CN117499312B - 一种基于端口映射的网络流量管理优化方法 - Google Patents
一种基于端口映射的网络流量管理优化方法 Download PDFInfo
- Publication number
- CN117499312B CN117499312B CN202311806466.6A CN202311806466A CN117499312B CN 117499312 B CN117499312 B CN 117499312B CN 202311806466 A CN202311806466 A CN 202311806466A CN 117499312 B CN117499312 B CN 117499312B
- Authority
- CN
- China
- Prior art keywords
- data
- flow
- topology
- time
- mapping
- 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
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 99
- 238000005457 optimization Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000005206 flow analysis Methods 0.000 claims description 46
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 238000003064 k means clustering Methods 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 6
- 238000012795 verification Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 18
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- ZRHANBBTXQZFSP-UHFFFAOYSA-M potassium;4-amino-3,5,6-trichloropyridine-2-carboxylate Chemical compound [K+].NC1=C(Cl)C(Cl)=NC(C([O-])=O)=C1Cl ZRHANBBTXQZFSP-UHFFFAOYSA-M 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
Abstract
本发明涉及网络流量实时管理优化领域，尤其涉及一种基于端口映射的网络流量管理优化方法，包括：S1、根据用户实时网络流量数据获取对应网络流量特征；S2、利用所述网络流量特征基于端口映射进行快速优化处理得到用户实时网络流量数据优化结果；S3、利用所述用户实时网络流量数据根据用户实时网络流量数据优化结果进行比对筛选处理完成网络流量管理优化，将用户实时网络数据进行多层次分析，结合网络拓扑进而获取网络实时运行状态，创造性的提出了由整体网络拓扑细分到部分结构的替换优化方式，在其替换结构的处理上又加入了验证过程，在快速实现网络优化得同时，由保证管理过程的准确实施。
Description
技术领域
本发明涉及网络流量实时管理优化领域，具体涉及一种基于端口映射的网络流量管理优化方法。
背景技术
网络监控对于当今的组织至关重要，该过程的一个关键方面是分析网络的正常运行时间、可用性、性能和安全性。随着云端互联和物联网技术越来越多地成为现代IT环境的一部分，必须更加警惕授予访问权限的流量，传统方案中网络流量管理方法有助于分析在端点之间传输的网络流量，以确定其来源和目标，但其对于网络流量的实时管理与延后性再次验证存在缺失，并且单独通过流量特征提取网络流量状态则无可避免会导致结果的片面性。
发明内容
针对现有技术的不足，本发明提供了一种基于端口映射的网络流量管理优化方法，通过实时流量数据与对应端口的协同处理，避免正常网络运行的同时，又对其进行多时刻多次多级处理优化。
为实现上述目的，本发明提供了一种基于端口映射的网络流量管理优化方法，包括：
S1、根据用户实时网络流量数据获取对应网络流量特征；
