一种基于机器学习的网络带宽优化管理方法技术

本发明专利技术涉及网络资源管理技术领域，尤其涉及一种基于机器学习的网络带宽优化管理方法，采用运营商管理平台采集带宽分配设备下接用网设备的使用信息，然后通过利用机器学习算法生成管理策略，并安装于带宽分配设备上，从而实现了对网络带宽资源的优化管理，解决了现有网关或路由器的带宽承载、主干线上的带宽有限，以及网络负载压力大，网络带宽资源缺乏合理、有效的管理的问题，并且能够更好的管理频谱和网络资源、平衡网络负载、增强移动性，同时降低了主干网的负载压力，提升了用户的体验。

A method of network bandwidth optimization management based on machine learning

【技术实现步骤摘要】
一种基于机器学习的网络带宽优化管理方法
本专利技术涉及网络资源管理
，尤其涉及一种基于机器学习的网络带宽优化管理方法。
技术介绍
家庭智能网关和路由器是住宅和办公室用户联网的主要设备。随着网络的越来越普及、物联网和智能家居互联产品也越来越多，网关和路由器的需求会越来越旺盛。网关和路由器作为主要的联网设备，其下接用网设备(如手机、电脑、智能家居等)越来越多，下接用网设备的功能也越来越复杂。因此要求网关和路由器需要给不同类型的设备和不同类型的服务提供高效的带宽。网关和路由器的带宽承载是有限的，同时主干线上的带宽也是有限的，因此，需要对网络带宽资源进行合理的管理，才能更好的管理频谱和网络资源、平衡网络负载、增强移动性，给用户提供最佳体验，同时降低主干网的负载压力。
技术实现思路
本专利技术提供一种基于机器学习的网络带宽优化管理方法，解决的技术问题是，现有网关或路由器的带宽承载有限，主干线上的带宽也有限，网络负载压力大，网络带宽资源缺乏合理、有效的管理。为解决以上技术问题，本专利技术提供一种基于机器学习的网络带宽优化管理方法，包括步骤：A1.带宽分配设备收集、上传其下接用网设备的使用信息至运营商管理平台；A2.所述运营商管理平台基于机器学习对所述使用信息进行整理和分析，生成相应的管理策略并下发至所述带宽分配设备；A3.所述带宽分配设备按照所述管理策略管理其下接用网设备的带宽资源分配。进一步地，所述步骤A2具体包括步骤：A21.所述运营商管理平台对上传的所述使用信息进行整理；A22.对不同类别的所述使用信息采用不同的机器学习算法进行分析，得到对应的使用结论；A23.对不同的使用结论设置不同的带宽分配策略，并结合用户自定义设置生成不同的管理策略并下发至所述带宽分配设备。具体地，在所述步骤A22中，不同类别的所述使用信息包括所述下接用网设备的类型及其使用流量的大小、类型、时间，使用的APP，访问的网站。进一步地，所述使用结论包括：第一种结论信息：在同一时间段总是占用最多带宽资源的下接用网设备明细；第二种结论信息：一个所述下接用网设备占用最多带宽资源的流量类型明细；第三种结论信息：一个所述下接用网设备占用最多带宽资源的时间段明细；第四种结论信息：总是访问无法连接的境外服务器的网关或下接用网设备明细；第五种结论信息：正在使用要求较高带宽资源的APP或访问要求较高带宽资源的网页的下接用网设备明细。更进一步地，针对所述第一种结论信息，所述带宽分配策略设置为：对所述下接用网设备明细中的下接用网设备进行限速；针对所述第二种结论信息，所述带宽分配策略设置为：当所述下接用网设备使用所述流量类型明细中的流量类型时，对所述下接用网设备进行限速；针对所述第三种结论信息，所述带宽分配策略设置为：当所述下接用网设备在所述时间段明细中的时间段使用网络时，对所述下接用网设备进行限速；针对所述第四种结论信息，所述带宽分配策略设置为：禁止所述网关或下接用网设备访问所述境外服务器；针对所述第五种结论信息，所述带宽分配策略设置为：对所述下接用网设备明细中的所述下接用网设备进行提速。其中，所述要求较高带宽资源的APP或访问要求较高带宽资源的网页为名额有限需要用户抢先拥有的一类、支付一类、涉及生命健康的一类。具体地，所述用户自定义设置包括对特定下接用网设备的用网时长设置，网络开放时间段设置，限速、断网或提速设置。进一步地，所述机器学习算法包括多变量线性回归算法和Logistic回归算法。具体地，在所述步骤A2中，生成相应的管理策略基于管理规定或者TR-069协议通过软件升级的方式安装在所述带宽分配设备中。具体地，所述带宽分配设备为路由器或网关。本专利技术提供的一种基于机器学习的网络带宽优化管理方法，采用运营商管理平台采集带宽分配设备下接用网设备的使用信息，然后通过利用机器学习算法生成管理策略，并安装于带宽分配设备上，从而实现对网络带宽资源的优化管理，保证了带宽分配设备能够为不同类型的下接用网设备提供高效的带宽，并且能够更好的管理频谱和网络资源、平衡网络负载、增强移动性，同时降低了主干网的负载压力，提升了用户的体验。附图说明图1是本专利技术实施例提供的一种基于机器学习的网络带宽优化管理方法的步骤流程图；图2是本专利技术实施例提供的网络带宽资源优化管理示意图；图3是本专利技术实施例提供的带宽分配设备数据收集示意图。具体实施方式下面结合附图具体阐明本专利技术的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本专利技术的限定，包括附图仅供参考和说明使用，不构成对本专利技术专利保护范围的限制，因为在不脱离本专利技术精神和范围基础上，可以对本专利技术进行许多改变。针对现有网关或路由器的带宽承载有限，主干线上的带宽也有限，以及网络负载压力大，网络带宽资源缺乏合理、有效的管理的问题，如图1、2所示，本专利技术实施例提供一种基于机器学习的网络带宽优化管理方法，包括步骤：A1.带宽分配设备收集、上传其下接用网设备的使用信息至运营商管理平台；A2.所述运营商管理平台基于机器学习对所述使用信息进行整理和分析，生成相应的管理策略并下发至所述带宽分配设备；A3.所述带宽分配设备按照所述管理策略管理其下接用网设备的带宽资源分配。其中，所述步骤A2具体包括步骤：A21.所述运营商管理平台对上传的所述使用信息进行整理；A22.对不同类别的所述使用信息采用不同的机器学习算法进行分析，得到对应的使用结论；A23.对不同的使用结论设置不同的带宽分配策略，并结合用户自定义设置生成不同的管理策略并下发至所述带宽分配设备。如图3所示，在所述步骤A22中，不同类别的所述使用信息包括但不限于所述下接用网设备的类型及其使用流量的大小、类型、时间，使用的APP，访问的网站。本实施例中，运营商管理平台根据不同的使用结论，设置不同的带宽分配策略，例如：1)分析得到在同一时间段总是占用最多带宽资源的下接用网设备时，对所述下接用网设备进行限速；2)分析得到所述下接用网设备占用最多带宽资源的流量类型时，对所述下接用网设备进行限速；3)分析得到所述下接用网设备占用最多带宽资源的时间段时，当所述下接用网设备在所述时间段明细中的时间段使用网络时，对该下接用网设备进行限速；4)分析得到总是访问无法连接的境外服务器的网关或下接用网设备时，禁止所述网关或下接用网设备访问所述境外服务器；5)分析得到正在使用要求较高带宽资源的APP或访问要求较高带宽资源的网页的下接用网设备时，对所述下接用网设备明细中的所述下接用网设备进行提速。其中，所述要求较高带宽资源的APP或访问要求较高带宽资源的网页包括但不限于为名额有限需要用户抢先拥有的一类(如抢票)、支付一类、涉及生命健康的一类(如联网型烟雾报警器)。...

