CN112528132A - 一种管理网络的方法和一种网管系统 - Google Patents
一种管理网络的方法和一种网管系统 Download PDFInfo
- Publication number
- CN112528132A CN112528132A CN201910882620.5A CN201910882620A CN112528132A CN 112528132 A CN112528132 A CN 112528132A CN 201910882620 A CN201910882620 A CN 201910882620A CN 112528132 A CN112528132 A CN 112528132A
- Authority
- CN
- China
- Prior art keywords
- network
- model
- physical
- physical network
- target
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/46—Interconnection of networks
- H04L12/4641—Virtual LANs, VLANs, e.g. virtual private networks [VPN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
- H04L41/0803—Configuration setting
- H04L41/0806—Configuration setting for initial configuration or provisioning, e.g. plug-and-play
-
- 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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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
- H04L41/0876—Aspects of the degree of configuration automation
- H04L41/0886—Fully automatic configuration
-
- 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
- H04L41/0895—Configuration of virtualised networks or elements, e.g. virtualised network function or OpenFlow elements
-
- 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
- H04L41/5054—Automatic deployment of services triggered by the service manager, e.g. service implementation by automatic configuration of network components
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/20—Arrangements for monitoring or testing data switching networks the monitoring system or the monitored elements being virtualised, abstracted or software-defined entities, e.g. SDN or NFV
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Security & Cryptography (AREA)
- Computational Linguistics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请实施例涉及一种网络管理方法,该方法包括:获取目标网络的网络类型;基于所述网络类型和逻辑网络推荐模型获得所述目标网络的逻辑网络模型;基于所述逻辑网络模型和物理网络推荐模型确定所述目标网络的物理网络模型;基于所述目标网络的物理网络模型对进行网络配置。本申请实施例的一个优点在于:用户输入目标网络的网络类型,而不是大量的详细网络配置的情况下,网管系统就可以自动为用户建立所需的目标网络,大幅提高了建立目标网络的效率。
Description
技术领域
本发明涉及通信领域,尤其涉及一种管理网络的方法和一种网管系统。
背景技术
当前,在需要为用户部署网络时,需要网络部署方根据用户的需求进行大量的人工业务分析。首先,使用人工的方式分析业务需求,比如网络扩容、网络缩容、新增业务配置等;然后,继续用人工的方式分析网络要求,包括网络规模、资源占用,安全性、SLA、负载均衡、外网访问控制等;之后,还需要通过人工的方式确定逻辑网络模型和部署位置。由于这种方式主要依据操作人员的经验和技能,随机性大,出错概率高。操作主要依赖人工,耗时耗力,效率低下。难以满足应用多样化,需求变动频繁的场景。
发明内容
本申请实施例的一个目的为提供一种按照用户的意图自动化地部署网络的方法和能够实现这种方法的网管系统。
本申请实施例技术方案包括以下内容。
本申请的第一方面提供一种网络管理方法,所述方法包括:获取目标网络的网络类型;基于所述网络类型和逻辑网络推荐模型获得所述目标网络的逻辑网络模型;基于所述逻辑网络模型和物理网络推荐模型确定所述目标网络的物理网络模型;基于所述目标网络的物理网络模型对进行网络配置。
在所述第一方面的一种可能设计中,所述逻辑网络推荐模型是基于知识图谱的推荐模型。
在所述第一方面的一种可能设计中,所述知识图谱包括m个实体,所述n个实体位于n个层,位于最低层的实体为不可再分的实体且被设置有多个属性值,m和n为自然数,m大于n。
在所述第一方面的一种可能设计中,所述基于所述逻辑网络模型和物理网络推荐模型确定所述目标网络的物理网络模型包括:基于所述逻辑网络模型和物理网络推荐模型确定多个物理网络模型,其中,所述物理网络推荐模型包括多个初步物理网络推荐模型,每个物理网络模型对应一个偏好;基于用户的选择,从所述多个物理网络模型中选择一个作为目标网络的物理网络模型。
在所述第一方面的一种可能设计中,所述基于所述目标网络的物理网络模型对进行网络配置包括:对所述目标网络的物理网络模型进行仿真测试;在确定所述物理网络模型通过仿真测试后,基于所述物理网络模型进行网络配置。
