一种基于带内网络遥测技术的网络可靠性评估方法技术

本发明专利技术公开了一种基于带内网络遥测技术的网络可靠性评估方法。本发明专利技术设计了带内网络遥测(In‑band Telemetry，INT)数据报文格式，数据平面基于INT技术采集报文转发路径上每个交换机的信息，采集信息上送到SDN控制器的智能分析器模块，智能分析器解析INT数据包得到每个交换机端口的延迟、丢包、拥塞度和利用率；然后提出基于贝叶斯网络的可靠性评估模型，利用最大后验估计得到网络可靠性状态评估值；最后，提出基于LSTM神经网络算法建立可靠性预测模型，预测未来一段时间的网络可靠性状态。本发明专利技术的有益效果为提高了网络可靠性检测的准确性，动态实时的评估和预测网络性能可靠性状态，为网络运维及网络流量规划等提供了极大的依据。

【技术实现步骤摘要】
一种基于带内网络遥测技术的网络可靠性评估方法
本专利技术属于网络可靠性领域，特别涉及一种基于带内网络遥测技术的网络可靠性评估方法。
技术介绍
现有的网络性能可靠性检测方法，只考虑了单一的因素，比如丢包或拥塞等，并不能综合考虑多因素对网络性能可靠性的影响。且对于网络性能指标的数据的采集存在很大的弊端。已存在的数据采集方式主要可以归纳为以下两种方式。第一种是受控主机端进行抓包检测，利用wireshark或者采集器从受控主机采集网络节点信息，再利用相关算法去评估网络状态，调整网络路由。这种方式，利用抓包等采样方式准确率极低，对网络全局的把控极差。第二种方式利用控制器纳管设备，采用周期性拉取网络节点信息，这种方式会导致检测延迟以及网络的开销，同时无法准确的获取网络中实时状态变化，使得评估模型难以获得准确的评价指标数据。随着网络的复杂性的加重，网络性能可靠性是近几年研究的热点，目前没有一个综合统一的性能可靠性评估模型，评估指标体系也尚不完善。
技术实现思路
本专利技术的目的是克服现有技术中的不足，提供一种基于带内网络遥测技术的网络可靠性评估方法。为实现上述技术目的，本专利技术采用了以下技术方案：一种基于带内网络遥测技术的网络可靠性评估方法，包括以下步骤：步骤(1)：设计了带内网络遥测数据报文格式，数据平面基于带内网络遥测技术采集传输路径上每个节点的遥测信息；步骤(2)：建立网络可靠性评价模型，即贝叶斯网络模型；所述贝叶斯网络模型输入步骤(1)得到的端口信息，计算得到网络性能可靠度；步骤(3)：建立基于LSTM算法的网络可靠性状态预测模型，利用历史数据不断训练该基于LSTM算法的网络可靠性状态预测模型，预测未来一段时间的网络性能可靠性状态。进一步地，所述步骤(1)包括以下子步骤：(1.1)设计了带内网络遥测数据报文格式，通过带内网络遥测技术采集每个节点的信息；(1.2)在路径最后一个节点，将遥测数据包通过UDP协议封装，发送到SDN控制器的智能分析器；(1.3)智能分析器通过解封装INT报文得到每个节点的端口信息，包括端口的延迟、丢包、拥塞度和利用。进一步地，所述步骤(2)包括以下子步骤：(2.1)建立贝叶斯网络模型；(2.2)利用贝叶斯网络模型进行网络可靠性计算，得到网络可靠性状态：进一步地，所述步骤(2.2)具体为：设置P表示各个节点发生的概率，则P(X1)表示是事件X1当前网络状态下发生的概率。设θ表示随机变量网络性能可靠性，计算依据条件概率公式可得其中P(θ|X)表示在X条件下，网络可靠性状态的概率。转换成贝叶斯估计的数据描述为：π(θ|x)为参数θ的后验分布，后验分布为一个条件分布，θ为待估的分布参数。f(x|θ)为概率密度函数，π(θ)为参数θ的先验分布。m(x)为参数θ的边缘分布。贝叶斯估计表示，在已知θ服从π(θ)的先验分布前提下，根据采集的样本信息去校验先验分布，得到后验分布π(θ|x)。