基于神经网络的网络流量预测装置及方法制造方法及图纸

本发明专利技术提供了一种基于神经网络的网络流量预测装置及方法，该装置包括：源层处理单元，包括第一板级模块，提供源层节点，根据第一部分网络流量数据生成网络流量训练数据；中间层处理单元，包括多个第二板级模块，提供中间层节点，多个中间层节点并行地根据网络流量训练数据和其各自的中间层权值进行神经网络学习计算，生成多个中间层学习结果；目的层处理单元，包括第三板级模块，提供目的层节点，根据多个中间层学习结果和目的层权值，计算得到目的层误差项；网络流量预测单元，判断该目的层误差项是否在误差阈值范围内，若是，进行网络流量预测；源层节点、中间层节点及目的层节点依据片上网络协议通信。本发明专利技术能够提高网络流量预测效率。

Network traffic prediction device and method based on Neural Network

The invention provides a network traffic prediction device and method based on neural network, which comprises a source layer processing unit, including a first board level module, providing a source layer node, generating network traffic training data according to the first part of network traffic data, and a middle layer processing unit, including a plurality of second board level modules. For middle-level nodes, many middle-level nodes carry out neural network learning calculation in parallel according to network traffic training data and their respective middle-level weights to generate multiple middle-level learning results; target-level processing units, including the third board-level module, provide target-level nodes, according to multiple middle-level learning results and objectives. The network traffic prediction unit determines whether the error item of the destination layer is within the error threshold, and if so, the network traffic prediction is carried out. The source layer node, the middle layer node and the destination layer node communicate according to the network on chip protocol. The invention can improve the efficiency of network traffic prediction.