S2、利用所述网络流量特征基于端口映射进行快速优化处理得到用户实时网络流量数据优化结果；
S3、利用所述用户实时网络流量数据根据用户实时网络流量数据优化结果进行比对筛选处理完成网络流量管理优化。
优选的，所述根据用户实时网络流量数据获取对应网络流量特征包括：
S1-1、获取用户实时网络流量数据；
S1-2、根据所述用户实时网路流量数据获取对应实时网络拓扑结构；
S1-3、利用所述用户实时网路流量数据根据实时网络拓扑结构进行时刻排序得到用户实时网路流量数据时序集合；
S1-4、利用所述用户实时网路流量数据时序集合作为网络流量特征。
进一步的，利用所述用户实时网路流量数据根据实时网络拓扑结构进行时刻排序得到用户实时网路流量数据时序集合包括：
获取所述实时网络拓扑结构的拓扑节点；
根据所述拓扑节点获取用户实时网路流量数据的流经时刻；
利用所述用户实时网路流量数据的流经时刻进行时刻排序得到流经时刻集合；
利用所述流经时刻集合与对应拓扑节点的用户实时网路流量数据建立拓扑流转映射；
利用所述流经时刻集合与拓扑流转映射作为用户实时网路流量数据时序集合。
进一步的，利用所述网络流量特征基于端口映射进行快速优化处理得到用户实时网络流量数据优化结果包括：
S2-1、根据所述网络流量特征的拓扑流转映射获取用户实时网络流量数据的数据流分析结果；
S2-2、根据所述用户实时网络流量数据的数据流分析结果基于端口映射进行拓扑聚类处理得到用户实时网络流量数据的数据流优化结果；
S2-3、利用所述数据流优化结果作为用户实时网络流量数据优化结果。
进一步的，根据所述网络流量特征的拓扑流转映射获取用户实时网络流量数据的数据流分析结果包括：
S2-1-1、获取用户实时网络流量数据的总数据流作为数据流分析模板；
S2-1-2、判断网络流量特征的拓扑流转映射对应总数据量与数据流分析模板是否一致，若是，则执行S2-1-3，否则，返回S1-2；
S2-1-3、判断所述网络流量特征的拓扑流转映射的数据传输量与数据流分析模板是否完全对应，若是，获取所述拓扑流转映射中最高数据流对应拓扑流转映射作为待分流拓扑流转映射，并执行S2-1-4，否则，返回S2-1-1；
S2-1-4、判断所述待分流拓扑流转映射的数量是否为1，若是，则直接输出待分流拓扑流转映射作为数据流分析结果，否则，执行S2-1-5；
S2-1-5、判断所述待分流拓扑流转映射的数据流向是否一致，若是，则输出待分流拓扑流转映射作为数据流分析结果，否则，根据所述用户实时网络流量数据的数据流端点获取相同数据流端点的待分流拓扑流转映射作为数据流分析结果；
其中，所述数据流端点为用户实时网络流量数据的发送端点与接收端点。
进一步的，根据所述用户实时网络流量数据的数据流分析结果基于端口映射进行拓扑聚类处理得到用户实时网络流量数据的数据流优化结果包括：
S2-2-1、根据所述用户实时网络流量数据建立对应端口映射；
S2-2-2、利用所述数据流分析结果基于端口映射获取数据流分析结果的调整拓扑集合；
S2-2-3、利用所述调整拓扑集合基于聚类分析得到调整拓扑结构；
S2-2-4、利用所述调整拓扑结构作为用户实时网络流量数据的数据流优化结果。
进一步的，利用所述数据流分析结果基于端口映射获取数据流分析结果的调整拓扑集合包括：
S2-2-2-1、判断所述数据流分析结果的待分流拓扑流转映射对应数据流端点与端口映射是否对应，若是，则根据所述端口映射获取待分流拓扑流转映射的数据流向拓扑集合，否则，执行S2-2-2-2；
S2-2-2-2、判断所述待分流拓扑流转映射对应数据流转长度是否大于端口映射间拓扑结构长度，若是，则利用所述端口映射间拓扑结构长度作为待分流拓扑流转映射的数据流转长度作为数据流向拓扑集合，否则，利用所述端口映射的数据流端点替换待分流拓扑流转映射的数据流端点得到数据流向拓扑集合；
S2-2-2-3、去除所述数据流向拓扑集合中数据流分析结果的待分流拓扑流转映射对应数据流向拓扑得到数据流分析结果的调整拓扑集合；
其中，所述数据流分析结果的待分流拓扑流转映射对应数据流端点与端口映射对应为端口映射满足数据流分析结果实施。
进一步的，利用所述调整拓扑集合基于聚类分析得到调整拓扑结构包括：
S2-3-1、判断所述调整拓扑集合的子集数量是否为1，若是，则直接输出调整拓扑集合作为调整拓扑结构，否则，获取所述调整拓扑集合的子集节点特征，并执行S2-3-2；