采用极大似然估计的思想，利用最大后验估计求解θ。求得分布概率最大情况下θ的合理值，即网络可靠性状态。θ值越大代表网络可靠性越高。进一步地，所述步骤(3)包括以下子步骤：(3.1)采集基于LSTM算法的网络可靠性状态预测模型的训练数据(3.2)建立基于LSTM算法的网络可靠性状态预测模型：(3.3)基于步骤(3.2)建立的基于LSTM算法的网络可靠性状态预测模型，利用训练集的输入量Wtrain_x与输出量Wtrain_y对LSTM网络可靠性状态预测模型进行训练。(3.4)评估LSTM网络可靠性状态预测模型进一步地，所述步骤(3.1)包括以下子步骤：(3.1.1)采集历史一段时间内网络可靠性评估指标数据X1，X2，……Xn，得到用于时间序列预测的数据集：H＝[ht,ht+1......ht+n]，其中，ht＝[ft,Xt]，ft代表t时间点的网络可靠性状态，xt代表t时间点采集指标数据X1，X2，……Xn(3.1.2)基于遥测技术采集时间状态序列数据集S一段时间内的网络可靠性评估模型参数X1，X2，……Xn，同时计算出当时的网络可靠性状态ft，因此得到时间状态序列数据集S:S＝[st,st+1......st+n]其中st＝[ft,Xt],ft代表t时间点的网络可靠性状态，xt代表t时间点采集指标数据X1，X2，……Xn(3.1.3)将用于时间状态序列数据集S转化成监督学习数据集W＝[wt,wt+1.....w.t+n]，其中wt＝[ft,xt,ft+1,xt+1.....f.t+i-1,xt+i-1,ft+i]；i代表一段时间的数据量(3.1.4)分割监督学习数据集W前四分之三为训练数据Wtrain，后四分之一测试数据Wtest(3.1.5)分离训练数据，得到训练数据的输入量Wtrain_x和输出量Wtrain_y，同理，可以得到测试数据的输入量Wtest_x和输出量Wtest_y进一步地，所述步骤(3.2)包括以下子步骤：(3.2.1)基于LSTM算法的网络可靠性预测模型设计为三层:输入层，隐藏层，输出层；所述输入层实现激活信号；所述隐藏层实现特征提取；所述输出层根据隐藏层提取的不同权重加上自身的偏置输出结果。并设置每一层的参数，即神经元的个数。(3.2.2)选择交叉熵作为损失函数：评估网络可靠性状态预测模型的效果，通过最小化损失函数，使网络可靠性状态预测模型达到收敛状态，对应的模型参数即为最优参数，减少模型预测值的误差；(3.2.3)选择Adam算法作为梯度下降优化器；用梯度下降优化器对步骤(3.2.2)中损失函数求极值。进一步地，所述步骤(3.4)包括以下子步骤：(3.4.1)利用步骤(3.3)得到的LSTM可靠性状态预测模型，对测试集Wtest_x进行预测得到预测的输出量Wtest-predict_y；(3.4.2)通过计算交叉熵损失函数，得到测试集输出量实际值与预测输出量实际值的差异，作为LSTM网络可靠性状态的评估指标；(3.4.3)调整LSTM网络可靠性状态预测模型中的神经元数量参数，并重复步骤(3.3)、步骤(3.4)，得到不同的LSTM网络可靠性状态预测模型的评估指标；(3.4.4)选择最好的评估指标，即损失函数最小的模型作为最终用于预测网络可靠性评估指标的模型。本专利技术的有益效果是：本专利技术设计了带内网络遥测数据包的报文格式，基于带内网络遥测技术进行数据平面节点信息的采集，数据包路径中最后一个节点通过主动推送的方式上送到控制器的智能分析器，从而控制器可以实时的掌握数据平面的网络状态，减小了网络状态上报的延迟，减小数据采集的误差，提高了采集信息的实时性，提高网络可靠性检测的准确性；本专利技术通过网络遥测得到节点的端口信息，结合提出的基于贝叶斯网络的可靠性评估模型，利用最大后验估计得到当前网本文档来自技高网...