在所述第一方面的一种可能设计中,所述方法还包括:对基于所述网络配置而得到的目标网络的运行进行检测;根据检测的结果调整所述物理网络推荐模型。
在所述第一方面的一种可能设计中,所述逻辑网络模型包括多个逻辑节点和针对所述多个逻辑节点的性能要求,所述物理网络模型包括多个物理节点和所述多个物理节点的配置参数。
在所述第一方面的一种可能设计中,所述物理网络推荐模型是基于有监督或无监督的机器学习算法获得的。在所述第一方面的一种可能设计中,所述目标网络的网络类型包括网页web服务、应用程序APP服务和/或数据库DB服务。
在所述第一方面的一种可能设计中,所述逻辑网络模型包括虚拟私有云VPC。
本申请的第一方面提供一种网管系统,所述网管系统包括:获取模块,用于获取目标网络的网络类型;逻辑模型模块,用于基于所述网络类型和逻辑网络推荐模型获得所述目标网络的逻辑网络模型;物理模型模块,用于基于所述逻辑网络模型和物理网络推荐模型确定所述目标网络的物理网络模型;配置模块,用于基于所述目标网络的物理网络模型对进行网络配置。
在所述第二方面的一种可能设计中,所述逻辑网络推荐模型是基于知识图谱的推荐模型。
在所述第二方面的一种可能设计中,所述知识图谱包括m个实体,所述n个实体位于n个层,位于最低层的实体为不可再分的实体且被设置有多个属性值,m和n为自然数,m大于n。
在所述第二方面的一种可能设计中,所述物理网络模块具体用于:基于所述逻辑网络模型和物理网络推荐模型确定多个物理网络模型,其中,所述物理网络推荐模型包括多个初步物理网络推荐模型,每个物理网络模型对应一个偏好;基于用户的选择,从所述多个物理网络模型中选择一个作为目标网络的物理网络模型。
在所述第二方面的一种可能设计中,所述配置模块具体用于:对所述目标网络的物理网络模型进行仿真测试;在确定所述物理网络模型通过仿真测试后,基于所述物理网络模型进行网络配置。
在所述第二方面的一种可能设计中,所述系统还包括:检测模块,用于对基于所述网络配置而得到的目标网络的运行进行检测;调整模块,用于根据检测的结果调整所述物理网络推荐模型。
在所述第二方面的一种可能设计中,所述逻辑网络模型包括多个逻辑节点和针对所述多个逻辑节点的性能要求,所述物理网络模型包括多个物理节点和所述多个物理节点的配置参数。
在所述第二方面的一种可能设计中,所述物理网络推荐模型是基于有监督或无监督的机器学习算法获得的。
在所述第二方面的一种可能设计中,所述目标网络的网络类型包括网页web服务、应用程序APP服务和/或数据库DB服务。
在所述第二方面的一种可能设计中,所述逻辑网络模型包括虚拟私有云VPC。
本申请实施例的一个优点在于:用户输入目标网络的网络类型,而不是大量的详细网络配置的情况下,网管系统就可以自动为用户建立所需的目标网络,大幅提高了建立目标网络的效率。用户输入的目标网络的网络类型可以理解为是用户的意图,而不是用户的具体配置方案,因此本方法可以理解为实现了基于用户的意图自动建立用户所需的网络。
附图说明
图1所示为本申请实施例的用于生成目标网络的网络配置方法100的流程图。
图2所示为本申请实施例的用于生成目标网络的网络配置方法200的流程图。
图3a所示为本申请实施例生成知识图谱的方法300的流程图。
图3b所示本申请的实施例中的知识图谱的简化树状图。
图3c所示为本申请的实施例中的知识图谱的拓扑状示意图。
图4所示为本申请实施例中逻辑网络推荐模型进行逻辑网络模型推荐的方法400的流程图。
图5所示为本申请实施例中构建物理网络推荐模型的方法500的流程图。
图6所示为本申请实施例中的网管系统600的示意图。
图7所示为本申请实施例中的网管系统700的示意图。
具体实施方式
下面结合附图和具体实施例对本发明展开详细说明。但需要注意,下面的这些实施例,仅为帮助理解技术方案所举的例子,并不默认地表示本申请不可以通过其他技术方案实现,也不默认地表示本实施例中的特征是必须的。
图1所示为本申请实施例的用于生成目标网络的网络配置方法100的流程图。如图1所示,所述方法100包括以下内容。
102、获取目标网络的网络类型。举例来说,所述目标网络的网络类型包括网页web服务、应用程序APP服务和/或数据库DB服务。
104、基于所述网络类型和逻辑网络推荐模型获得所述目标网络的逻辑网络模型。所述逻辑网络推荐模型可以是基于知识图谱的推荐模型,也可以是基于其他技术获得的推荐模型。所述知识图谱包括m个实体,所述n个实体位于n个层,位于最低层的实体为不可再分的实体且被设置有多个属性值,m和n为自然数,m大于n。所述逻辑网络模型包括多个逻辑节点和针对所述多个逻辑节点的性能要求。所述逻辑网络模型可以包括虚拟私有云(VPC)。
106、基于所述逻辑网络模型和物理网络推荐模型确定所述目标网络的物理网络模型。
所述物理网络推荐模型可以包括多个初步物理网络推荐模型,其中每个初步物理网络推荐模型都和一个偏好相对应。举例来说,偏好可以是性能优先、成本优先或安全性优先等。在这种情况下,可以基于所述逻辑网络模型和多个初步物理网络推荐模型获得多个与偏好对应的物理网络模型。之后,再从多个与偏好对应的物理网络模型确定一个物理网络模型作为目标网络的物理网络模型。所述物理网络推荐模型可以仅包括一个物理网络推荐模型。在这种情况下,可以直接根据所述逻辑网络模型和物理网络推荐模型确定所述目标网络的物理网络模型,不需要再基于多个和偏好对应的物理网络模型中进行选择。所述物理网络推荐模型是基于有监督或无监督的机器学习算法获得的。例如,有监督的算法可以为逻辑回归或随机森林等算法,无监督的算法可以为K-MEANS或EM等算法。
108、基于所述目标网络的物理网络模型对进行网络配置。
进行网络配置的过程可以包括在进行网络配置前进行的一个仿真测试过程。仿真测试过程包括对所述目标网络的物理网络模型进行仿真测试。在确定所述物理网络模型通过仿真测试后,基于所述物理网络模型进行网络配置。如果所述物理网络模型未通过仿真测试,则不会基于所述物理网络模型进行网络配置。物理网络推荐模型会再生成一个新的物理网络模型。如果这个新的物理网络模型通过仿真测试,则基于新的物理网络模型进行网络配置。
在进行网络配置后,所述方法100还可以对基于所述网络配置而得到的目标网络的运行进行检测;根据检测的结果调整所述物理网络推荐模型。
基于图1所示的方法,用户只需要输入目标网络的网络类型,而不是大量的详细网络配置,网管系统就可以自动为用户建立所需的目标网络,大幅提高了建立目标网络的效率。用户输入的目标网络的网络类型可以理解为是用户的意图,而不是用户的具体配置方案,因此本方法可以理解为实现了基于用户的意图自动建立用户所需的网络。此外,由于该方法可以基于仿真检测和实际部署的网络的性能的检测结果对网络模型的推荐进行优化,因此可以不断提升整体机制的运行效果,提高所推荐的网络和用户意图的匹配程度。