S2-3-2、利用所述子集节点特征对调整拓扑集合基于K-means聚类算法得到调整拓扑结构聚类结果；
S2-3-3、利用所述调整拓扑结构聚类结果对应拓扑结构作为调整拓扑结构；
其中，所述子集节点特征为调整拓扑集合中调整拓扑结构的节点数量与相邻节点数据流向。
进一步的，利用所述用户实时网络流量数据根据用户实时网络流量数据优化结果进行比对筛选处理完成网络流量管理优化包括：
S3-1、利用所述用户实时网络流量数据的数据流优化结果对用户实时网络流量数据的相邻上一拓扑结构进行替换得到用户实时网络流量数据的更新拓扑结构；
S3-2、判断当前时刻t更新拓扑结构是否存在结构重叠，若是，则执行S3-3，否则，直接完成网络流量管理优化；
S3-3、利用所述当前时刻t更新拓扑结构的结构重叠对应用户实时网络流量数据建立临时动态节点；
S3-4、利用所述临时动态节点对更新拓扑结构进行补充后，判断t+1时刻更新拓扑结构是否存在结构重叠，若是，则返回S3-3，否则，执行S3-5；
S3-5、判断t+2时刻更新拓扑结构的用户实时网络流量数据与相邻上一更新拓扑结构的用户实时网络流量数据是否一致，若是，则去除t+2时刻更新拓扑结构的临时动态节点后，完成网络流量管理优化，否则，返回S1-1；
其中，所述结构重叠为同一用户实时网络流量数据的同时刻数据传递存在线路堆叠情况。
与最接近的现有技术相比，本发明具有的有益效果：
将用户实时网络数据进行多层次分析，在其特征提取的基础上，结合网络拓扑进而获取网络实时运行状态，同时为了避免网络中断、阻塞等情况对正常使用造成的干扰，创造性的提出了由整体网络拓扑细分到部分结构的替换优化方式，在其替换结构的处理上又加入了验证过程，在快速实现网络优化得同时，由保证管理过程的准确实施。
附图说明
图1是本发明提供了一种基于端口映射的网络流量管理优化方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚，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它实施例，都属于本发明保护的范围。
实施例1：本发明提供了一种基于端口映射的网络流量管理优化方法，如图1所示，包括：
S1、根据用户实时网络流量数据获取对应网络流量特征；
S2、利用所述网络流量特征基于端口映射进行快速优化处理得到用户实时网络流量数据优化结果；
S3、利用所述用户实时网络流量数据根据用户实时网络流量数据优化结果进行比对筛选处理完成网络流量管理优化。
S1具体包括：
S1-1、获取用户实时网络流量数据；
S1-2、根据所述用户实时网路流量数据获取对应实时网络拓扑结构；
S1-3、利用所述用户实时网路流量数据根据实时网络拓扑结构进行时刻排序得到用户实时网路流量数据时序集合；
S1-4、利用所述用户实时网路流量数据时序集合作为网络流量特征。
S1-3具体包括：
S1-3-1、获取所述实时网络拓扑结构的拓扑节点；
S1-3-2、根据所述拓扑节点获取用户实时网路流量数据的流经时刻；
S1-3-3、利用所述用户实时网路流量数据的流经时刻进行时刻排序得到流经时刻集合；
S1-3-4、利用所述流经时刻集合与对应拓扑节点的用户实时网路流量数据建立拓扑流转映射；
S1-3-5、利用所述流经时刻集合与拓扑流转映射作为用户实时网路流量数据时序集合。
S2具体包括：
S2-1、根据所述网络流量特征的拓扑流转映射获取用户实时网络流量数据的数据流分析结果；
S2-2、根据所述用户实时网络流量数据的数据流分析结果基于端口映射进行拓扑聚类处理得到用户实时网络流量数据的数据流优化结果；
S2-3、利用所述数据流优化结果作为用户实时网络流量数据优化结果。
S2-1具体包括：
S2-1-1、获取用户实时网络流量数据的总数据流作为数据流分析模板；
S2-1-2、判断网络流量特征的拓扑流转映射对应总数据量与数据流分析模板是否一致，若是，则执行S2-1-3，否则，返回S1-2；
S2-1-3、判断所述网络流量特征的拓扑流转映射的数据传输量与数据流分析模板是否完全对应，若是，获取所述拓扑流转映射中最高数据流对应拓扑流转映射作为待分流拓扑流转映射，并执行S2-1-4，否则，返回S2-1-1；
S2-1-4、判断所述待分流拓扑流转映射的数量是否为1，若是，则直接输出待分流拓扑流转映射作为数据流分析结果，否则，执行S2-1-5；
