网络流量控制方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术实施例涉及网络优化技术领域，公开了一种网络流量控制方法，该方法包括：获取话单信息，根据话单信息确定流量数据；根据流量数据的类型确定流量数据对应的流量阈值；当流量数据中的流量值超过流量阈值时，确定流量数据为超基准流量数据；将超基准流量数据的特征指标数据输入流量数据对应的决策树模型，得到目标流控决策结果，当目标流控决策结果为进行流控时，分别获取超基准流量数据对应的目标链路组的流控阈值及目标链路组中各个链路的分流量信息；将所述流控策略发送给所述目标链路组，以对所述各个链路进行流控发送。通过上述方式，本发明专利技术实施例提高了网络流量控制的精准度和效率。度和效率。度和效率。

【技术实现步骤摘要】
网络流量控制方法、装置、设备及计算机可读存储介质


[0001]本专利技术实施例涉及网络通信
，具体涉及一种网络流量控制方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]随着移动互联网的高速发展和普及，出现了具有短时间激增、流量值占比巨大等特征的不合理流量，而不合理流量容易导致网络带宽持续消耗、利润增长与互联网流量增长不匹配等问题。因此，为了实现互联网的良性长久发展，运营商需要对网络流量进行有效的监管和控制，对于不合理流量进行网络流量控制。
[0003]目前在进行网络流量控制时一般是基于流量的业务类型流量占比来定位异常流量或者基于流量的流向流量占比定位异常流量。现有的问题在于：现有技术的方案中流控策略的流控阈值是人工凭借经验制定的，这种人工处理方式的效率和精准度都较低，不能达到实时监控网络质量和实时及时发送流控策略的目的。
[0004]这样就进一步造成了在网络流量复杂多变的情况下，不能及时发现异常并阻断异常流量，由此对互联网安全和稳定造成了较大的影响。