图2所示为本申请实施例的用于生成目标网络的网络配置方法200的流程图。如图2所示,所述方法200包括以下内容。
202、获取目标网络的网络类型。
目标网络的网络类型可以由网络管理员通过用户界面(UI)输入,从而使网管系统获得。举例来说,所述网络类型可以是网银系统、票务系统、视频监控系统、在线交易平台和办公系统等。网络管理员可以直接拼写网络类型,也可以在UI展示的可选项中选择网络类型,还可以输入网络类型对应的代码等。在一些情况下,网络管理员还可以通过UI输入针对网络类型的一些性能要求,以便网管系统后续根据这些性能要求推荐逻辑网络模型。这里的网管系统可以是指一个单独的硬件设备,也可以是指多个具有通信关系的硬件设备。
204、基于网络类型和逻辑网络推荐模型获得所述目标网络逻辑网络模型。
每一个网络类型都可以对应多个服务,为了实现这个网络类型的网络,需要实现该网络类型对应的多个服务。逻辑网络推荐模型可以根据网络类型确定与该网络类型对应的多个服务。常见的服务包括网页(web)服务、应用程序(APP)服务和数据库(DB)服务。在一些情况下,web服务可以是指用户和目标网络进行交互的平台,用户可以通过移动终端和个人电脑和目标网络进行交互,APP服务用于为web服务提供后台服务,DB服务用于设置目标网络中的数据的存储位置。一个网络类型可以对应这些服务中的部分或者全部,还可以进一步对应一些其他的服务。
逻辑网络推荐模型可以根据目标网络的网络类型获得目标网络的逻辑网络模型。逻辑网络推荐模型可以分别为目标网络的多个服务分别生成各个服务的逻辑网络模型,再根据各个服务的逻辑网络模型生成目标网络的逻辑网络模型。此外,逻辑网络推荐模型也可以直接通过目标网络的网络类型生成目标网络的逻辑网络模型。
逻辑网络模型具体可以是VPC。VPC的全称为虚拟私有云(Virtual PrivateCloud),相当于一个私有的局域网,用于解决特定的业务需求,可以定义独有的安全配置、容量配置、计算资源配置等。
206、向用户展示逻辑网络模型。
在通过204获得逻辑网络模型后,网管系统将逻辑网络模型展示给用户,以便用户决定直接接受所述逻辑网络模型,还是要对所述逻辑网络模型进行修改。
208、获得用户确认的逻辑网络模型。
当用户直接接受所述逻辑网络模型时,所述网络模型即为用户确认的逻辑网络模型;当用户对所述逻辑网络模型进行了修改,则修改后的逻辑网络模型就是用户确认的逻辑网络模型。无论哪种情况,所述用户确认的逻辑网络模型都是基于通过206获得的逻辑网络模型获得的。
210、基于所述用户确认的逻辑网络模型和物理网络推荐模型获得物理网络模型。
物理网络推荐模型可以基于所述用户确认的逻辑网络模型生成与多个偏好对应的物理网络模型,以便用户根据其偏好从中为目标网络选择一个物理网络模型,并基于这个被选择的物理网络模型建立目标网络。这里的偏好可以有很多种,例如性能优先、成本优先、安全性优先等等。选择哪些偏好可以有系统默认配置,可以由网络管理员进行配置。网络管理员可以被理解为用户,也可以被理解为为用户工作的人。物理网络推荐模型也可以只生成一个物理网络模型。这种情况下,用户只能基于这个唯一的物理网络模型来建立目标网络。
所述逻辑网络模型包括包含多个逻辑节点的拓扑和针对所述多个逻辑节点的性能要求,例如有无硬件防火墙、出口带宽的大小、并行处理能力和/或访问权限控制等,所述物理网络模型包括包含多个物理节点的拓扑和所述多个物理节点的配置参数。物理网络推荐模型可以通过有监督和/或无监督的机器学习算法来实现。
212、判断所述物理网络模型是否通过仿真评估。如果能够通过仿真评估,则执行操作214。如果不能通过仿真评估,则根据未通过仿真评估这一结果执行操作216,对物理网络推荐模型和逻辑网络推荐模型进行优化,以便这两个模型可以能够输出更好的结果。
214、基于物理网络模型为目标网络进行配置。
在进行配置后,可以生成目标网络。目标网络在生成后,可以开始运行,实现其功能。
216、根据物理网络模型未通过仿真评估这一结果,对物理网络推荐模型和逻辑网络推荐模型进行改进,例如,降低所述逻辑网络模型和所述物理网络模型针对所述用户需求或者类似需求时被推荐的概率。
218、对目标网络的性能进行跟踪,获得目标网络运行的统计结果,判断目标网络运行是否良好。
在目标网络开始运行后,网管系统可以对网络的运行情况进行跟踪,获得统计结果。
220、当确定目标网络运行情况良好,则配置成功,结束本流程。
222、当确定目标网络运行情况不好,则根据这一结果对物理网络推荐模型和逻辑网络推荐模型进行改进,例如,降低所述逻辑网络模型和所述物理网络模型针对所述用户需求或者类似需求时被推荐的概率。
在一些实施例中,逻辑网络推荐模型可以基于知识图谱技术实现。在知识图谱技术中,存在实体、属性和关系等多个概念。实体可以是一个系统、一个模块、一个子模块等,属性是实体的指标,关系是实体之间的联系。现通过举例的方式对这些概念进行介绍。
系统实体可以是指网络类型,每个网络类型都可以被理解为一个系统实体。例如,网银系统可以是一个系统实体,票务系统也可以是一个系统实体。
模块实体可以是指一个网络类型包括的多个服务。例如如果一个网络类型包括或对应web服务、APP服务和DB服务,那么这个网络类型对应的系统实体所包括的模块实体就包括web模块实体、APP模块实体和DB模块实体。
子模块实体可以是指一个模块实体的属性信息,例如一个web模块实体可以包括出口实体、安全等级实体、弹性IP(Elastic IP,EIP)实体、容量实体、弹性负载均衡(Elastic Load Balancing,ELB)实体、服务等级协议(Service-Level Agreement,SLA)等级实体。
如果一个子模块实体还可以继续细分,则这个子模块实体还可以包括多个二级子模块实体。实体的划分可以一直进行到实体不能在继续划分出下级子模块为止。
属性可以是指不可再进一步划分的最低级实体的指标。例如,当容量实体和安全等级实体均为不可再进一步划分的实体时,容量实体的属性可以为5000个容量单位,安全等级实体的属性可以为高。
关系可以是指实体之间的联系,例如网银系统这个系统实体包括web模块实体,web模块实体包括安全等级实体。
知识图谱的生成可以包括数据收集和表示数据两个部分。数据收集可以指产品说明书中的关于产品性能参数等信息、专家的经验和历史成功案例等。表示数据是指将数据表示为实体、实体的属性、实体和实体之间的关系。
图3a所示为本申请实施例生成知识图谱的方法300的流程图。
302、对于新加入的数据,提取系统实体,在图谱中检索。如果该系统实体不存在,则创建,否则利用已有的系统实体。后续以网银系统为例进行说明。
304、创建第一层结构
{网银系统:}
306、将系统分解为模块实体,系统包含模块实体。创建对于每个模块实体,在图谱中检索。如果该模块实体不存在,则创建;否则利用已有的模块实体。