S2-1-5、判断所述待分流拓扑流转映射的数据流向是否一致，若是，则输出待分流拓扑流转映射作为数据流分析结果，否则，根据所述用户实时网络流量数据的数据流端点获取相同数据流端点的待分流拓扑流转映射作为数据流分析结果；
其中，所述数据流端点为用户实时网络流量数据的发送端点与接收端点。
本实施例中，一种基于端口映射的网络流量管理优化方法，S2-1-3中是否对应的依据为总数据流与各拓扑节点的分数据流是否均对应，选择两个特征作为依据是考虑到总数据流与拓扑节点的数量及其流转量可能存在非必要对应关系，因此，选择两个验证特征进行筛选。
S2-2具体包括：
S2-2-1、根据所述用户实时网络流量数据建立对应端口映射；
S2-2-2、利用所述数据流分析结果基于端口映射获取数据流分析结果的调整拓扑集合；
S2-2-3、利用所述调整拓扑集合基于聚类分析得到调整拓扑结构；
S2-2-4、利用所述调整拓扑结构作为用户实时网络流量数据的数据流优化结果。
S2-2-2具体包括：
S2-2-2-1、判断所述数据流分析结果的待分流拓扑流转映射对应数据流端点与端口映射是否对应，若是，则根据所述端口映射获取待分流拓扑流转映射的数据流向拓扑集合，否则，执行S2-2-2-2；
S2-2-2-2、判断所述待分流拓扑流转映射对应数据流转长度是否大于端口映射间拓扑结构长度，若是，则利用所述端口映射间拓扑结构长度作为待分流拓扑流转映射的数据流转长度作为数据流向拓扑集合，否则，利用所述端口映射的数据流端点替换待分流拓扑流转映射的数据流端点得到数据流向拓扑集合；
S2-2-2-3、去除所述数据流向拓扑集合中数据流分析结果的待分流拓扑流转映射对应数据流向拓扑得到数据流分析结果的调整拓扑集合；
其中，所述数据流分析结果的待分流拓扑流转映射对应数据流端点与端口映射对应为端口映射满足数据流分析结果实施。
本实施例中，一种基于端口映射的网络流量管理优化方法，S2-2-2-2涉及数据流转长度在实际实施中，可选择数据流长度、数据对应拓扑长度、节点连线长度等作为其底层数据类型。
S2-3具体包括：
S2-3-1、判断所述调整拓扑集合的子集数量是否为1，若是，则直接输出调整拓扑集合作为调整拓扑结构，否则，获取所述调整拓扑集合的子集节点特征，并执行S2-3-2；
S2-3-2、利用所述子集节点特征对调整拓扑集合基于K-means聚类算法得到调整拓扑结构聚类结果；
S2-3-3、利用所述调整拓扑结构聚类结果对应拓扑结构作为调整拓扑结构；
其中，所述子集节点特征为调整拓扑集合中调整拓扑结构的节点数量与相邻节点数据流向。
本实施例中，一种基于端口映射的网络流量管理优化方法，K-means聚类算法在本方案的实施中，指定数据各拓扑流向作为质心，各质心对应数据类型相异，进而开展后续步骤。
S3具体包括：
S3-1、利用所述用户实时网络流量数据的数据流优化结果对用户实时网络流量数据的相邻上一拓扑结构进行替换得到用户实时网络流量数据的更新拓扑结构；
S3-2、判断当前时刻t更新拓扑结构是否存在结构重叠，若是，则执行S3-3，否则，直接完成网络流量管理优化；
S3-3、利用所述当前时刻t更新拓扑结构的结构重叠对应用户实时网络流量数据建立临时动态节点；
S3-4、利用所述临时动态节点对更新拓扑结构进行补充后，判断t+1时刻更新拓扑结构是否存在结构重叠，若是，则返回S3-3，否则，执行S3-5；
S3-5、判断t+2时刻更新拓扑结构的用户实时网络流量数据与相邻上一更新拓扑结构的用户实时网络流量数据是否一致，若是，则去除t+2时刻更新拓扑结构的临时动态节点后，完成网络流量管理优化，否则，返回S1-1；
其中，所述结构重叠为同一用户实时网络流量数据的同时刻数据传递存在线路堆叠情况。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本申请实施例的方法、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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (4)
1.一种基于端口映射的网络流量管理优化方法，其特征在于，包括：
S1、根据用户实时网络流量数据获取对应网络流量特征；
S1-1、获取用户实时网络流量数据；
S1-2、根据所述用户实时网络流量数据获取对应实时网络拓扑结构；
S1-3、利用所述用户实时网络流量数据根据实时网络拓扑结构进行时刻排序得到用户实时网络流量数据时序集合；
S1-3-1、获取所述实时网络拓扑结构的拓扑节点；