【技术保护点】
1.一种基于机器学习的网络带宽优化管理方法，其特征在于，包括步骤：/nA1.带宽分配设备收集、上传其下接用网设备的使用信息至运营商管理平台；/nA2.所述运营商管理平台基于机器学习对所述使用信息进行整理和分析，生成相应的管理策略并下发至所述带宽分配设备；/nA3.所述带宽分配设备按照所述管理策略管理其下接用网设备的带宽资源分配。/n

【技术特征摘要】
1.一种基于机器学习的网络带宽优化管理方法，其特征在于，包括步骤：
A1.带宽分配设备收集、上传其下接用网设备的使用信息至运营商管理平台；
A2.所述运营商管理平台基于机器学习对所述使用信息进行整理和分析，生成相应的管理策略并下发至所述带宽分配设备；
A3.所述带宽分配设备按照所述管理策略管理其下接用网设备的带宽资源分配。


2.如权利要求1所述的一种基于机器学习的网络带宽优化管理方法，其特征在于，所述步骤A2具体包括步骤：
A21.所述运营商管理平台对上传的所述使用信息进行整理；
A22.对不同类别的所述使用信息采用不同的机器学习算法进行分析，得到对应的使用结论；
A23.对不同的使用结论设置不同的带宽分配策略，并结合用户自定义设置生成不同的管理策略并下发至所述带宽分配设备。


3.如权利要求2所述的一种基于机器学习的网络带宽优化管理方法，其特征在于：在所述步骤A22中，不同类别的所述使用信息包括所述下接用网设备的类型及其使用流量的大小、类型、时间，使用的APP，访问的网站。


4.如权利要求2所述的一种基于机器学习的网络带宽优化管理方法，其特征在于，所述使用结论包括：
第一种结论信息：在同一时间段总是占用最多带宽资源的下接用网设备明细；
第二种结论信息：一个所述下接用网设备占用最多带宽资源的流量类型明细；
第三种结论信息：一个所述下接用网设备占用最多带宽资源的时间段明细；
第四种结论信息：总是访问无法连接的境外服务器的网关或下接用网设备明细；
第五种结论信息：正在使用要求较高带宽资源的APP或访问要求较高带宽资源的网页的下接用网设备...

【专利技术属性】
技术研发人员：胡太守，詹启军，潘伟，
申请(专利权)人：广东九联科技股份有限公司，
类型：发明
国别省市：广东;44