A method for online automatic identification of network traffic models (100) includes: receiving (101) input traffic flow (102) from a communication network (101); using the input service stream (102) to apply a self-learning based classification and an instant classification to process (103) the input traffic flow (Pac), in which a self-learning based classification is based on a group of prepositions. A definition feature that calculates a statistical model of the input business flow (102) and executes in an online mode by storing the statistical model in a database for storing the results of a number of self-learning based classifications; an instant classification is based on the use of a set of knowledge bases that include a set of predetermined rules for identifying the input traffic flow (102). At least one subset based on the statistical model stored in the database based on the application is processed by the input traffic flow (102); the network traffic model (104) in the input traffic flow (102) is identified based on the results of instant classification and / or based on the results of a self-learning classification (105).
【技术实现步骤摘要】
【国外来华专利技术】用于在线自动识别网络流量模型的方法和系统
本专利技术涉及用于在线自动识别网络流量模型的方法和系统。特别地,本专利技术涉及基于统计自学习原理在线自动识别网络流量的方法和系统。
技术介绍
网络流量识别是将网络流量与产生该流量的应用或一组应用相关联的问题。这个问题是网络管理领域最重要的问题之一。网络运营商必须提供明确的服务质量(Quality-of-Service,简称QoS)等级。该等级由服务等级协议描述。QoS指标值的下降可能是导致网络提供商出现财务损失的原因。网络流量的分类对QoS值有很大的影响。过去几年里使用互联网和IP网络的应用的数量和种类急剧增加。这些应用的类型集合包括以下内容:实时应用,例如语音和视频流;企业应用,例如LotusNotes,数据库事务;批量数据传输,例如FTP和P2P文件下载;交互式网络应用,例如telnet,即时消息和网络游戏。识别网络流量对网络资源的高效和最优分配起着重要作用。网络管理的另一个问题是与使用电信网络资源相关的欺诈或犯罪行为的数量和种类增加了。当今,网络管理涉及技能娴熟专业人员的长期工作,他们熟悉计算机网络受控部分中软件和硬件使用的特征。用于流量分析的现代技术基于这些高素质分析师手动处理数据的结果。电信网络基础设施的发展伴随着数据传输速度的增长,大大提高了网络状态的动态性。这两种类型的增长加上使用网络资源的应用数量越来越多,使得在网络监控期间手动处理数据的使用效率越来越低。当今电信网络的管理高度依赖于用于自动分析网络事件的工具的有效性。分析的自动化程度目前是电信领域的关键技术问题之一。各种类别/类型的网络流量可以被区 ...
【技术保护点】
一种用于在线自动识别网络流量模型的方法(100),其特征在于,包括:从通信网络接收(101)输入业务流(102);通过对所述输入业务流(102)应用基于自学习的分类和即时分类来处理(103)所述输入业务流(102),其中基于自学习的分类通过基于一组预定义特征来计算所述输入业务流(102)的统计模型并通过将所述统计模型存储在用于存储多个基于自学习的分类的结果的数据库中来在在线模式下执行;即时分类基于使用包括用于识别所述输入业务流(102)的一组预定规则的知识库和基于应用存储在所述数据库中的统计模型的至少一个子集来处理所述输入业务流(102);基于即时分类和/或基于自学习的分类的结果来识别(105)所述输入业务流(102)中的网络流量模型(104)。
【技术特征摘要】
【国外来华专利技术】1.一种用于在线自动识别网络流量模型的方法(100),其特征在于,包括:从通信网络接收(101)输入业务流(102);通过对所述输入业务流(102)应用基于自学习的分类和即时分类来处理(103)所述输入业务流(102),其中基于自学习的分类通过基于一组预定义特征来计算所述输入业务流(102)的统计模型并通过将所述统计模型存储在用于存储多个基于自学习的分类的结果的数据库中来在在线模式下执行;即时分类基于使用包括用于识别所述输入业务流(102)的一组预定规则的知识库和基于应用存储在所述数据库中的统计模型的至少一个子集来处理所述输入业务流(102);基于即时分类和/或基于自学习的分类的结果来识别(105)所述输入业务流(102)中的网络流量模型(104)。2.根据权利要求1所述的方法(100),其特征在于,所述数据库用于存储以下数据:计算出的所述输入业务流(102)的统计模型;未识别的统计模型的统计参数;未识别的输入业务流(102)。3.根据权利要求1或2所述的方法(100),其特征在于,识别(105)所述网络流量模型(104)为所述输入业务流(102)提供信息策略的类别的识别。4.根据权利要求3所述的方法(100),其特征在于,信息策略的类别基于网络流量模型识别来识别,并且至少包括:第一策略类别,如果通过所述知识库识别流量统计模型;第二策略类别,如果通过多个基于自学习的分类的结果来识别流量统计模型;第三策略类别,如果流量统计模型未被识别。5.根据前述权利要求中任一项所述的方法(100),其特征在于,所述基于自学习的分类和即时分类依次应用于所述输入业务流(102)的即时分类。6.根据前述权利要求中任一项所述的方法(100),其特征在于,所述输入业务流(102)包括数据包流,尤其是IP包。7.根据权利要求6所述的方法(100),其特征在于,包括:在处理所述输入业务流(102)之前对所述输入业务流(102)进行过滤,其中,过滤基于以下过滤标准中的至少一个:预定的IP源地址;预定的IP目的地址;预定的IP源端口号;预定的IP目的端口号;和/或预定的数据传输协议。8.根据权利要求6或7所述的方法(100),其特征在于,基于接收...
【专利技术属性】
技术研发人员:亚历山大·阿列克谢耶维奇·谢罗夫,瓦莱丽·尼古拉耶维奇·格鲁科夫,张洪波,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。