采用机器学习以预测和动态调整静态配置参数制造技术

本发明专利技术涉及采用机器学习以预测和动态调整静态配置参数。公开了一种用于动态改变实时网络装置上的静态参数的系统和方法。所述系统包括：实时网络装置，其上配置有多个参数，这些参数控制将服务应用于订户分组流；以及机器学习装置，其可操作，用于监测订户分组流并应用机器学习模型来识别监测的订户分组流中的模式。所述机器学习装置还可操作，用于基于所监测的订户分组流中的模式来动态地改变网络装置上的多个参数中的至少一个。置上的多个参数中的至少一个。置上的多个参数中的至少一个。

【技术实现步骤摘要】
采用机器学习以预测和动态调整静态配置参数


[0001]本公开涉及计算机网络，更具体地，涉及动态调整计算机网络中的网 络装置的静态配置参数。

技术介绍

[0002]计算机网络是互连装置的集合，例如，计算机。网络装置可以包括例 如载波级网络地址转换(CG-NAT)装置、软件定义的广域网(SD-WAN) 装置和流收集装置等。
[0003]网络装置可以根据一个或多个通信协议来交换数据。通信协议定义了 装置传送数据的格式和方式。示例协议包括传输控制协议(TCP)和互联 网协议(IP)，其通过将数据分成称为分组的小块来促进数据通信。这些 分组通过网络从源装置单独路由到目的装置。目的装置从分组中提取数 据，并将数据组装成原始形式。将数据分成分组，使源装置能够仅重新发 送在传输过程中可能丢失的那些单独分组。协议定义了分组的格式和结 构，包括分组的报头和有效载荷部分。
[0004]周期性地，可能需要从一种通信协议转换到另一种通信协议。例如， 当网络中使用的当前通信协议升级到较新版本时，可能会出现这种情况。 作为一个示例，互联网当前基于称为互联网协本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种系统，包括：实时网络装置，在所述实时网络装置上配置有多个参数，所述多个参数控制对网络中由网络装置转发的订户分组流应用的服务；以及机器学习装置，能够操作为监测所述订户分组流并应用机器学习模型来识别所监测的订户分组流中的模式，并且所述机器学习装置能够操作为基于所述所监测的订户分组流中的模式来动态地改变所述多个参数中的至少一个。2.根据权利要求1所述的系统，其中，所述实时网络装置包括载波级网络地址转换(CGNAT)装置，并且所述多个参数中的至少一个包括以下中的至少一个：端口块大小、NAT映射超时值、NAT会话非活动超时值以及每订户最大会话值。3.根据权利要求1-2中任一项所述的系统，其中，所述CGNAT装置包括所述机器学习装置。4.根据权利要求1所述的系统，其中，所述实时网络装置包括软件定义的广域网装置，并且所述多个参数中的至少一个包括创建阈值和删除阈值中的至少一个，其中，并且所述实时网络装置能够操作为响应于确定两个站点之间的订户分组流的数量超过所述创建阈值而在所述两个站点之间创建至少一个全网格隧道，并且所述实时网络装置能够操作为响应于确定所述两个站点之间的订户分组流的数量低于所述删除阈值而在所述两个站点之间删除所述至少一个全网格隧道。5.根据权利要求1和4中任一项所述的系统，其中，所述多个参数中的至少一个包括应用体验质量(AppQoE)服务级别协议参数。6.根据权利要求1或4所述的系统，其中，所述多个参数中的至少一个包括AppQoE探测间隔和AppQoE探测计数中的至少一个。7.根据权利要求1所述的系统，其中，所述实时网络装置包括流导出器，并且所述多个参数中的至少一个包括以下中的至少一个：流非活动超时、非活动导出超时和活动导出超时。8.根据权利要求1所述的系统，其中，所述机器学习装置通过管理守护程序来改变所述多个参数中的至少一个。9.根据权利要求1、2、4、7和8中任一项所述的系统，其中，所述多个参数中的至少一个参数进一步基于一天中的时间而改变。10.根据权利要求1、2、4、7和8中任一项所述的系统，其中，所述改变包括：自动改变预定时间段，并且如果在所述预定时间段内未接收到指示批准所述改变的数据，则在所述预定时间段之后反转所述改变。11.一种方法，包括：由机器学习装置监测订户分组流...

【专利技术属性】
技术研发人员：尼特亚南达，
申请(专利权)人：瞻博网络公司，
类型：发明
国别省市：