308、创建第二层结构
310、将每个模块分解分解为子模块,模块包含子模块。对于每个子模块实体,在图谱中检索。如果该子模块实体不存在,则创建;否则利用已有的子模块实体。
312、创建第三层结构
314、如果子模块还能分解,则继续分解,直至不能再分解;对于不能分解的模块,填充属性。如果该属性已经存在,则直接使用;否则填充新的属性值。将基础模块表示为{基础模块实体-属性-属性值}。这些不可再分解的模块,是构建这个系统的基础模块。
316、将系统表示为以下结构:
至此,基本上实现了一条历史成功案例或者专家经验的输入,随着输入数据的增多,不可分解的基础模块数量越来越丰富,模块的值越来越多样化,这些基础模块构建功能模块,功能模块构建系统,完成各个系统的表示。
图3b所示本申请的实施例中的知识图谱的简化树状图。为了节省空间,图3b仅示例性地展示了APP模块实体对应的第三层结构。图3b示出了第一层结构包括网银系统这个实体,第二层结构包括web,APP和DB三个实体,第三层结构以APP模块实体为例,示出了APP模块实体可以包括的多个下一级实体。从图3b可知,每个实体都可以存在多个配置。
318、将记录存入图数据库,实体表示为节点,实体与实体的关系表示为边。
320、将每一条记录都表示为一个向量,向量的元素为系统中所有的基础模块,向量的值为归一化数值或者one-hot编码值。假设web模块实体包括6个第三层结构的实体,APP模块实体包括7个第三层结构的实体,DB模块实体包括8个第三层结构的实体,那么网银系统可以被表示为一个21维向量。
图3c所示为本申请的实施例中的知识图谱的拓扑状示意图。在图3c中,带箭头的线段用来表示线段两端的实体存在关系,箭头指向的一方是关系中的被动方。例如网银系统和APP服务之间的线段存在指向APP服务的箭头,并且线段附近标注有“包含”。这表明网银系统实体包含APP服务实体,APP服务实体是被包含的实体。类似的,APP服务实体和Web服务实体之间存在指向web服务实体的线段,并且所述线段附近标注有“调用”。这表明APP服务实体需要调用web服务实体,web服务实体是被调用的实体。
图3c中属于DB服务实体的容量实体的取值可以200和50。这里的取值只是一个示例,在实际中各个最底层的实体可以有多个取值,每个取值可以对应图3b中配置1-配置n中的一个配置。
图4所示为本申请实施例中逻辑网络推荐模型进行逻辑网络模型推荐的方法400的流程图。
402、获取目标网络的网络类型。
操作402的具体内容可以与操作202相同。网管系统获取的目标网络的网络类型可以被理解为网络管理员进行意图输入的结果。除了输入网络类型外,网络管理员还可以再输入一些对目标网络的特殊需求,例如对安全性的具体要求、对网络转发能力的具体要求等。
404、确定和该网络类型对应的多个服务。
网管系统可以根据获取的网络类型确定多个用于实现所述目标网络的服务。在一个例子中,当目标网络的网络类型为网银系统时,对应的多个业务包括web服务、APP服务和DB服务。网银系统可以还包括其他服务,也可以缺少上述三个服务中的一个或多个。404可以根据预先设置的网络类型和多个服务的对应关系来实现。
406、为每个服务确定一个用于表示逻辑网络模型的基础多维向量。
现通过举例对多维向量进行说明。与一个服务的多维向量能够以向量的方式表示用于实现所述服务的逻辑网络模型。例如,web服务的基本多维向量能够以向量的方式表示用于实现web服务的逻辑网络模型。一个多维向量的每个维度都可以包含了一些信息,这些信息综合在一起就可以体现一个逻辑网络模型。一个基础多维向量在本质上是一个多维向量。
逻辑网络推荐模型可以保存一个包括多条服务和基础多维向量的对应关系的集合。当确定一个网络类型包括web服务和APP服务后,逻辑网络推荐模型可以分别在所述集合中找到与web服务的基础多维向量和与APP服务的基础多维向量。
如果网络管理员在402输入了一些对目标网络的特殊需求,那么在找到个基础多个业务的多维向量后,还需要根据所述特殊需求对和相关的业务的基础多维向量进行修改。在这种情况下,修改后的基础多维向量为406中所述用于表示逻辑网络模型的基础多维向量。
408、在知识图谱中为所述多个服务分别确定推荐向量,每个服务的推荐多维向量是与所述服务的基础多维向量最接近的多维向量。
例如,可以在知识图谱中查找到与web服务的基础多维向量最接近的一个多维向量,这个多维向量可以被认为是web服务的多维向量;可以在知识图谱中查找到与APP服务的基础多维向量最接近的一个多维向量,这个多维向量可以被认为是APP服务的多维向量。
在如图3b知识图谱中,每个服务实际上都是一个多维向量,但是这个多维向量有多个取值。图3b中的APP服务实际上可以是一些多维向量,维度的数量和第三层实体的数量相同,这个多维向量的取值的个数和第三层实体的属性值的配置数量相关。例如,可以认为APP服务的多维向量有n个值。本申请实施例是要从一个服务的多个多维向量的值中找到和基础多维向量的值最接近的那个。
410、基于所述多个服务的推荐多维向量获得目标网络的逻辑网络模型。
逻辑网络推荐模型可以先基于所述多个服务的推荐多维向量生成一个统一的多维向量,然后在把这个同一的多维向量表示为逻辑网络模型。在所述统一的多维向量内部,所述多个服务的推荐多维向量可以保持逻辑上的独立。
412、向用户展示所述目标网络的逻辑网络模型。
图5所示为本申请实施例中构建物理网络推荐模型的方法500的流程图。将目标网络的逻辑网络模型输入所述物理网络推荐模型,可以得到用于实现用户所需的目标网络的物理网路模型。如图5所示,构建物理网络推荐模型的方法500包括以下内容。
502、进行样本收集。
网管系统收集多个网络需求、分别与多个网络需求对应的配置方案和配置方案的应用结果。网管系统需要基于这些生成物理网络推荐模型。
如表1所示,被收集的样本信息包括网络需求、网络方案和应用结果三类信息。网络需求是一个网络的逻辑网络模型的数字化表达,每个网络需求实际上表示的是一个网络的逻辑网络模型。网络需求可以用矩阵的方式表达一个网络的逻辑网络模型。对于简单的逻辑网络模型,网络需求可以是一个矩阵,对于复杂的逻辑网络模型,网络需求可以包括多个矩阵。配置方案可以是其对应的网络需求的物理网络模型。应用结果可以表示与其对应的物理网络模型是否在实际的网络中成功运行。
表1504、对样本采集处理的结果进行数据清洗。
在进行样本收集后,网管系统可以对收集到的样本进行数据清洗,以便消除异常值和数值缺失对建立网络推荐模型的负面影响。
在收集到的样本中,可能存在明显异常的数值。例如,样本中的某个端口的带宽是几个T Mbit/s。这样的异常值会被设置为无效或者被重新设置为多个端口的带宽的平均值。
506、对清洗后的数据进行特征工程处理。