【技术实现步骤摘要】
基于神经网络的网络流量预测装置及方法
本专利技术涉及互联网
，尤其涉及一种基于神经网络的网络流量预测装置及方法。
技术介绍
随着互联网规模不断扩大，网络流量数据与业务种类越来越多，网络资源与网络需求的供需矛盾日趋尖锐。网络流量预测有助于分析网络安全状况，科学管理网络及防范不当网络行为，因此，网络流量预测的研究和实现具有重要意义。基于人工智能神经网的网络流量预测方法具有非线性和自适应特点，且具有很高的预测精度。基于神经网络的网络流量预测主要分为软件实现和硬件实现。软件实现的基于神经网络的网络流量预测方法执行效率非常低下，不能适应网络流量预测快速变化。定制神经网络流量的硬件预测单元一般采用固定算法，这使得其扩展性遇到瓶颈，而其硬件结构一般采用总线控制方式，这会产生时延。现有软件实现的基于神经网络的网络流量预测方法一般利用高性能服务器或者工作站实现，例如BP神经网络流量预测方法，包括多层神经网络，每层神经网络包含多个神经元，各层之间的数据交互量很大。其通用服务器的硬件架构不能实现大规模网络流量监控预测要求，所以，此方法只能针对网络流量规模小数据业务进行网络流量监测，不能满足网络流量庞大的监控预测对象的要求。而且，其网络流量预测模型复杂，需要更多的计算和存储资源，而通用服务器满足不了该要求。一般小型网络流量监控预测使用X86构架服务器构架，而X86构架的通过中断机制对海量的数据包分析预测，会产生大量延迟，影响预测的实时性能。同时，软件实现多层神经网络流量预测，由于服务器架构的软件流程主要以串行为主，神经网络收敛速度慢，这也导致网络流量预测难以达到实时性要求。相对软件实现的基于神经网络的网络流量预测方法，硬件实现的基于神经网络的网络流量预测系统采用专用集成电路或者专用多核系统实现，神经网络的收敛速度明显提高，网络流量预测效率较高。然而，专用神经网络流量监控预测系统由于采用专用集成电路实现，算法性能固定，不能针对网络流量规模和不同算法自适应调整，扩展性差。采用多核处理器的专用神经网络流量预测平台由于采用串行接入和点对点通信的总线控制方式，总线地址资源有限，很难实现一对多同时通信控制，不利于发挥多核并行优势，难以进行神经网络并行预测，同时对网络规模的增大没有可扩展性。
技术实现思路
本专利技术提供一种基于神经网络的网络流量预测装置及方法，以提高网络流量预测效率。本专利技术提供一种基于神经网络的网络流量预测装置，包括：源层处理单元，包括第一板级模块，用于提供源层节点，其中，所述源层处理单元接收网络流量数据，利用所述源层节点根据第一部分的所述网络流量数据生成网络流量训练数据；中间层处理单元，包括多个第二板级模块，每个所述第二板级模块用于提供一个中间层节点，其中，所述中间层处理单元利用多个所述中间层节点并行地根据所述网络流量训练数据和其各自的中间层权值进行神经网络学习计算，生成多个中间层学习结果；目的层处理单元，包括第三板级模块，用于提供目的层节点，其中所述目的层处理单元利用所述目的层节点根据所述多个中间层学习结果和相应的一组目的层权值，计算得到目的层误差项；网络流量预测单元，用于判断所述目的层误差项是否在误差阈值范围内，若是，使用所述中间层权值并利用所述源层节点、多个所述中间层节点及所述目的层节点进行基于神经网络的网络流量预测；其中，所述源层节点、所述中间层节点及所述目的层节点两两之间依据片上网络协议通信。