S1-3-2、根据所述拓扑节点获取用户实时网络流量数据的流经时刻；
S1-3-3、利用所述用户实时网络流量数据的流经时刻进行时刻排序得到流经时刻集合；
S1-3-4、利用所述流经时刻集合与对应拓扑节点的用户实时网络流量数据建立拓扑流转映射；
S1-3-5、利用所述流经时刻集合与拓扑流转映射作为用户实时网络流量数据时序集合；
S1-4、利用所述用户实时网络流量数据时序集合作为网络流量特征；
S2、利用所述网络流量特征基于端口映射进行快速优化处理得到用户实时网络流量数据优化结果；
S2-1、根据所述网络流量特征的拓扑流转映射获取用户实时网络流量数据的数据流分析结果；
S2-2、根据所述用户实时网络流量数据的数据流分析结果基于端口映射进行拓扑聚类处理得到用户实时网络流量数据的数据流优化结果；
S2-2-1、根据所述用户实时网络流量数据建立对应端口映射；
S2-2-2、利用所述数据流分析结果基于端口映射获取数据流分析结果的调整拓扑集合；
S2-2-3、利用所述调整拓扑集合基于聚类分析得到调整拓扑结构；
S2-2-4、利用所述调整拓扑结构作为用户实时网络流量数据的数据流优化结果；
S2-3、利用所述数据流优化结果作为用户实时网络流量数据优化结果；
S3、利用所述用户实时网络流量数据根据用户实时网络流量数据优化结果进行比对筛选处理完成网络流量管理优化；
S3-1、利用所述用户实时网络流量数据的数据流优化结果对用户实时网络流量数据的相邻上一拓扑结构进行替换得到用户实时网络流量数据的更新拓扑结构；
S3-2、判断当前时刻t更新拓扑结构是否存在结构重叠，若是，则执行S3-3，否则，直接完成网络流量管理优化；
S3-3、利用所述当前时刻t更新拓扑结构的结构重叠对应用户实时网络流量数据建立临时动态节点；
S3-4、利用所述临时动态节点对更新拓扑结构进行补充后，判断t+1时刻更新拓扑结构是否存在结构重叠，若是，则返回S3-3，否则，执行S3-5；
S3-5、判断t+2时刻更新拓扑结构的用户实时网络流量数据与相邻上一更新拓扑结构的用户实时网络流量数据是否一致，若是，则去除t+2时刻更新拓扑结构的临时动态节点后，完成网络流量管理优化，否则，返回S1-1；
其中，所述结构重叠为同一用户实时网络流量数据的同时刻数据传递存在线路堆叠情况。
2.如权利要求1所述的一种基于端口映射的网络流量管理优化方法，其特征在于，根据所述网络流量特征的拓扑流转映射获取用户实时网络流量数据的数据流分析结果包括：
S2-1-1、获取用户实时网络流量数据的总数据流作为数据流分析模板；
S2-1-2、判断网络流量特征的拓扑流转映射对应总数据量与数据流分析模板是否一致，若是，则执行S2-1-3，否则，返回S1-2；
S2-1-3、判断所述网络流量特征的拓扑流转映射的数据传输量与数据流分析模板是否完全对应，若是，获取所述拓扑流转映射中最高数据流对应拓扑流转映射作为待分流拓扑流转映射，并执行S2-1-4，否则，返回S2-1-1；
S2-1-4、判断所述待分流拓扑流转映射的数量是否为1，若是，则直接输出待分流拓扑流转映射作为数据流分析结果，否则，执行S2-1-5；
S2-1-5、判断所述待分流拓扑流转映射的数据流向是否一致，若是，则输出待分流拓扑流转映射作为数据流分析结果，否则，根据所述用户实时网络流量数据的数据流端点获取相同数据流端点的待分流拓扑流转映射作为数据流分析结果；
其中，所述数据流端点为用户实时网络流量数据的发送端点与接收端点。
3.如权利要求2所述的一种基于端口映射的网络流量管理优化方法，其特征在于，利用所述数据流分析结果基于端口映射获取数据流分析结果的调整拓扑集合包括：
S2-2-2-1、判断所述数据流分析结果的待分流拓扑流转映射对应数据流端点与端口映射是否对应，若是，则根据所述端口映射获取待分流拓扑流转映射的数据流向拓扑集合，否则，执行S2-2-2-2；
S2-2-2-2、判断所述待分流拓扑流转映射对应数据流转长度是否大于端口映射间拓扑结构长度，若是，则利用所述端口映射间拓扑结构长度作为待分流拓扑流转映射的数据流转长度作为数据流向拓扑集合，否则，利用所述端口映射的数据流端点替换待分流拓扑流转映射的数据流端点得到数据流向拓扑集合；
S2-2-2-3、去除所述数据流向拓扑集合中数据流分析结果的待分流拓扑流转映射对应数据流向拓扑得到数据流分析结果的调整拓扑集合；
其中，所述数据流分析结果的待分流拓扑流转映射对应数据流端点与端口映射对应为端口映射满足数据流分析结果实施。