在数据清洗后,网管系统可以对清洗后的数据进行归一化处理、分箱处理和编码处理。下面以举例的方式对归一化处理、分箱处理和编码处理进行介绍。
归一化处理的举例
当端口的带宽的范围为1M-100M时,为了使计算机系统运算简单,可以对这个带宽范围进行归一化处理。具体的处理方式可以对端口的带宽除以100M,从而使端口的带宽范围为0.01-1。
分箱处理的举例
以基于端口剩余带宽为基础对端口进行分箱处理为例,可以将剩余带宽小于10M的端口划分到第一组,将剩余带宽大于10M小于50M的端口划分到第二组,将剩余带宽大于50M的端口划分到第三组。
编码处理的举例
把计算机不能直接识别的信息转化为计算机可识别的信息,例如把“是”表示为“1”,把“否”表示为“0”。
508、将经过特征工程处理的数据划分为训练集和测试集。
训练集和测试集的数据量的比例可以是7:3,也可以是8:2,还可以是6:4或者是其他比例关系。训练集和测试集的数据的总和可以少于全部经过特征工程处理的数据。
另外,在一些实施例中,通过样本收集得到的数据可以在不做数据清洗处理和/或特征工程处理的情况下就进行测试集和训练集的划分。
510、根据训练集合的数据进行模型训练,得到多个初步的网络推荐模型。
可以采用有监督和/或无监督的机器学习算法。例如,有监督的算法可以为逻辑回归或随机森林等算法,无监督的算法可以为K-MEANS或期望最大(ExpectationMaximization,EM)等算法。
512、根据测试集合的数据对所述多个初步网络推荐模型分别进行评估。
514、基于多个初步网络推荐模型的评估结果,选择一个或多个初步网络推荐模型作为一个网络推荐模型发布。当发布的网络推荐模型包括多个初步物理网络推荐模型时,所述多个初步物理网络推荐模型可以与多个偏好一一对应。每个初步物理网络推荐模型都可以被理解为一个函数。
在物理网络推荐模型发布后,网管系统可以将基于目标网络的逻辑网络模型和物理网络推荐模型得到目标网络的物理网络模型。例如,网管系统可以把目标网络的逻辑网络模型的数字化表达,例如一个或多个矩阵,输入对应的物理网络推荐模型,从而获得目标网络的物理网络模型。
当对应的物理网络推荐模型仅有一个初步物理网络推荐模型时,那么用户可以直接得到唯一物理网路模型,也可以理解为用户选择了这个唯一物理网络模型。当对应的物理网络推荐模型包括多个初步物理网络推荐模型,并且每个初步物理网络推荐模型对应一个偏好时,那么可以分别得到多个物理网络模型,其中每个物理网络模型对应一个偏好。用户可以根据自身的偏好选择一个物理网络模型。
在用户选择好物理网络模型后,网管系统对被选择的物理网络模型进行仿真评估。如果被选择的物理网络模型通过了仿真评估,那么网管系统会根据被选择的物理网络模型对网络进行配置,以便建立目标网络。
如果被选择的物理网络模型没通过仿真评估,物理网络推荐模型会再输出一个不同物理网络模型。此外,网管系统还可以把未通过仿真评估的结果发送给负责样本收集的模块,这样表1中的数据就会得到进一步扩充,以便在后续进一步训练物理网络推荐模型时得到更好的物理网络推荐模型。表1中的“网络需求”可以根据目标网络的逻辑网络模型确定,“网络方案”可以根据目标网络的物理网络模型确定,“应用结果”可以填写为失败。
在目标网络建立后,网管系统还可以进一步检查目标网络的运行情况,以便确定目标网络是一个成功的网络还是一个失败的网络。网管系统可以将检查的结果反馈到负责样本收集的模块,这样表1中的数据也会得到进一步扩充,以便在后续进一步训练物理网络推荐模型时得到更好的物理网络推荐模型。
在本申请的实施例中,A和/或B既可以表示A和B,也可以表示A或B。
图6所示为本申请实施例中的网管系统600的示意图。如图6所示,网管系统600包括获取模块602、逻辑模型模块604、物理模型模块606、配置模块608。
获取模块602用于获取目标网络的网络类型。
逻辑模型模块604用于基于所述网络类型和逻辑网络推荐模型获得所述目标网络的逻辑网络模型。所述逻辑网络推荐模型是基于知识图谱的推荐模型。所述知识图谱包括m个实体,所述n个实体位于n个层,位于最低层的实体为不可再分的实体且被设置有多个属性值,m和n为自然数,m大于n。
物理模型模块606用于基于所述逻辑网络模型和物理网络推荐模型确定所述目标网络的物理网络模型。在一些实施例中,所述物理网络模块具体用于基于所述逻辑网络模型和物理网络推荐模型确定多个物理网络模型,其中,所述物理网络推荐模型包括多个初步物理网络推荐模型,每个物理网络模型对应一个偏好;基于用户的选择,从所述多个物理网络模型中选择一个作为目标网络的物理网络模型。在另一些实施例中,物理网络模块直接为用户确定一个和偏好无关的物理网络模型。
配置模块608用于基于所述目标网络的物理网络模型进行网络配置,以便建立用户所需的所述目标网络。在一些实施例中,配置模块608可以在进行网络配置前进行的一个仿真测试过程。仿真测试过程包括对所述目标网络的物理网络模型进行仿真测试。在确定所述物理网络模型通过仿真测试后,配置模块608基于所述物理网络模型进行网络配置。如果所述物理网络模型未通过仿真测试,则配置模块608不会基于所述物理网络模型进行网络配置。物理网络推荐模型会再生成一个新的物理网络模型。如果这个新的物理网络模型通过仿真测试,则配置模块608会基于新的物理网络模型进行网络配置。在一些实施例中,配置模块608可以在不进行仿真测试的情况下基于所述目标网络的物理网络模型进行网络配置。
此外,网管系统600还可以包括测试模块610和调整模块612。测试模块610用于对基于所述网络配置而得到的目标网络的运行进行检测,调整模块612用于根据检测的结果调整所述物理网络推荐模型。网管系统600也可以不对目标网络的运行进行检测。
网管系统600可以是指一个独立的物理设备,也可以是指具有通信关系的多个物理设备。当网管系统600是指具有通信关系的多个物理设备时,图6所示的多个模块可以部署在不同的物理设备中。
网管系统600可以是执行图1-图5所示的方法网管系统。网管系统600基于其内部的多个模块实现图1-图5所示的方法。例如,获取模块602可以用于实现图1-图5所示的方法中和获取目标网络的网络类型相关的操作,逻辑模型模块604可以用于实现图1-图5所示的方法中和推荐或确定逻辑网络模型相关的操作,物理模型模块606可以用于实现图1-图5所示的方法中和推荐或确定物理网络模型相关的操作,配置模块608可以用于实现图1-图5所示的方法中和基于物理网络模型进行网络配置相关的操作。此外,检测模块610可以用于实现图1-图5所示的方法中对目标网络的运行进行检测的操作,调整模块612可以用于实现图1-图5所示的方法中根据检测的结果调整所述物理网络推荐模型的操作。
图7所示为本申请实施例中的网管系统700的示意图。如图7所示,网管系统700包括处理器720,存储器740和收发器760。