技术实现思路

[0005]鉴于上述问题，本专利技术实施例提供了一种网络流量控制方法，用于解决现有技术中存在的网络流量控制精准度不高、效果不好的问题。
[0006]根据本专利技术实施例的一个方面，提供了一种网络流量控制方法，所述方法包括：
[0007]获取话单信息，根据所述话单信息确定流量数据；
[0008]根据所述流量数据的类型确定所述流量数据对应的流量阈值；
[0009]当所述流量数据中的流量值超过所述流量阈值时，确定所述流量数据为超基准流量数据，一个所述超基准流量数据中包括多个特征指标数据；
[0010]将所述超基准流量数据的特征指标数据输入所述流量数据对应的决策树模型，得到所述决策树模型输出的目标流控决策结果，所述决策树模型根据决策树模型训练样本训练得到，所述训练样本包括历史超基准流量数据和历史流控决策结果；
[0011]当所述目标流控决策结果为进行流控时，分别获取所述超基准流量数据对应的目标链路组的流控阈值及所述目标链路组中各个链路的分流量信息；
[0012]根据所述流控阈值、所述分流量信息分别确定所述目标链路组中的各个链路对应的流控策略；
[0013]发送将所述流控策略发送给所述目标链路组，以对所述各个链路进行流控。
[0014]在一种可选的方式中，所述方法还包括：
[0015]确定所述历史超基准流量数据的历史特征指标数据；
[0016]根据所述历史特征指标数据和所述历史流控决策结果确定各个所述历史特征指标数据的信息增益；
[0017]根据所述各个历史特征指标数据的信息增益构建所述流量数据对应的决策树模型。
[0018]在一种可选的方式中，所述方法还包括：
[0019]确定各个特征指标对应的历史特征指标数据，将所述历史特征指标数据中包含的历史特征指标值排序，得到所述历史特征指标数据对应的历史特征指标值序列；
[0020]分别将所述历史特征指标值序列中每两个相邻的历史特征指标值的平均值作为分类阈值，得到多个分类阈值；
[0021]分别根据每一个所述分类阈值将所述历史特征指标值序列划分为第一子序列和第二子序列；
[0022]确定所述第一子序列对应的第一历史流控决策结果及所述第二子序列对应的第二历史流控决策结果；
[0023]根据所述第一历史流控决策结果及所述第二历史流控决策结果分别确定每一个所述分类阈值对应的历史特征指标值的信息熵；
[0024]分别确定各个分类阈值对应的信息熵中最大的信息熵为所述特征指标对应的信息熵；
[0025]根据各个特征指标的信息熵分别计算每个特征指标的信息增益。
[0026]在一种可选的方式中，所述方法还包括：
[0027]将所述各个特征指标按信息增益的降序进行排列，得到特征指标序列；
[0028]将所述特征指标序列的首个特征指标作为所述决策树模型的根节点，依次将所述特征指标序列的剩余各个特征指标作为所述决策树模型的每一层的分节点，构造所述超基准指标对应的决策树模型，其中，所述决策树模型中的每一个节点对应的决策阈值为该节点对应的特征指标的信息熵。
[0029]在一种可选的方式中，所述方法还包括：
[0030]确定所述目标链路组在上一统计周期内在所述超基准流量数据对应的流量数据的类型下的流量值作为历史流量值；
[0031]根据所述历史流量值和所述超基准流量数据确定超标流量比；
[0032]根据所述超标流量比确定所述流控阈值。
[0033]在一种可选的方式中，所述方法还包括：
[0034]获取所述目标链路组的当前流量值，根据所述流控阈值和所述当前流量值确定所述目标链路组的目标总流量；
[0035]根据所述各个链路的流量值和流量占比确定所述各个链路的流量分配权重；
[0036]根据所述流控阈值、所述流量分配权重和所述目标总流量分别确定所述各个链路对应的流控策略。
[0037]在一种可选的方式中，所述方法还包括：
[0038]每隔预设时长获取所述目标链路组的流量数据；
[0039]根据所述目标链路组的流量数据对所述流控策略进行更新。
[0040]根据本专利技术实施例的另一方面，提供了一种网络流量控制装置，包括：
[0041]话单获取模块，用于获取话单信息，根据所述话单信息确定流量数据；
[0042]阈值确定模块，用于根据所述流量数据的类型确定所述流量数据对应的流量阈
值；
[0043]指标确定模块，用于当所述流量数据中的流量值超过所述流量阈值时，确定所述流量数据为超基准流量数据，一个所述超基准流量数据中包括多个特征指标数据；
[0044]决策获取模块，用于将所述超基准流量数据的特征指标数据输入所述流量数据对应的决策树模型，得到所述决策树模型输出的目标流控决策结果，所述决策树模型根据决策树模型训练样本训练得到，所述训练样本包括历史超基准流量数据和历史流控决策结果；
[0045]流控信息获取模块，用于当所述目标流控决策结果为进行流控时，分别获取所述超基准流量数据对应的目标链路组的流控阈值及所述目标链路组中各个链路的分流量信息；
[0046]策略确定模块，用于根据所述流控阈值、所述分流量信息分别确定所述目标链路组中的各个链路对应的流控策略；
[0047]策略发送模块，用于发送将所述流控策略发送给所述目标链路组，以对所述各个链路进行流控。
[0048]根据本专利技术实施例的另一方面，提供了一种网络流量控制设备，包括：
[0049]处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
[0050]所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述网络流量控制方法的操作。
[0051]根据本专利技术实施例的又一方面，提供了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络流量控制方法，其特征在于，所述方法包括：获取话单信息，根据所述话单信息确定流量数据；根据所述流量数据的类型确定所述流量数据对应的流量阈值；当所述流量数据中的流量值超过所述流量阈值时，确定所述流量数据为超基准流量数据，一个所述超基准流量数据中包括多个特征指标数据；将所述超基准流量数据的特征指标数据输入所述流量数据对应的决策树模型，得到所述决策树模型输出的目标流控决策结果，所述决策树模型根据决策树模型训练样本训练得到，所述训练样本包括历史超基准流量数据和历史流控决策结果；当所述目标流控决策结果为进行流控时，分别获取所述超基准流量数据对应的目标链路组的流控阈值及所述目标链路组中各个链路的分流量信息；根据所述流控阈值、所述分流量信息分别确定所述目标链路组中的各个链路对应的流控策略；将所述流控策略发送给所述目标链路组，以对所述各个链路进行流控。2.根据权利要求1所述的方法，其特征在于，在将所述超基准流量数据的特征指标数据输入所述流量数据对应的决策树模型之前，进一步包括：确定所述历史超基准流量数据的历史特征指标数据；根据所述历史特征指标数据和所述历史流控决策结果确定各个所述历史特征指标数据的信息增益；根据所述各个历史特征指标数据的信息增益构建所述流量数据对应的决策树模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述历史特征指标数据和所述历史流控决策结果确定各个所述历史特征指标数据的信息增益，进一步包括：确定各个特征指标对应的历史特征指标数据，将所述历史特征指标数据中包含的历史特征指标值排序，得到所述历史特征指标数据对应的历史特征指标值序列；分别将所述历史特征指标值序列中每两个相邻的历史特征指标值的平均值作为分类阈值，得到多个分类阈值；分别根据每一个所述分类阈值将所述历史特征指标值序列划分为第一子序列和第二子序列；确定所述第一子序列对应的第一历史流控决策结果及所述第二子序列对应的第二历史流控决策结果；根据所述第一历史流控决策结果及所述第二历史流控决策结果分别确定每一个所述分类阈值对应的历史特征指标值的信息熵；分别确定各个分类阈值对应的信息熵中最大的信息熵为所述特征指标对应的信息熵；根据各个特征指标对应的信息熵分别计算每个特征指标对应的信息增益。4.根据权利要求2所述的方法，其特征在于，所述根据所述各个历史特征指标数据的信息增益构建所述流量数据对应的决策树模型，进一步包括：将所述各个特征指标按信息增益的降序进行排列，得到特征指标序列；将所述特征指标序列的首个特征指标作为所述决策树模型的根节点，依次将所述特征指标序列的剩余各个特征指标作为所述决策树模型的每一层的分节点，构造所述超基准指标对应的决策树模型，其中，所述决策树模型中每一个节点对应的决策阈值为该节点对应
的特征指标对应的信息熵。5.根据权利要求1所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：唐蓉，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：