一种基于决策树模型的MPTCP连接路径选择方法技术

本发明专利技术实施例提供了一种用于确定MPTCP连接中优选路径的决策树模型生成方法，包括：获取由多个训练样本构成的训练集，每个训练样本包括网络参数特征和标签，其中，所述网络参数特征包括基于多路径传输控制协议建立的MPTCP连接中至少两条网络路径对应的MAC层网络参数和传输层网络参数，标签指示对应网络参数特征下至少两条网络路径中的优选路径；基于所述训练集利用预定的决策树学习规则生成决策树模型，以使所述决策树模型根据输入的网络参数特征进行决策，以输出MPTCP连接对应的至少两条网络路径中优选路径的结果；本发明专利技术可以降低预测滞后，提高预测的优选路径的结果的准确性。提高预测的优选路径的结果的准确性。提高预测的优选路径的结果的准确性。

【技术实现步骤摘要】
一种基于决策树模型的MPTCP连接路径选择方法


[0001]本专利技术涉及无线通信领域，具体来说涉及数据传输
，更具体地说，涉及一种基于决策树模型的MPTCP连接路径选择方法。

技术介绍

[0002]无线网络的快速发展极大地改变了人类的生产和生活。下一代移动网络预计将出现大量的垂直领域的用例，如：大规模物联网(IoT)、远程机械、自动驾驶和虚拟现实(VR)。然而，由于受到环境的限制，无线网络比有线传输更加多变和不稳定。特别是在极端的情况下，一个依赖于单路径接口的移动应用程序会遭受很大的性能下降。因此，一些研究者设计出多路径方案(如：MultiPath Transmission Control Protocol，多路径传输控制协议，简称MPTCP)，试图通过集成多种无线接入技术来弥补这种性能差距。
[0003]考虑到低速移动的情况，一个好的MPTCP路径选择器应该主动探测无线环境，并动态地返回质量最优的网络路径来传输应用层传入的数据包。由于移动设备可能在短时间内跨越多个网络覆盖区域，这将导致频繁的网络质量切换。通过选择合适的网络路径，MPTCP的发送缓冲区可以显著减少质量较差子流的传输中的(In
‑
flight)数据包队列，从而提高MPTCP连接的整体性能。通常，MPTCP路径选择器仅根据传输层(TCP层)中的网络参数确定各个网络路径的优先级；比如，通过拥塞窗口值或者最小往返时延(MinRTT)来判断网络路径的优先级。但是，根据传输层的网络参数来预测网络路径质量并切换网络路径往往存在较大的切换延迟，容易因网络路径质量预测滞后而造成数据传输拥塞，影响数据传输效率。