4.如权利要求3所述的一种基于端口映射的网络流量管理优化方法，其特征在于，利用所述调整拓扑集合基于聚类分析得到调整拓扑结构包括：
S2-3-1、判断所述调整拓扑集合的子集数量是否为1，若是，则直接输出调整拓扑集合作为调整拓扑结构，否则，获取所述调整拓扑集合的子集节点特征，并执行S2-3-2；
S2-3-2、利用所述子集节点特征对调整拓扑集合基于K-means聚类算法得到调整拓扑结构聚类结果；
S2-3-3、利用所述调整拓扑结构聚类结果对应拓扑结构作为调整拓扑结构；
其中，所述子集节点特征为调整拓扑集合中调整拓扑结构的节点数量与相邻节点数据流向。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311806466.6A CN117499312B (zh) | 2023-12-26 | 2023-12-26 | 一种基于端口映射的网络流量管理优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311806466.6A CN117499312B (zh) | 2023-12-26 | 2023-12-26 | 一种基于端口映射的网络流量管理优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117499312A CN117499312A (zh) | 2024-02-02 |
| CN117499312B true CN117499312B (zh) | 2024-03-26 |
Family
ID=89678611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311806466.6A Active CN117499312B (zh) | 2023-12-26 | 2023-12-26 | 一种基于端口映射的网络流量管理优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117499312B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6298044B1 (en) * | 1998-03-31 | 2001-10-02 | Hewlett-Packard Company | Method and apparatus for determining if overloaded collision domains can be split to enhance network |
| KR20050110177A (ko) * | 2004-05-18 | 2005-11-23 | 하나로텔레콤 주식회사 | 인터넷 서비스 트래픽의 분석방법 |
| CN101729296A (zh) * | 2009-12-29 | 2010-06-09 | 中兴通讯股份有限公司 | 一种以太网流量统计分析的方法和系统 |
| CN111478854A (zh) * | 2020-04-01 | 2020-07-31 | 中国人民解放军国防科技大学 | 基于流量数据的实时网络节点重要性排序方法 |
| CN112073983A (zh) * | 2020-08-21 | 2020-12-11 | 国网电力科学研究院有限公司 | 基于流量预测的无线数据中心网络拓扑优化方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10454777B2 (en) * | 2016-04-06 | 2019-10-22 | Omni Ai, Inc. | Network data processing driver for a cognitive artifical intelligence system |
| US11695651B2 (en) * | 2021-10-12 | 2023-07-04 | Google Llc | Availability SLO-aware network optimization |
-
2023