处理器720可以指一个或多个中央处理器(central processing unit,CPU),一个或多个网络处理器(network processor,NP)或者CPU和NP的组合。处理器还可以是指一个或多个专用集成电路(application-specific integrated circuit,ASIC),一个或多个可编程逻辑器件(programmable logic device,PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device,CPLD),现场可编程逻辑门阵列(field-programmable gate array,FPGA),通用阵列逻辑(generic array logic,GAL)或其任意组合。存储器740可以是指一个存储器,也可以包括多个存储器。存储器720可以包括易失性存储器(volatile memory),例如随机存取存储器(random-access memory,RAM);存储器也可以包括非易失性存储器(non-volatile memory),例如只读存储器(read-only memory,ROM),快闪存储器(flash memory),硬盘(hard disk drive,HDD)或固态硬盘(solid-statedrive,SSD);存储器还可以包括上述种类的存储器的组合。存储器740中存储有计算机可读指令,所述计算机可读指令包括多个软件模块。处理器720执行各个软件模块后可以按照各个软件模块的指示进行相应的操作。处理器720执行存储器740中的计算机可读指令后,可以按照所述计算机可读指令的指示,执行图1-图5所示的方法。收发器760可以是以太网网口,也可以是其他类型的网络接口。
存储器740包括多个可以被处理器720执行的软件模块742-754。操作系统742被处理器720执行后称为处理器执行其他软件模块,例如软件模块744-754的平台。具体地,处理器720通过执行获取软件模块744中的代码可以执行图1-图5所示的方法中和获取目标网络的网络类型相关的操作;处理器720通过执行逻辑模型软件模块746中的代码可以执行图1-图5所示的方法中和推荐或确定逻辑网络模型相关的操作;处理器720通过执行物模型软件模块748中的代码可以执行图1-图5所示的方法中和推荐或确定物理网络模型相关的操作;处理器720通过执行配置软件模块750中的代码可以执行图1-图5所示的方法中和基于物理网络模型进行网络配置相关的操作。此外,处理器720通过执行检测软件模块752中的代码可以执行图1-图5所示的方法中对目标网络的运行进行检测的操作;处理器720通过执行调整软件模块754中的代码可以执行图1-图5所示的方法中根据检测的结果调整所述物理网络推荐模型的操作。在一些实施例中,软件模块744-754可以存储于不同的存储器中。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (20)
1.一种网络管理方法,其特征在于,包括:
获取目标网络的网络类型;
基于所述网络类型和逻辑网络推荐模型获得所述目标网络的逻辑网络模型;
基于所述逻辑网络模型和物理网络推荐模型确定所述目标网络的物理网络模型;
基于所述目标网络的物理网络模型对进行网络配置。
2.根据权利要求1所述的方法,其特征在于,所述逻辑网络推荐模型是基于知识图谱的推荐模型。
3.根据权利要求2所述的方法,其特征在于,所述知识图谱包括m个实体,所述n个实体位于n个层,位于最低层的实体为不可再分的实体且被设置有多个属性值,m和n为自然数,m大于n。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述基于所述逻辑网络模型和物理网络推荐模型确定所述目标网络的物理网络模型包括:
基于所述逻辑网络模型和物理网络推荐模型确定多个物理网络模型,其中,所述物理网络推荐模型包括多个初步物理网络推荐模型,每个物理网络模型对应一个偏好;
基于用户的选择,从所述多个物理网络模型中选择一个作为目标网络的物理网络模型。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述基于所述目标网络的物理网络模型对进行网络配置包括:
对所述目标网络的物理网络模型进行仿真测试;
在确定所述物理网络模型通过仿真测试后,基于所述物理网络模型进行网络配置。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述方法还包括:
对基于所述网络配置而得到的目标网络的运行进行检测;
根据检测的结果调整所述物理网络推荐模型。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述逻辑网络模型包括多个逻辑节点和针对所述多个逻辑节点的性能要求,所述物理网络模型包括多个物理节点和所述多个物理节点的配置参数。
8.根据权利要求1-7中任一项所述的方法,其特征在于,所述物理网络推荐模型是基于有监督或无监督的机器学习算法获得的。
9.根据权利要求1-8中任一项所述的方法,其特征在于,所述目标网络的网络类型包括网页web服务、应用程序APP服务和/或数据库DB服务。
10.根据权利要求1-9中任一项所述的方法,其特征在于,所述逻辑网络模型包括虚拟私有云VPC。
11.一种网管系统,包括:
获取模块,用于获取目标网络的网络类型;
逻辑模型模块,用于基于所述网络类型和逻辑网络推荐模型获得所述目标网络的逻辑网络模型;
物理模型模块,用于基于所述逻辑网络模型和物理网络推荐模型确定所述目标网络的物理网络模型;
配置模块,用于基于所述目标网络的物理网络模型对进行网络配置。
12.根据权利要求11所述的系统,其特征在于,所述逻辑网络推荐模型是基于知识图谱的推荐模型。
13.根据权利要求12所述的系统,其特征在于,所述知识图谱包括m个实体,所述n个实体位于n个层,位于最低层的实体为不可再分的实体且被设置有多个属性值,m和n为自然数,m大于n。
14.根据权利要求11-13中任一项所述的系统,其特征在于,所述物理网络模块具体用于:
基于所述逻辑网络模型和物理网络推荐模型确定多个物理网络模型,其中,所述物理网络推荐模型包括多个初步物理网络推荐模型,每个物理网络模型对应一个偏好;
基于用户的选择,从所述多个物理网络模型中选择一个作为目标网络的物理网络模型。
15.根据权利要求11-14中任一项所述的系统,其特征在于,所述配置模块具体用于:
对所述目标网络的物理网络模型进行仿真测试;
在确定所述物理网络模型通过仿真测试后,基于所述物理网络模型进行网络配置。
16.根据权利要求11-15中任一项所述的系统,其特征在于,所述系统还包括:
检测模块,用于对基于所述网络配置而得到的目标网络的运行进行检测;调整模块,用于根据检测的结果调整所述物理网络推荐模型。