技术实现思路

[0004]因此，本专利技术的目的在于克服上述现有技术的缺陷，提供一种基于决策树模型的MPTCP连接路径选择方法。
[0005]本专利技术的目的是通过以下技术方案实现的：
[0006]根据本专利技术的第一方面，提供一种用于确定MPTCP连接中优选路径的决策树模型生成方法，包括：获取由多个训练样本构成的训练集，每个训练样本包括网络参数特征和标签，其中，所述网络参数特征包括基于多路径传输控制协议建立的MPTCP连接中至少两条网络路径对应的MAC层网络参数和传输层网络参数，标签指示对应网络参数特征下至少两条网络路径中的优选路径；基于所述训练集利用预定的决策树学习规则生成决策树模型，以使所述决策树模型根据输入的网络参数特征进行决策，以输出MPTCP连接对应的至少两条网络路径中优选路径的结果。
[0007]在本专利技术的一些实施例中，所述MAC层网络参数包括MPTCP连接对应的至少两条网络路径中每条路径的信号强度以及信噪比。
[0008]在本专利技术的一些实施例中，所述至少两条网络路径包括移动网络路径和WiFi路径，其中，所述MAC层网络参数还包括：移动网络路径的参考信号接收功率以及参考信号接收质量，以及WiFi路径的发送数据速率和接收数据速率。
[0009]在本专利技术的一些实施例中，所述传输层网络参数包括：MPTCP连接对应的至少两条网络路径中每条路径的往返时延、拥塞窗口值、数据包交付率和数据包丢失率或者其组合。
[0010]在本专利技术的一些实施例中，所述方法包括：在建立MPTCP连接的两个设备进行通信时收集发送数据所采用的网络路径以及对应的网络参数特征，形成初始采集数据；当出现两条初始采集数据的网络参数特征中相对应的每个参数的偏差均小于等于预设阈值且采用不同的网络路径时，根据两条初始采集数据对应的网络路径的数据传输质量确定优选路径；依据所确定的优选路径为所述两个初始采集数据添加标签形成样本，将样本存入数据集，其中，所述训练集为数据集的子集。
[0011]在本专利技术的一些实施例中，数据传输质量包括发送数据的应用程序的有效吞吐率和/或应用程序延迟。
[0012]根据本专利技术的第二方面，提供一种基于决策树模型的MPTCP连接路径选择方法，用于实现在第一设备和第二设备之间的MPTCP连接中选择发送数据的路径，所述方法包括：获取在第一设备和第二设备之间基于多路径传输控制协议建立MPTCP连接对应的网络参数特征作为待预测特征，其中所述MPTCP连接包括至少两条网络路径；将所述待预测特征输入部署在第一设备中的根据第一方面的用于确定MPTCP连接中优选路径的决策树模型生成方法得到的决策树模型，输出优选路径的结果；根据优选路径的结果确定至少两条网络路径中各路径的优先级，在第一设备向第二设备发送数据时根据所述各路径的优先级确定发送的路径。
[0013]在本专利技术的一些实施例中，所述用于确定MPTCP连接中优选路径的决策树模型生成方法，还包括：在第一设备和第二设备之间建立MPTCP连接进行通信时收集第一设备发送数据所采用的网络路径以及对应的网络参数特征，形成运行采集数据；当出现两条运行采集数据的网络参数特征中相对应的每个参数的偏差均小于等于预设阈值且采用不同的网络路径时，根据两条运行采集数据对应的网络路径的数据传输质量确定优选路径；依据所确定的优选路径为所述两个运行采集数据添加标签形成新增的样本并存入数据集，得到更新的数据集；从更新的数据集中获取训练集来重新生成决策树模型，并利用重新生成的决策树模型更新部署在第一设备上的决策树模型。
[0014]根据本专利技术的第三方面，提供一种电子设备，包括：一个或多个处理器；以及存储器，其中存储器用于存储可执行指令；所述一个或多个处理器被配置为经由执行所述可执行指令以实现第一方面和/或第二方面所述方法的步骤。
[0015]与现有技术相比，本专利技术的优点在于：
[0016]本专利技术对现有技术进行改进，通过引入MAC层网络参数，结合跨层的网络参数(MAC层网络参数以及传输层网络参数)，训练决策树模型来作出更好的优选路径决策。其中，利用网络传输的跨层参数(即MAC层以及传输层的参数)，及时感知到无线链路的质量变化，并对路径选择策略进行更新，避免数据包在网络传输中阻塞，从而提高MPTCP的传输性能；另外，网络参数特征中各参数之间可能存在相互依赖关系，网络参数特征中各个参数与标签之间也可能存在线性或者非线性的关系，而决策树模型不需要对特征之间的独立性进行假设，所以本专利技术选择决策树模型来预测优选路径，以避免不同的参数之间存在线性与非线性的耦合关系对预测精度的影响，提高预测的优选路径的结果的准确性。通过这两点的改进，可以降低预测滞后，提高预测精度。
附图说明
[0017]以下参照附图对本专利技术实施例作进一步说明，其中：
[0018]图1为根据本专利技术实施例的用于说明基于传输层的最小往返时延预测网络路径质量并切换网络路径的滞后性的示意图；
[0019]图2为根据本专利技术实施例的应用场景的示意图；
[0020]图3为根据本专利技术实施例的基于决策树模型的MPTCP连接路径选择方法的流程示意图；
[0021]图4为根据本专利技术实施例的基于决策树模型的MPTCP连接路径选择方法的模块示意图。
具体实施方式
[0022]为了使本专利技术的目的，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于确定MPTCP连接中优选路径的决策树模型生成方法，其特征在于，包括：获取由多个训练样本构成的训练集，每个训练样本包括网络参数特征和标签，其中，所述网络参数特征包括基于多路径传输控制协议建立的MPTCP连接中至少两条网络路径对应的MAC层网络参数和传输层网络参数，标签指示对应网络参数特征下至少两条网络路径中的优选路径；基于所述训练集利用预定的决策树学习规则生成决策树模型，以使所述决策树模型根据输入的网络参数特征进行决策，以输出MPTCP连接对应的至少两条网络路径中优选路径的结果。2.根据权利要求1所述的方法，其特征在于，所述MAC层网络参数包括MPTCP连接对应的至少两条网络路径中每条路径的信号强度以及信噪比。3.根据权利要求2所述的方法，其特征在于，所述至少两条网络路径包括移动网络路径和WiFi路径，其中，所述MAC层网络参数还包括：移动网络路径的参考信号接收功率以及参考信号接收质量，以及WiFi路径的发送数据速率和接收数据速率。4.根据权利要求3所述的方法，其特征在于，所述传输层网络参数包括：MPTCP连接对应的至少两条网络路径中每条路径的往返时延、拥塞窗口值、数据包交付率和数据包丢失率或者其组合。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述方法包括：在建立MPTCP连接的两个设备进行通信时收集发送数据所采用的网络路径以及对应的网络参数特征，形成初始采集数据；当出现两条初始采集数据的网络参数特征中相对应的每个参数的偏差均小于等于预设阈值且采用不同的网络路径时，根据两条初始采集数据对应的网络路径的数据传输质量确定优选路径；依据所确定的优选路径为所述两个初始采集数据添加标签形成样本，将样本存入数据集，其中，所述训练集为数据集的子集。6.根据权利要求5所述的方法，其特征在于，数据传输质量包括发送数据的应用程序的有...

【专利技术属性】
技术研发人员：廖彬彬，王德志，张广兴，刁祖龙，李振宇，米浩东，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：