一种多SDN控制器协同训练方法技术

本发明专利技术公开一种多SDN控制器协同训练方法，包括以下步骤：步骤一，发送模型优化请求；步骤二，发送联邦学习通知；步骤三，边缘SDN控制器信息上传；步骤四，分发初始模型及达标参数；步骤五，边缘SDN控制器进行模型训练；步骤六，边缘SDN控制器进行模型上传；步骤七，中心SDN控制器进行动态调整模型聚合权重，完成全局模型聚合并计算准确度等级；步骤八，若全局模型达到准确度等级要求则向网络编排器返回优化结果，否则开始下一轮联邦学习训练。本发明专利技术通过对边缘节点与中心控制器的协同控制，有效提升了中心节点网络拓扑模型的准确性，进而提高路径选择及流量负载均值的合理性。提高路径选择及流量负载均值的合理性。提高路径选择及流量负载均值的合理性。

【技术实现步骤摘要】
一种多SDN控制器协同训练方法


[0001]本专利技术属于移动通信网络
，具体涉及了一种多SDN控制器协同训练方法。

技术介绍

[0002]在云网融合场景下，SDN主控制器既要管理控制各网络节点设备，又要对云管理平台中的虚拟机网络进行管理。在多个SDN控制器进行联邦学习的场景下，某些节点SDN控制器可能在指定的训练时间内无法达到准确度要求，或因本地数据集较少，产生过拟合现象。以上几种情况都会导致中心SDN控制器所聚合的全局模型无法达到较高的准确性，从而影响系统总体性能。
[0003]现有方法1：传统联邦学习算法，如FedAvg、FedProx等，中心SDN控制器在每轮训练中聚合所有参与节点上传的模型。
[0004]现有方法2：通过中心SDN控制器的本地数据对各节点上传的模型进行评估，根据评估结果动态调整聚合权重。
[0005]但是上述方法，现有方法1无疑会很大程度降低全局模型的准确性；现有方法2则无法应用于当中心SDN控制器中不具备全局数据的场景。

技术实现思路

[0006]本专利技术的目的在于提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多SDN控制器协同训练方法，其特征在于包括以下步骤：步骤一，网络编排器向中心SDN控制器发送模型优化请求，包括分析性能指标和准确度等级要求参数；步骤二，中心SDN控制器向边缘SDN控制器发送联邦学习通知；步骤三，边缘SDN控制器向中心SDN控制器发送相关信息；步骤四，中心SDN控制器选择参与该轮训练的边缘SDN控制器并分发初始模型及达标参数；步骤五，参与该轮训练的边缘SDN控制器将本地数据集分为训练集和测试集，使用训练集进行本地训练，并使用测试集计算性能等级和准确率；步骤六，在规定的训练时间内准确度等级达到要求的边缘SDN控制器进行模型上传，包括更新后的模型参数、性能等级和准确率；步骤七，中心SDN控制器根据步骤六中符合要求的边缘SDN控制器上传的模型参数、性能等级、准确率动态调整模型聚合权重，完成全局模型聚合并计算准确度等级；步骤八，若全...

【专利技术属性】
技术研发人员：覃信超，王炜，黎宇森，
申请(专利权)人：广西壮族自治区公众信息产业有限公司，
类型：发明
国别省市：