CN113923758B - 一种sd-wan网络中pop点选择接入方法 - Google Patents

一种sd-wan网络中pop点选择接入方法 Download PDF

Info

Publication number
CN113923758B
CN113923758B CN202111204753.0A CN202111204753A CN113923758B CN 113923758 B CN113923758 B CN 113923758B CN 202111204753 A CN202111204753 A CN 202111204753A CN 113923758 B CN113923758 B CN 113923758B
Authority
CN
China
Prior art keywords
pop
data
network
layer
loss function
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
CN202111204753.0A
Other languages
English (en)
Other versions
CN113923758A (zh
Inventor
张勇
熊斌
陈超
黄鸿
干春芳
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 Southern Power Grid Digital Power Grid Group Information Communication Technology Co ltd
Original Assignee
Guangzhou Power Communication Networks 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 Guangzhou Power Communication Networks Co ltd filed Critical Guangzhou Power Communication Networks Co ltd
Priority to CN202111204753.0A priority Critical patent/CN113923758B/zh
Publication of CN113923758A publication Critical patent/CN113923758A/zh
Application granted granted Critical
Publication of CN113923758B publication Critical patent/CN113923758B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/20—Selecting an access point
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/16—Gateway arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请提出了一种SD‑WAN网络中POP点选择接入方法，包括：获取SD‑WAN网络中所有关于POP点的历史数据以及标准数据，所述历史数据至少包括：实际完成时间、丢包率、抖动值、平均延迟值中的一项或多项；所述标准数据至少包括POP标识、任务类型、标准处理时间中的一项或多项；将所述历史数据与标准数据输入至深度神经网络进行训练，得到POP点选择接入模型；获取当前所有POP点的状态数据，所述状态数据指POP点完成上一次任务时的所述历史数据；将当前状态数据以及标准数据输入至经过训练的深度神经网络，获得适合于当前任务的POP点选择接入路径。本申请对SD‑WAN网络的POP点接入进行了选择优化，引入深度神经网络，充分挖掘历史数据，用于POP接入点的选择判断，提高了网络稳定性，增强网络的鲁棒性，大大提升了用户的使用体验。