17.根据权利要求11-16中任一项所述的系统,其特征在于,所述逻辑网络模型包括多个逻辑节点和针对所述多个逻辑节点的性能要求,所述物理网络模型包括多个物理节点和所述多个物理节点的配置参数。
18.根据权利要求11-17中任一项所述的系统,其特征在于,所述物理网络推荐模型是基于有监督或无监督的机器学习算法获得的。
19.根据权利要求11-18中任一项所述的系统,其特征在于,所述目标网络的网络类型包括网页web服务、应用程序APP服务和/或数据库DB服务。
20.根据权利要求11-19中任一项所述的系统,其特征在于,所述逻辑网络模型包括虚拟私有云VPC。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910882620.5A CN112528132A (zh) | 2019-09-18 | 2019-09-18 | 一种管理网络的方法和一种网管系统 |
EP20866183.5A EP4024234A4 (en) | 2019-09-18 | 2020-09-17 | NETWORK MANAGEMENT METHOD, AND NETWORK MANAGEMENT SYSTEM |
PCT/CN2020/116017 WO2021052439A1 (zh) | 2019-09-18 | 2020-09-17 | 一种管理网络的方法和一种网管系统 |
US17/697,068 US11979294B2 (en) | 2019-09-18 | 2022-03-17 | Network management method and network management system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910882620.5A CN112528132A (zh) | 2019-09-18 | 2019-09-18 | 一种管理网络的方法和一种网管系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112528132A true CN112528132A (zh) | 2021-03-19 |
Family
ID=74883392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910882620.5A Pending CN112528132A (zh) | 2019-09-18 | 2019-09-18 | 一种管理网络的方法和一种网管系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11979294B2 (zh) |
EP (1) | EP4024234A4 (zh) |
CN (1) | CN112528132A (zh) |
WO (1) | WO2021052439A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115150281A (zh) * | 2022-06-22 | 2022-10-04 | 京东科技信息技术有限公司 | 一种数据中心的网络建设方法和装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116260720A (zh) * | 2021-12-02 | 2023-06-13 | 中兴通讯股份有限公司 | 网络资源部署方法、装置、电子设备及存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6335927B1 (en) * | 1996-11-18 | 2002-01-01 | Mci Communications Corporation | System and method for providing requested quality of service in a hybrid network |
US6012152A (en) * | 1996-11-27 | 2000-01-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Software fault management system |
US7734296B2 (en) * | 2006-05-31 | 2010-06-08 | Cisco Technology, Inc. | Management of distributed location servers |
CN106533720B (zh) * | 2015-09-11 | 2020-02-14 | 华为技术有限公司 | 网络服务请求的编译方法、编译装置和控制器 |
KR102098897B1 (ko) * | 2017-01-03 | 2020-04-09 | 한국전자통신연구원 | 기계학습 지식 및 자동화된 기계 학습 절차 기반의 자가 학습 시스템 |
US10565196B2 (en) * | 2017-07-29 | 2020-02-18 | Splunk Inc. | Determining a user-specific approach for disambiguation based on an interaction recommendation machine learning model |
US10666494B2 (en) * | 2017-11-10 | 2020-05-26 | Nyansa, Inc. | System and method for network incident remediation recommendations |
US10353716B2 (en) * | 2017-11-13 | 2019-07-16 | International Business Machines Corporation | Automated deployment and performance evaluation of a virtualized-computing environment |
US11693848B2 (en) * | 2018-08-07 | 2023-07-04 | Accenture Global Solutions Limited | Approaches for knowledge graph pruning based on sampling and information gain theory |