一个实施例中，还包括：第一神经网络结构参数更新单元，用于若所述目的层误差项不在所述误差阈值范围内，根据所述目的层误差项更新所述中间层节点的中间层权值，利用多个所述中间层节点重新并行地根据所述网络流量训练数据和更新后的中间层节点的中间层权值进行神经网络学习计算，重新生成多个中间层学习结果，利用所述目的层节点根据重新生成的多个中间层学习结果和所述目的层权值，重新计算目的层误差项，不断更新所述中间层节点的中间层权值并依次迭代进行，直到重新计算的目的层误差项在所述误差阈值范围内。一个实施例中，还包括：第二神经网络结构参数更新单元，用于若所述目的层误差项不在所述误差阈值范围内，根据所述目的层误差项更新所述中间层节点的中间层权值，并修正所述误差阈值范围，利用多个所述中间层节点重新并行地根据所述网络流量训练数据和更新后的中间层节点的中间层权值进行神经网络学习计算，重新生成多个中间层学习结果，利用所述目的层节点根据重新生成的多个中间层学习结果和所述目的层权值，重新计算目的层误差项，不断更新中间层节点的中间层权值且不断修正误差阈值范围并依次迭代进行，直到重新计算的目的层误差项在修正后的误差阈值范围内。一个实施例中，所述源层处理单元，包括多个所述第一板级模块，所述源层处理单元利用多个所述源层节点并行预处理第一部分的所述网络流量数据，生成所述网络流量训练数据。一个实施例中，所述目的层处理单元，还包括：目的层误差项生成模块，用于利用所述目的层节点根据所述多个中间层学习结果中的中间层误差和所述目的层权值，加权求和得到所述目的层误差项；或者利用所述目的层节点根据所述多个中间层学习结果中的中间层网络流量学习预测数据和所述目的层权值，计算得到目的层网络流量学习预测数据，然后通过激活函数由增加偏值项后的所述目的层网络流量学习预测数据计算得到目的层网络流量学习预测输出数据，再根据所述目的层网络流量学习预测输出数据计算得到所述目的层误差项。一个实施例中，所述网络流量预测单元，包括：网络流量预测输入数据生成模块，用于利用所述源层节点根据第二部分的所述网络流量数据生成网络流量预测输入数据；中间层网络流量预测结果生成模块，用于利用多个所述中间层节点并行地根据所述网络流量预测输入数据和其各自的所述中间层权值进行神经网络预测计算，生成多个中间层网络流量预测结果；网络流量预测输出数据生成模块，用于利用所述目的层节点根据所述多个中间层网络流量预测结果和所述目的层权值，计算得到目的层网络流量预测结果，通过激活函数由所述目的层网络流量预测结果计算得到网络流量预测输出数据，或通过激活函数由增加偏值项后的所述目的层网络流量预测结果计算得到网络流量预测输出数据。一个实施例中，所述目的层处理单元，包括两个所述第三板级模块，其中一个所述第三板级模块提供目的层预留节点，用于存储所述中间层权值、所述目的层权值、所述目的层误差项、误差阈值及激活函数，另一个所述第三板级模块提供所述目的层节点。一个实施例中，所述第一板级模块的个数为六个或六个以上，所述第二板级模块的个数为八个或八个以上。一个实施例中，各所述第一板级模块、各所述第二板级模块及各所述第三板级模块均包括：网络接口、金手指内部接口、片上网络路由器、静态存储器、存储器控制器、中断控制器及物理核，所述金手指内部接口用于实现板级模块之间通信，所述片上网络路由器用于实现板级模块内部通信。本专利技术还提供一种基于神经网络的网络流量预测方法，包括：接收网络流量数据，利用源层节点根据第一部分的所述网络流量数据生成网络流量训练数据；利用多个中间层节点并行地根据所述网络流量训练数据和其各自的中间层权值进行神经网络学习计算，生成多个中间层学习结果；利用目的层节点根据所述多个中间层学习结果和相应的一组目的层权值，计算得到目的层误差项；判断所述目的层误差项本文档来自技高网...