- 2023-12-26 CN CN202311806466.6A patent/CN117499312B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6298044B1 (en) * | 1998-03-31 | 2001-10-02 | Hewlett-Packard Company | Method and apparatus for determining if overloaded collision domains can be split to enhance network |
| KR20050110177A (ko) * | 2004-05-18 | 2005-11-23 | 하나로텔레콤 주식회사 | 인터넷 서비스 트래픽의 분석방법 |
| CN101729296A (zh) * | 2009-12-29 | 2010-06-09 | 中兴通讯股份有限公司 | 一种以太网流量统计分析的方法和系统 |
| CN111478854A (zh) * | 2020-04-01 | 2020-07-31 | 中国人民解放军国防科技大学 | 基于流量数据的实时网络节点重要性排序方法 |
| CN112073983A (zh) * | 2020-08-21 | 2020-12-11 | 国网电力科学研究院有限公司 | 基于流量预测的无线数据中心网络拓扑优化方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117499312A (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112640380B (zh) | 用于对事件的输入流进行异常检测的设备和方法 | |
| CN109194707B (zh) | 分布式图嵌入的方法及装置 | |
| CN109815657A (zh) | 一种基于联盟链的身份认证方法及终端设备 | |
| TWI547817B (zh) | 叢集運算架構的資源規劃方法、系統及裝置 | |
| CN108880915B (zh) | 一种电力信息网络安全告警信息误报判定方法和系统 | |
| CN109218213A (zh) | 一种流量调控方法及装置 | |
| CN105488134A (zh) | 大数据处理方法及大数据处理装置 | |
| CN116166846B (zh) | 一种基于云计算的分布式多维数据处理方法 | |
| CN117499312B (zh) | 一种基于端口映射的网络流量管理优化方法 | |
| CN114363212A (zh) | 一种设备检测方法、装置、设备和存储介质 | |
| JP2012094129A (ja) | コンピューティング環境における資源の発見のための方法、装置、およびプログラム | |
| 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 | |
| CN116455523B (zh) | 一种多元数据快速传输验证方法 | |
| CN111090401B (zh) | 存储设备性能预测方法及装置 | |
| CN106878356B (zh) | 一种调度方法及计算节点 | |
| CN116257336A (zh) | 波动数据流场景下的算子智能并行化流处理方法及装置 | |
| CN109067603B (zh) | 一种确定变电站网络vlan配置问题的方法及系统 | |
| CN111476316B (zh) | 一种基于云计算下电力负荷特征数据均值聚类的方法及系统 | |
| CN114138330A (zh) | 基于知识图谱的代码克隆检测优化方法、装置和电子设备 | |
| CN112367189A (zh) | 一种分布式节点管理方法、设备及存储介质 | |
| CN117255031B (zh) | 一种基于多重映射的网络通信认证方法 | |
| CN110391929A (zh) | 一种容错控制方法、装置及容错构件 | |
| CN112149696A (zh) | 图嵌入模型的训练方法及装置 | |
| CN109753986A (zh) | 一种基于数据块的索引信息的聚类方法和装置 | |
| CN110323743B (zh) | 一种暂态功角稳定评估历史数据的聚类方法及装置 |
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 |