Description

一种SD-WAN网络中POP点选择接入方法
技术领域
本发明涉及网络通信技术领域，特别涉及一种SD-WAN网络中POP点选择接入方法。
背景技术
传统的WAN基于互联网的局部可靠可信自愈的思想构建，WAN连接的网络大多采用BGP协议分发路由协议，网络只通告自己可信的路由给对端网络，WAN网络之间无法做到端到端的业务和路径质量控制，在转发层面，企业的分支和总部之间通常采用IPSec(Internet Protocol Security)隧道，但是IPSec只能支持点到点的隧道，如果需要支持分支和总部之间的多点隧道连接，需要启用DMVPN(Dynamic Multipoint VPN)，DSVPN(Dynamic Smart VPN Virtual Private Network)等点到多点VPN(Virtual PrivateNetwork)技术，部署和维护比较复杂。
随着网络虚拟化和SDN(Software Defined Network，软件定义网络)的发展，基于overlay的网络虚拟化转发被大规模采用，同时SDN的控制转发分离理念，使用专用的控制器集中计算overlay路径，分发overlay和underlay之间的网络转发标识，使得WAN连接网络之间业务路径的实时监控和端到端的路径计算和控制成为可能，是SD-WAN技术产生的技术背景。
SDWAN相比传统WAN网络，新增了以下的技术特征满足企业客户的需求：
(1)SDWAN可以同时利用多个WAN线路，业务数据不仅仅可以使用MPLS专线传输，还可以使用互联网线路和4G线路传输，降低网络成本；
(2)SDWAN网络提供网络部署的简化流程和便捷的网络配置管理系统，只需要几个小时甚至几分钟即可完成业务部署，大大缩减网络扩容和新业务上线的时间，分支设备支持ZTP(Zero Touch Provision，零接触部署)上线。
(3)SDWAN支持集中式的Portal网络管理监控界面，配置和管理由总部IT人员在portal上完成，分支不需要本地配置。
SD-WAN(Software Defined-Wide Area Network，软件定义广域网)遵循SDN架构，控制和转发平面分离，控制器不仅仅负责拓扑收集，路径计算，隧道下发等传统控制器的功能，还包括对CPE(CustomerPremise Equipment，用户端设备)认证和自动发现，密钥分发，数据采集和分析处理等功能，控制器和转发设备之间支持南向协议，比如OpenFlow(开放流协议)，Netconf(网络配置协议)等。
SD-WAN既可以用于分支和总部之间互联，满足客户分支访问总部内部服务器的需求，也可以用于分支或总部访问公有云/私有云的SaaS(Software-as-a-Service，软件即服务)服务。
现有技术存在的问题有：多种因素都会对SD-WAN网络的整体稳定性造成很大的影响。现有技术要么是手动逐一进行测试，要么是经过简单的丢包率、延迟值等简单计算后，进行POP点的接入路径推荐，但这种方式不一定准确。因此本申请对SD-WAN网络的POP点接入进行了优化，引入深度神经网络，充分挖掘历史数据，用于POP接入点的选择判断，提高了网络稳定性，增强网络的鲁棒性，大大提升了用户的使用体验。
发明内容
为解决上述问题，本发明提出了一种SD-WAN网络中POP点选择接入方法，所述方法包括：
获取SD-WAN网络中所有关于POP点的历史数据以及标准数据，所述历史数据至少包括：实际完成时间、丢包率、抖动值、平均延迟值中的一项或多项；所述标准数据至少包括POP标识、任务类型、标准处理时间中的一项或多项；
将所述历史数据与标准数据输入至深度神经网络进行训练，得到POP点选择接入模型；
获取当前所有POP点的状态数据，所述状态数据指POP点完成上一次任务时的所述历史数据；
将当前状态数据以及标准数据输入至经过训练的深度神经网络，获得适合于当前任务的POP点选择接入路径。
可选的，所述深度神经网络包括输入层、多个隐含层、以及一个输出层，所述输入层接收来自所述历史数据与所述标准数据；所述多个隐含层包括一个或多个卷积层、一个或多个池化层以及一个全连接层；所述输出层输出所选择的接入POP点。
可选的，所述池化层的池化方法如下：
Figure BDA0003306400100000021
其中，xe表示当前层的输出，ue表示激励函数Rl的输入，
Rl表示激励函数，we表示当前层的权重，φ表示损失函数，xe-1表示上一层的输出。
可选的，所述隐含层设置有损失函数，所述损失函数包括第一损失函数；
所述第一损失函数为：
Figure BDA0003306400100000022
所述N表示所述样本数据集的大小，i取值1～N；Fi_act表示任务实际完成时间；Fi_sta表示任务标准完成时间；所述a表示深度神经网络的当前层输出值。
可选的，所述隐含层设置有损失函数，所述损失函数包括第二损失函数；
所述第二损失函数为：
Figure BDA0003306400100000031
N表示所述样本数据集的大小，i取值1～N，yi表示样本xi对应的标签；Qyi表示样本xi在其标签yi处的权重，Myi表示样本xi在其标签yi处的偏差，Mj表示输出节点j处的偏差；θj,i为样本xi与其对应标签yi的权重夹角。
可选的，所述损失函数为第一损失函数与第二损失函数的融合；
Figure BDA0003306400100000032
所述α与β为调整系数。
可选的，所述隐含层包含有激励函数，所述激励函数为：
Figure BDA0003306400100000033
其中，θyi表示为样本xi与其对应标签yi的向量夹角；所述N表示训练样本个数；Wyi表示当前节点的权重。
本申请还提出了一种应用网关，在所述应用网关处执行上述任一项所述的方案。
本申请还提出了一种电子设备，所述电子设备包括存储器和处理器，所述处理器执行所述任一项所述的方案。
本申请还提出了一种计算机存储介质，所述存储介质存储有计算机程序指令，所述程序指令用于运行所述任一项所述的方案。
说明书附图
图1是本发明的主要逻辑流程图。
具体实施方式
如图1所述，为解决上述问题，本发明提出了一种SD-WAN网络中POP点选择接入方法，所述方法包括：
获取SD-WAN网络中所有关于POP点的历史数据以及标准数据，所述历史数据至少包括：实际完成时间、丢包率、抖动值、平均延迟值中的一项或多项；所述标准数据至少包括POP标识、任务类型、标准处理时间中的一项或多项；
将所述历史数据与标准数据输入至深度神经网络进行训练，得到POP点选择接入模型；
获取当前所有POP点的状态数据，所述状态数据指POP点完成上一次任务时的所述历史数据；
将当前状态数据以及标准数据输入至经过训练的深度神经网络，获得适合于当前任务的POP点选择接入路径。
可选的，所述深度神经网络包括输入层、多个隐含层、以及一个输出层，所述输入层接收来自所述历史数据与所述标准数据；所述多个隐含层包括一个或多个卷积层、一个或多个池化层以及一个全连接层；所述输出层输出所选择的接入POP点。
可选的，所述池化层的池化方法如下：
Figure BDA0003306400100000041
其中，xe表示当前层的输出，ue表示激励函数Rl的输入，
Rl表示激励函数，we表示当前层的权重，φ表示损失函数，xe-1表示上一层的输出。
可选的，所述隐含层设置有损失函数，所述损失函数包括第一损失函数；
所述第一损失函数为：
Figure BDA0003306400100000042
所述N表示所述样本数据集的大小，i取值1～N；Fi_act表示任务实际完成时间；Fi_sta表示任务标准完成时间；所述a表示深度神经网络的当前层输出值。
可选的，所述隐含层设置有损失函数，所述损失函数包括第二损失函数；
所述第二损失函数为：
Figure BDA0003306400100000043
N表示所述样本数据集的大小，i取值1～N，yi表示样本xi对应的标签；Qyi表示样本xi在其标签yi处的权重，Myi表示样本xi在其标签yi处的偏差，Mj表示输出节点j处的偏差；θj,i为样本xi与其对应标签yi的权重夹角。
可选的，所述损失函数为第一损失函数与第二损失函数的融合；
Figure BDA0003306400100000044
所述α与β为调整系数。
可选的，所述隐含层包含有激励函数，所述激励函数为：
Figure BDA0003306400100000051
其中，θyi表示为样本xi与其对应标签yi的向量夹角；所述N表示训练样本个数；Wyi表示当前节点的权重。
本申请还提出了一种应用网关，在所述应用网关处执行上述任一项所述的方案。
本申请还提出了一种电子设备，所述电子设备包括存储器和处理器，所述处理器执行所述任一项所述的方案。
本申请还提出了一种计算机存储介质，所述存储介质存储有计算机程序指令，所述程序指令用于运行所述任一项所述的方案。
需要特别说明的是，以上各种实施例或进一步限定，在不冲突的情况下可自行组合使用，都构成本发明的实际公开范围，限于篇幅，不予一一列举，但各种组合方式均落入本申请的保护范围。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。
当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (3)

