS攻击检测系统与方法 | |
Wang et al. | A framework for QoS-aware traffic classification using semi-supervised machine learning in SDNs | |
CN110311829B (zh) | 一种基于机器学习加速的网络流量分类方法 | |
CN105871832B (zh) | 一种基于协议属性的网络应用加密流量识别方法及其装置 | |
Da Silva et al. | Identification and selection of flow features for accurate traffic classification in SDN | |
CN112491619B (zh) | 一种基于sdn的服务定制网络资源自适应分配方法 | |
US9332546B2 (en) | Radio resource optimizing method, apparatus, and system | |
CN107317758B (zh) | 一种高可靠性的细粒度sdn流量监控架构 | |
CN102523241A (zh) | 基于决策树高速并行处理的网络流量在线分类方法及装置 | |
CN109802868B (zh) | 一种基于云计算的移动应用实时识别方法 | |
CN110149239B (zh) | 一种基于sFlow的网络流量监控方法 | |
CN108462707B (zh) | 一种基于深度学习序列分析的移动应用识别方法 | |
CN112949739A (zh) | 一种基于智能流量分类的信息传输调度方法及系统 | |
CN113055251B (zh) | 一种面向高速网络的流量丢包状态实时感知方法 | |
KR20140097691A (ko) | 서버 그룹핑 방법 및 장치와 기록매체 | |
CN114401516A (zh) | 一种基于虚拟网络流量分析的5g切片网络异常检测方法 | |
CN109952743B (zh) | 用于低内存和低流量开销大流量对象检测的系统和方法 | |
KR100501080B1 (ko) | 인터넷상 트래픽의 상위 계층 프로토콜들을 구분하는 방법및 장치 | |
CN108667804B (zh) | 一种基于SDN架构的DDoS攻击检测及防护方法和系统 | |
CN109978073B (zh) | 一种空间信息网络任务智能识别方法 | |
CN111181788A (zh) | 一种sdn智能系统、工作方法及远程服务器 | |
CN115242724B (zh) | 一种基于两阶段聚类的高速网络流量服务分类方法 | |
CN116614267A (zh) | 基于神经网络的DDos攻击云边协作防御方法与系统 | |
CN114095383B (zh) | 网络流量采样方法、系统和电子设备 | |
CN113259263B (zh) | 一种深度报文检测集群中的数据包调度方法 |
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 |