一种基于LSTM的网络流量预测方法技术

本发明专利技术公开了一种基于LSTM的网络流量预测方法，方法为：利用封包嗅探工具抓取网络流量数据，在路由节点上部署封包嗅探工具，抓取网络流量数据，将单位时间内所有封包作为一个样本，每个样本中的所有封包分开保存；进行数据预处理，提取特征，并标注标签，提取的特征包括总封包数、出境/入境封包比例、出境/入境封包总长度、出境/入境封包平均长度、出境/入境封包长度方差、总/平均传输时间；使用LSTM对数据进行建模；使用模型预测新的数据，得到网络流量的预测值。本方法将长短时记忆模型与人工神经网络相结合，提升了网络流量的预测精确度。

A Network Traffic Prediction Method Based on LSTM

The invention discloses a network traffic prediction method based on LSTM, which uses packet sniffing tools to capture network traffic data, deploys packet sniffing tools on routing nodes, grabs network traffic data, takes all packets in a unit time as a sample, and stores all packets in each sample separately; preprocesses data, extracts features, and labels. The extracted features include the total number of outbound/inbound packets, the ratio of outbound/inbound packets, the total length of outbound/inbound packets, the average length of outbound/inbound packets, the variance of the length of outbound/inbound packets, and the total/average transmission time. LSTM is used to model the data, and the new data is predicted by using the model to obtain the predicted value of network traffic. This method combines the long-term and short-term memory model with artificial neural network to improve the accuracy of network traffic prediction.

【技术实现步骤摘要】
一种基于LSTM的网络流量预测方法
本专利技术涉及网络流量预测
，特别是一种基于LSTM的网络流量预测方法。
技术介绍
当前，基于TCP/IP技术的互联网飞速发展，新的网络技术不断出现，网络基础设施的规模不断扩大，网络交互日益活跃。网络作为工作，生活和学习的重要工具，已经在交通、医疗、互联网服务、教育等多方面影响公众的生活，成为日常社会中越来越重要的组成部分。在互联网飞速发展的背后，愈加复杂的网络环境也给网络研究人员提出了越来越多的问题。其中，一个非常重要的问题在于，作为网络的服务提供商或者网络的管理人员，如何有效地通过对网络流信息的获取和分析，来了解、管理、检测、优化现有的网络环境。面对如此复杂的网络环境，对于网络流量分析的研究就应运而生了。网络流量是所有网络行为的载体，它是记录和反映互联网发展的重要依据，几乎所有网络相关的活动都是与网络流量相联系。作为网络行为的重要组成部分，通过对网络流量数据的抓取和分析，可以间接掌握网络的行为。根据既定的网络协议，多种不相同的网络服务、网络行为都可以格式化为统一的网络流量格式，让网络管理者可以从更高的角度来了解和管理网络。通过对网络流量的本文档来自技高网...

【技术保护点】
1.一种基于LSTM的网络流量预测方法，其特征在于，包括以下步骤：步骤1，利用封包嗅探工具抓取网络流量数据；步骤2，进行数据预处理，提取特征，并标注标签；步骤3，使用LSTM对数据进行建模；步骤4，使用模型预测新的数据，得到网络流量的预测值。

【技术特征摘要】
1.一种基于LSTM的网络流量预测方法，其特征在于，包括以下步骤：步骤1，利用封包嗅探工具抓取网络流量数据；步骤2，进行数据预处理，提取特征，并标注标签；步骤3，使用LSTM对数据进行建模；步骤4，使用模型预测新的数据，得到网络流量的预测值。2.根据权利要求1所述的基于LSTM的网络流量预测方法，其特征在于，步骤1中所述的利用封包嗅探工具抓取网络流量数据，具体如下：在路由节点上部署封包嗅探工具，抓取网络流量数据，将单位时间内所有封包作为一个样本，每个样本中的所有封包分开保存。3.根据权利要求1所述的基于LSTM的网络流量预测方法，其特征在于，步骤2中所述的进行数据预处理，提取特征，并标注标签，具体如下：提取的特征包括：(1)总封包数(2)出境/入境封包比例(3)出境/入境封包总长度(4)出境/入境封包平均长度(5)出境/入境封包长度方差(6)总/平均传输时间根据预测的目标，提取以上特征中的一个或几个，并标注标签。4.根据权利要求1所述的基于LSTM的网络流量预测方法，其特征在于，步骤3中所述的使用LSTM对数据进行建模，具体如下：(1)整个神经网络分为输入层、循环层、全连接层三层，全连接层同时也作为输出层；神经网络的训练由多个迭代组成，每个迭代中都要进行正向传播和反向传播两个步骤；(2)在循环层的正向传播过程中，使用当前时间步骤的输入和上个时间步骤的输出进行运算，得出当前时间步骤的输出，来建模输入与输出之间的关系，以及输出之间的历史相关性；其中循环层的正向传播过程如下：f(t)＝σ(Wfx(t)...

【专利技术属性】
技术研发人员：张子辰，李千目，侯君，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32