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议版本4(IPv4)的通信协 议。IPv4基于数据报(无连接)操作和全球重要的IP地址提供无处不在 的网络服务，以帮助路由。越来越明显的是，IPv4的某些元素不足以支持 互联网的发展。例如，IPv4利用32位地址空间。然而，互联网协议版本 6(IPv6)使用了大的128位地址空间。然而，新通信协议的开发、标准 化、实现、测试、调试和部署可能会花费大量的时间和精力，并且不能保 证会成功。
[0005]可以使用多种方法来试图提供从一种通信协议到另一种通信协议的 平稳过渡。已经提出的一种示例方法称为“双栈精简”，如在2011年8月 提交给A.Durand等人的互联网工程任务组(IETF)RFC 6333的
ꢀ“
Dual-Stack Lite Broadband Deployments Following IPv4 Exhaustion”中所 述。根据这种方法，位于订户驻地的住宅网关(本文也称为“客户驻地装 置”)充当将IPv4分组封装在IPv6分组内的隧道的入口和出口。这些 IPv4-over-IPv6隧道通常称为“软线”。住宅网关将IPv6分组转发到服务 提供商网络中的路由器，该路由器将IPv4分组从IPv6分组中解封装。路 由器作为地址族转换路由器(AFTR)运行，对每个IPv4分组应用网络地 址转换(NAT)规则，并将IPv4分组转发到互联网。在DS-Lite架构中， 全球IPv4地址在AFTR的订户之间共享，充当CG-NAT装置。通过这种 方式，DS-Lite使未修改的IPv4应用程序能够通过IPv6访问网络访问IPv4 互联网。
[0006]计算机网络还可以包括被实现为局域网(LAN)的多个站点，这些站 点又可以在地理上广域分布并通过广域网(WAN)互连。典型的站点(例 如，分支机构、数据中心、校园/公司办公室、服务网络和通过WAN通信 的其他网络)可以有多种WAN连接类型，包括多协议标签交换(MPLS)、 互联网等。在这些传统网络中，基于MPLS的连接通常包括性能保证或服 务级别协议(SLA)，以确保关键业务应用程序能够正常运行；互联网连 接为备份和负载平衡目的提供了替代链接。然而，随着互联网访问服务提 供越来越多的带宽，许多应用程序现
在可以合理地通过互联网链路进行路 由。
[0007]WAN中的软件定义网络(SD-WAN)是一种连接解决方案，其被实 现为传统WAN访问之上的覆盖。SD-WAN解决方案提供了利用MPLS、 互联网和其他WAN连接链路的能力。为了互连站点，并且在某些情况下 为了提供安全的站点到站点的连接，SD-WAN通常包括基于覆盖隧道(有 时也称为SD-WAN隧道)的虚拟覆盖网络，这些隧道通过WAN传输流量。
[0008]分组网络中的装置(例如，路由器和交换机)通过网络将分组从源装 置转发到目的装置。目的装置从分组中提取数据，并将数据组装成原始形 式。
[0009]存在允许网络装置(例如，路由器和交换机)收集和报告流量统计的 各种协议。例如，网络装置部署在接收和/或发送流量的装置接口上收集流 量统计的采样机制。根据协议，网络装置可以周期性地将包含流量统计的 记录导出到称为流收集器的集中式装置。在许多网络环境中，收集器可以 经由从不同网络位置发送的业务流分组接收业务流信息。因此，用户或网 络管理员可以使用流收集器来分析整个网络业务量。
[0010]网络装置(例如，CG-NAT、SD-WAN和流收集器网络装置)通常可 以在在线或实时处理订户分组流之前进行提供。提供过程在网络装置内配 置静态参数，这些参数定义了网络装置在与订户分组流交互时的运行方 式。

技术实现思路

[0011]通常，公开了用于动态调整网络装置上的静态配置参数的技术，例如， CG-NAT、SD-WAN和流收集器网络装置。机器学习可以用于通过在网络 装置运行时动态调整网络装置上的这些静态配置参数来提高网络性能，或 者换言之，网络装置在线并且实际上对订户分组流进行操作。例如，机器 学习模型可以识别监测的订户分组流中的模式，并且机器学习装置可以基 于监测的模式动态地改变参数，以提高网络的效率。
[0012]仅通过示例，CG-NAT网络装置可以配置有静态参数，例如，端口块 大小、NAT映射超时值、NAT会话非活动超时值和每个订户的最大会话 值。机器学习装置可以在CG-NAT网络装置运行时动态改变这些静态参 数，或者换言之，在线并对订户分组流进行操作。
[0013]仅通过示例，SD-WAN网络装置可以配置有静态参数，例如，创建阈 值、删除阈值、应用体验质量(APPQoE)服务级别协议(SLA)参数、 APPQoE探测间隔和APPQoE探测计数。机器学习装置可以在SD-WAN 网络装置运行时动态改变这些静态参数，或者换言之，在线并对订户分组 流进行操作。
[0014]仅通过示例，流收集器网络装置可以配置有静态参数，例如，流非活 动超时、非活动导出超时和活动导出超时。机器学习装置可以在流收集器 网络装置运行时动态改变这些静态参数，或者换言之，在线并对订户分组 流进行操作。
[0015]在一个示例中，一种系统包括：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网络中由网络装置转发的订户分组流；以及机 器学习装置，其可操作以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，并且可操作以基于所监测的订户分组流中的模式 来动态地改变多个参数中的至少一个。
[0016]在另一示例中，一种方法包括：由机器学习装置监测订户分组流；由 机器学习装置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 且基于所监测的订户分组流中的模式，来动态地改变实时网络装置的多个 参数中的至少一个，其中，所述多个参数
配置在实时网络装置上，并且控 制将服务应用于订户分组流。
[0017]在附图和以本文档来自技高网...

【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：