【技术保护点】
1.一种基于带内网络遥测技术的网络可靠性评估方法，其特征在于，包括以下步骤：/n步骤(1)：设计了带内网络遥测数据报文格式，数据平面基于带内网络遥测技术采集传输路径上每个节点的遥测信息；/n步骤(2)：建立网络可靠性评价模型，即贝叶斯网络模型；所述贝叶斯网络模型输入步骤(1)得到的端口信息，计算得到网络性能可靠度；/n步骤(3)：建立基于LSTM算法的网络可靠性状态预测模型，利用历史数据不断训练该基于LSTM算法的网络可靠性状态预测模型，预测未来一段时间的网络性能可靠性状态。/n

【技术特征摘要】
1.一种基于带内网络遥测技术的网络可靠性评估方法，其特征在于，包括以下步骤：
步骤(1)：设计了带内网络遥测数据报文格式，数据平面基于带内网络遥测技术采集传输路径上每个节点的遥测信息；
步骤(2)：建立网络可靠性评价模型，即贝叶斯网络模型；所述贝叶斯网络模型输入步骤(1)得到的端口信息，计算得到网络性能可靠度；
步骤(3)：建立基于LSTM算法的网络可靠性状态预测模型，利用历史数据不断训练该基于LSTM算法的网络可靠性状态预测模型，预测未来一段时间的网络性能可靠性状态。


2.根据权利要求1所述的基于带内网络遥测技术的网络可靠性评估方法，其特征在于，所述步骤(1)包括以下子步骤：
(1.1)设计了带内网络遥测数据报文格式，通过带内网络遥测技术采集每个节点的信息；
(1.2)在路径最后一个节点，将遥测数据包通过UDP协议封装，发送到SDN控制器的智能分析器；
(1.3)智能分析器通过解封装INT报文得到每个节点的端口信息，包括端口的延迟、丢包、拥塞度和利用。


3.根据权利要求1所述的基于带内网络遥测技术的网络可靠性评估方法，其特征在于，所述步骤(2)包括以下子步骤：
(2.1)建立贝叶斯网络模型；
(2.2)利用贝叶斯网络模型进行网络可靠性计算，得到网络可靠性状态：


4.根据权利要求3所述的基于带内网络遥测技术的网络可靠性评估方法，其特征在于，所述步骤(2.2)具体为：
设置P表示各个节点发生的概率，则P(X1)表示是事件X1当前网络状态下发生的概率。设θ表示随机变量网络性能可靠性，计算依据条件概率公式可得



其中P(θ|X)表示在X条件下，网络可靠性状态的概率。转换成贝叶斯估计的数据描述为：



π(θ|x)为参数θ的后验分布，后验分布为一个条件分布，θ为待估的分布参数。f(x|θ)为随机变量E的概率密度函数，π(θ)为参数θ的先验分布。m(x)为参数θ的边缘分布。贝叶斯估计表示，在已知θ服从π(θ)的先验分布前提下，根据采集的样本信息去校验先验分布，得到后验分布π(θ|x)。
采用极大似然估计的思想，利用最大后验估计求解θ。



求得分布概率最大情况下θ的合理值，即网络可靠性状态。θ值越大代表网络可靠性越高。


5.根据权利要求1所述的基于带内网络遥测技术的网络可靠性评估方法，其特征在于，所述步骤(3)包括以下子步骤：
(3.1)采集基于LSTM算法的网络可靠性状态预测模型的训练数据
(3.2)建立基于LSTM算法的网络可靠性状态预测模型：
(3.3)基于步骤(3.2)建立的基于LSTM算法的网络可靠性状态预测模型，利用训练集的输入量Wtrain_x与输出量Wtrain_y对LSTM网络可靠性状态预测模型进行训练。
(3.4)评估LSTM网络可靠性状态预测模型


6.根据...

【专利技术属性】
技术研发人员：王鹏，吴春明，张栋，周鹏，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33