1.一种软件定义广域网SD-WAN网络中因特网接入点POP点选择接入方法，所述方法包括：获取SD-WAN网络中所有关于POP点的历史数据以及标准数据，所述历史数据至少包括：实际完成时间、丢包率、抖动值、平均延迟值中的一项或多项；所述标准数据至少包括POP标识、任务类型、标准处理时间中的一项或多项；
将所述历史数据与标准数据输入至深度神经网络进行训练，得到POP点选择接入模型；
获取当前所有POP点的状态数据，所述状态数据指POP点完成上一次任务时的所述历史数据；将当前状态数据以及标准数据输入至经过训练的深度神经网络，获得适合于当前任务的POP点选择接入路径；
所述深度神经网络包括输入层、多个隐含层、以及一个输出层，所述输入层接收来自所述历史数据与所述标准数据；所述多个隐含层包括一个或多个卷积层、一个或多个池化层以及一个全连接层；所述输出层输出所选择的接入POP点；所述池化层的池化方法如下：
xe＝f(1-φ(ue))
ue＝weφ(xe-1)；其中，xe表示当前层的输出，ue表示激励函数Rl的输入，Rl表示激励函数，we表示当前层的权重，φ表示损失函数，xe-1表示上一层的输出；
所述隐含层设置有损失函数，所述损失函数包括第一损失函数；
所述第一损失函数为：
Figure FDA0003580978030000011
所述N表示样本数据集的大小，i取值1～N；Fi_act表示任务实际完成时间；Fi_sta表示任务标准完成时间；所述a表示深度神经网络的当前层输出值。
2.根据权利要求1所述的一种软件定义广域网SD-WAN网络中因特网接入点POP点选择接入方法，所述隐含层设置有损失函数，所述损失函数包括第二损失函数；所述第二损失函数为：
Figure FDA0003580978030000012
N表示所述样本数据集的大小，i取值1～N，yi表示样本xi对应的标签；Qyi表示样本xi在其标签yi处的权重，Myi表示样本xi在其标签yi处的偏差，Mj表示输出节点j处的偏差；θj,i为样本xi与其对应标签yi的权重夹角。
3.根据权利要求1所述的一种软件定义广域网SD-WAN网络中因特网接入点POP点选择接入方法，所述损失函数为第一损失函数与第二损失函数的融合；
Figure FDA0003580978030000021
所述α与β为调整系数。
CN202111204753.0A 2021-10-15 2021-10-15 一种sd-wan网络中pop点选择接入方法 Active CN113923758B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111204753.0A CN113923758B (zh) 2021-10-15 2021-10-15 一种sd-wan网络中pop点选择接入方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111204753.0A CN113923758B (zh) 2021-10-15 2021-10-15 一种sd-wan网络中pop点选择接入方法