【技术保护点】
1.一种基于神经网络的网络流量预测装置，其特征在于，包括：源层处理单元，包括第一板级模块，用于提供源层节点，其中，所述源层处理单元接收网络流量数据，利用所述源层节点根据第一部分的所述网络流量数据生成网络流量训练数据；中间层处理单元，包括多个第二板级模块，每个所述第二板级模块用于提供一个中间层节点，其中，所述中间层处理单元利用多个所述中间层节点并行地根据所述网络流量训练数据和其各自的中间层权值进行神经网络学习计算，生成多个中间层学习结果；目的层处理单元，包括第三板级模块，用于提供目的层节点，其中所述目的层处理单元利用所述目的层节点根据所述多个中间层学习结果和相应的一组目的层权值，计算得到目的层误差项；网络流量预测单元，用于判断所述目的层误差项是否在误差阈值范围内，若是，使用所述中间层权值并利用所述源层节点、多个所述中间层节点及所述目的层节点进行基于神经网络的网络流量预测；其中，所述源层节点、所述中间层节点及所述目的层节点两两之间依据片上网络协议通信。

【技术特征摘要】
1.一种基于神经网络的网络流量预测装置，其特征在于，包括：源层处理单元，包括第一板级模块，用于提供源层节点，其中，所述源层处理单元接收网络流量数据，利用所述源层节点根据第一部分的所述网络流量数据生成网络流量训练数据；中间层处理单元，包括多个第二板级模块，每个所述第二板级模块用于提供一个中间层节点，其中，所述中间层处理单元利用多个所述中间层节点并行地根据所述网络流量训练数据和其各自的中间层权值进行神经网络学习计算，生成多个中间层学习结果；目的层处理单元，包括第三板级模块，用于提供目的层节点，其中所述目的层处理单元利用所述目的层节点根据所述多个中间层学习结果和相应的一组目的层权值，计算得到目的层误差项；网络流量预测单元，用于判断所述目的层误差项是否在误差阈值范围内，若是，使用所述中间层权值并利用所述源层节点、多个所述中间层节点及所述目的层节点进行基于神经网络的网络流量预测；其中，所述源层节点、所述中间层节点及所述目的层节点两两之间依据片上网络协议通信。2.如权利要求1所述的基于神经网络的网络流量预测装置，其特征在于，还包括：第一神经网络结构参数更新单元，用于若所述目的层误差项不在所述误差阈值范围内，根据所述目的层误差项更新所述中间层节点的中间层权值，利用多个所述中间层节点重新并行地根据所述网络流量训练数据和更新后的中间层节点的中间层权值进行神经网络学习计算，重新生成多个中间层学习结果，利用所述目的层节点根据重新生成的多个中间层学习结果和所述目的层权值，重新计算目的层误差项，不断更新所述中间层节点的中间层权值并依次迭代进行，直到重新计算的目的层误差项在所述误差阈值范围内。3.如权利要求1所述的基于神经网络的网络流量预测装置，其特征在于，还包括：第二神经网络结构参数更新单元，用于若所述目的层误差项不在所述误差阈值范围内，根据所述目的层误差项更新所述中间层节点的中间层权值，并修正所述误差阈值范围，利用多个所述中间层节点重新并行地根据所述网络流量训练数据和更新后的中间层节点的中间层权值进行神经网络学习计算，重新生成多个中间层学习结果，利用所述目的层节点根据重新生成的多个中间层学习结果和所述目的层权值，重新计算目的层误差项，不断更新中间层节点的中间层权值且不断修正误差阈值范围并依次迭代进行，直到重新计算的目的层误差项在修正后的误差阈值范围内。4.如权利要求1至3任一项所述的基于神经网络的网络流量预测装置，其特征在于，所述源层处理单元，包括多个所述第一板级模块，所述源层处理单元利用多个所述源层节点并行预处理第一部分的所述网络流量数据，生成所述网络流量训练数据。5.如权利要求1至3任一项所述的基于神经网络的网络流量预测装置，其特征在于，所述目的层处理单元，还包括：目的层误差项生成模块，用于利用所述目的层节点根据所述多个中间层学习结果中的中间层误差和所述目的层权值，加权求和得到所述目的层误差项；或者利用所述目的层节点根据所述多个中间层学习结果中的中间层网络流量学习预测数据和所述目的层权值，计算得到目的层网络流量学习预测数据，然后通过激活函数由增加偏值项后的所述目的层网络流量学习预测数据计算得到目的层网络流量学习预测输出数据，再根据所述目的层网络流量学习预测输出数据计算得到所述目的层误差项。6.如权利要求1至3任一项所述的基于神经网络的网络流量预测装置，其特征在于，所述网络流量预测单元，包括：网络流量预测输入数据生成模块，用于利用所述源层节点根据第二部分的所述网络流量数据生成网络流量预测输入数据；中间层网络流量预测结果生成模块，用于利用多个所述中间层节点并行地根据所述网络流量预测输入数据和其各自的所述中间层权值进行神经网络预测计算，生成多个中间层网络流量预测结果；网络流量预测输出数据生成模块，用于利用所述目的层节点根据所述多个中间层网络流量预测结果和所述目的层权值，计算得到目的层网络流量预测结果，通过激活函数由所述目的层网络流量预测结果计算得到网络流量预测输出数据，或通过激活函数由增加偏值项后的所述目的层网络流量预测结果计算得到网络流量预测输出数据。7.如权利要求4所述的基于神经网络的网络流量预测装置，其特征在于，所述目的层处理单元，包括两个所述第三板级模块，其中一个所述第三板级模块提供目的层预留节点，用于存储所述中间层权值、所述目的层权值、所述目的层误差项、...

【专利技术属性】
技术研发人员：李莉，吴润泽，史智萍，朱正甲，庞思睿，刘志雄，单体华，聂文海，沈卫东，霍霏阳，秦励寒，尤新雨，付新瑞，董建英，龙婧，梁大鹏，周洁，张亚娜，
申请(专利权)人：国家电网公司，国网冀北电力有限公司经济技术研究院，华北电力大学，
类型：发明
国别省市：北京,11