网络流量特征提取方法、装置、设备及存储介质制造方法及图纸

本公开提供了一种网络流量特征提取方法、装置、设备及存储介质，涉及通信技术领域。该方法包括：基于网络拓扑，构建图神经网络，图神经网络的拓扑与网络拓扑对应；基于网络设备在网络拓扑中的位置，将网络设备的流量值输入到图神经网络的输入层节点，得到网络流量的特征信息。息。息。

【技术实现步骤摘要】
网络流量特征提取方法、装置、设备及存储介质


[0001]本公开涉及通信
，尤其涉及一种网络流量特征提取方法、装置、设备及存储介质。

技术介绍

[0002]为了获得低维度的流量表示，即网络流量特征，目前一般使用矩阵分析的手段如PCA(Principle Component Analysis，主成分分析)或SVD(Singular Value Decomposition,奇异值分解)技术。该技术将网络设备的流量做简单拼接，如2000个链路，按照链路编号拼接成2000维度的数据，然后输入算法获得100维度的输出。
[0003]在通信网络中，链路和转发节点(网络设备)构成了拓扑关系，但是，PCA或SVD均无法有效处理这种拓扑关系。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本公开提供一种网络流量特征提取方法、装置、设备及存储介质，至少在一定程度上解决相关技术中无法有效处理链路和转发节点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络流量特征提取方法，其特征在于，所述方法包括：基于网络拓扑，构建图神经网络，所述图神经网络的拓扑与所述网络拓扑对应；基于网络设备在所述网络拓扑中的位置，将所述网络设备的流量值输入到图神经网络的输入层节点，得到所述网络流量的特征信息。2.根据权利要求1所述的方法，其特征在于，所述网络流量的特征信息为，所述图神经网络基于所述节点输入的流量、所述节点的邻居节点输入的流量、所述节点与所述邻居节点之间的权重值计算得到的。3.根据权利要求2所述的方法，其特征在于，所述基于网络设备在所述网络拓扑中的位置，将所述网络设备的流量值输入到图神经网络的输入层节点之前，所述方法还包括：计算所述网络设备的流量值，所述网络设备的流量值为输入到所述网络设备的所有流量的和，或自所述网络设备输出的所有流量的和。4.根据权利要求2所述的方法，其特征在于，所述节点与所述邻居节点之间的权重值，是在所述图神经网络训练过程中确定的。5.根据权利要求1所述的方法，其特征在于，所述图神经网络包括输入层、中间层和输出层；所述网络拓扑与所述输入层的拓扑对应，所述输入层的结构与所述中间层对应，所述输入层节点的输出为与其对应的中间层节点的输入；所述输出层的每个神经元与所述中间层的节点连接，所述输出层的神经元用于输出...

【专利技术属性】
技术研发人员：丁圣勇，樊勇兵，黄志兰，陈天，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：