Publications (2)

Publication Number Publication Date
CN113923758A CN113923758A (zh) 2022-01-11
CN113923758B true CN113923758B (zh) 2022-06-21

Family

ID=79240678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111204753.0A Active CN113923758B (zh) 2021-10-15 2021-10-15 一种sd-wan网络中pop点选择接入方法

Country Status (1)

Country Link
CN (1) CN113923758B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108900333A (zh) * 2018-06-27 2018-11-27 新华三大数据技术有限公司 一种无线网络质量的评估方法及评估装置
CN108900419A (zh) * 2018-08-17 2018-11-27 北京邮电大学 Sdn架构下基于深度强化学习的路由决策方法及装置
CN112543170A (zh) * 2019-09-23 2021-03-23 中国电信股份有限公司 软件定义广域网管理方法、装置和系统、存储介质
CN112996080A (zh) * 2021-01-26 2021-06-18 杭州网银互联科技股份有限公司 一种sd-wan网络中pop点选择接入方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11341372B2 (en) * 2018-11-23 2022-05-24 POSTECH Research and Business Development Foundation Method of predicting demand of virtual network function resources to which machine learning is applied
US10904125B2 (en) * 2019-05-30 2021-01-26 Cisco Technology, Inc. Active probe construction using machine learning for measuring SD-WAN tunnel metrics

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108900333A (zh) * 2018-06-27 2018-11-27 新华三大数据技术有限公司 一种无线网络质量的评估方法及评估装置
CN108900419A (zh) * 2018-08-17 2018-11-27 北京邮电大学 Sdn架构下基于深度强化学习的路由决策方法及装置
CN112543170A (zh) * 2019-09-23 2021-03-23 中国电信股份有限公司 软件定义广域网管理方法、装置和系统、存储介质
CN112996080A (zh) * 2021-01-26 2021-06-18 杭州网银互联科技股份有限公司 一种sd-wan网络中pop点选择接入方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于云网PoP的弹性边缘网络设计思路探讨;周家荣 等;《电信工程技术与标准化》;20210910;全文 *

Also Published As

Publication number Publication date
CN113923758A (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
US11736575B2 (en) Systems and methods for dynamically connecting network elements to enable a service
US10708342B2 (en) Dynamic troubleshooting workspaces for cloud and network management systems
US9825817B2 (en) Network configuration auto-deployment
CN110636000B (zh) 一种虚拟云网络控制方法、系统和网络装置
US8848544B2 (en) Event correlation using network data flow simulation over unmanaged network segments
CN104704779A (zh) 用于加速软件定义网络中的转发的方法和设备
CN103514245B (zh) 创建用户可见处理跟踪的可搜索和全局数据库
CN107733795B (zh) 以太网虚拟私有网络evpn与公网互通方法及其装置
US20090316600A1 (en) Telecommunications system and server apparatus
CN107465615B (zh) 一种基于分层多域的路由确定方法及控制器
CN108062243A (zh) 执行计划的生成方法、任务执行方法及装置
CN110636036A (zh) 一种基于SDN的OpenStack云主机网络访问控制的方法
EP4005187B1 (en) Peer discovery process for disconnected nodes in a software defined network
CN106953945A (zh) 基于sdn实现的域名智能解析方法及装置、服务器
CN104144143B (zh) 网络建立的方法及控制设备
Khan et al. Intent-based networking approach for service route and QoS control on KOREN SDI
CN113923758B (zh) 一种sd-wan网络中pop点选择接入方法
CN108494597A (zh) 智能光网络仿真系统及方法
Houidi Algorithms for virtual network functions chaining
CN111106974B (zh) 一种测试无损网络性能的方法和装置
JP5782393B2 (ja) ネットワークリソース分散管理方法およびプログラム
Xu et al. Maximizing profit of network inp by cross-priority traffic engineering
CN114050966B (zh) 业务模板的生成方法、装置、设备及存储介质
CN115622900A (zh) 数据处理方法、装置、设备和存储介质
CN114301775A (zh) 一种存量业务的纳管方法、装置及计算机可读存储介质

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 510000 room 406, building 2, No. 2, siyouyi Road, Yuexiu District, Guangzhou, Guangdong Province

Patentee after: China Southern Power Grid Digital Power Grid Group Information Communication Technology Co.,Ltd.

Address before: 510030 4th floor, building 2, Zhujiang bin, siyouyima Road, Yuexiu District, Guangzhou City, Guangdong Province

Patentee before: GUANGZHOU POWER COMMUNICATION NETWORKS CO.,LTD.