US10904099B2 (en) * | 2018-09-07 | 2021-01-26 | Cisco Technology, Inc. | Formal model checking based approaches to optimized realizations of network functions in multi-cloud environments |
CN109560968A (zh) * | 2018-12-20 | 2019-04-02 | 中国电子科技集团公司第三十研究所 | 一种动态策略驱动的网络资源智能规划与配置方法 |
US11531780B2 (en) * | 2019-05-15 | 2022-12-20 | International Business Machines Corporation | Deep learning-based identity fraud detection |
CN110198237B (zh) * | 2019-05-27 | 2021-05-04 | 北京邮电大学 | 一种无线意图驱动网络的配置方法 |
-
2019
- 2019-09-18 CN CN201910882620.5A patent/CN112528132A/zh active Pending
-
2020
- 2020-09-17 EP EP20866183.5A patent/EP4024234A4/en active Pending
- 2020-09-17 WO PCT/CN2020/116017 patent/WO2021052439A1/zh unknown
-
2022
- 2022-03-17 US US17/697,068 patent/US11979294B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115150281A (zh) * | 2022-06-22 | 2022-10-04 | 京东科技信息技术有限公司 | 一种数据中心的网络建设方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US20220210027A1 (en) | 2022-06-30 |
WO2021052439A1 (zh) | 2021-03-25 |
EP4024234A4 (en) | 2022-10-12 |
US11979294B2 (en) | 2024-05-07 |
EP4024234A1 (en) | 2022-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20150288569A1 (en) | Methods and system for automated or user-assisted grouping and management of groups in cloud infrastructure and network | |
US20220191332A1 (en) | Anomaly detection in ss7 control network using reconstructive neural networks | |
US11979294B2 (en) | Network management method and network management system | |
CN109818961B (zh) | 一种网络入侵检测方法、装置和设备 | |
CN112769605B (zh) | 一种异构多云的运维管理方法及混合云平台 | |
CN110880014B (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
US10884805B2 (en) | Dynamically configurable operation information collection | |
KR102086936B1 (ko) | 사용자 데이터 공유 방법 및 디바이스 | |
Arora et al. | Big data analytics for classification of network enabled devices | |
CN112163096A (zh) | 一种恶意团体确定方法、装置、电子设备及存储介质 | |
CN105812280A (zh) | 一种分类方法及电子设备 | |
CN113504996A (zh) | 一种负载均衡检测方法、装置、设备及存储介质 | |
TW202001611A (zh) | 多元流動網路之可靠度計算方法及其系統 | |
CN117294497A (zh) | 一种网络流量异常检测方法、装置、电子设备及存储介质 | |
WO2024007565A1 (en) | Network analysis using optical quantum computing | |
CN112035286A (zh) | 故障原因的确定方法及装置、存储介质、电子装置 | |
CN106487535B (zh) | 一种网络流量数据的分类方法及装置 | |
Ketzaki et al. | A light-weighted ANN architecture for the classification of cyber-threats in modern communication networks | |
Di Nuovo et al. | A study on evolutionary multi-objective optimization with fuzzy approximation for computational expensive problems | |
CN117473094B (zh) | 日志分类方法及系统 | |
CN111865640A (zh) | 一种网络架构描述方法及其装置 | |
CN107766442A (zh) | 一种海量数据关联规则挖掘方法及系统 | |
Rolik et al. | Rule-based algorithmic approach for solving problems of impact analysis in access networks | |
Batra et al. | TL-DNN: Detection Method for Anomalous Flow Classification in Software Defined Network | |
CN117539587A (zh) | 资源调度方法、装置、计算机设备、存储介质和程序产品 |
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 |