有监督的服务质量改变推导制造技术

本公开的实施例涉及有监督的服务质量改变推导。提供了用于使用经训练的机器学习(ML)模型来监测业务流的系统和方法。例如，为了维持网络中的设备的稳定连接水平和网络体验，ML模型可以监测每个设备的数据流，并基于其行为和属性来标记每个数据流。系统可以基于所标记的数据流来采取各种动作，包括生成警报、自动改变网络设置或以其他方式调整来自设备的数据流。据流。据流。

【技术实现步骤摘要】
有监督的服务质量改变推导

技术介绍

[0001]创建和消耗的数据量越来越快。特别地，从2010年到2020年，每年的数据创建量从1.2泽字节(万亿千兆字节)增加到估计60泽字节。预期数据将以越来越快的速度迅速繁殖，部分地由于远程工作和远程应用的兴起。到2025年，预计将创建估计180泽字节的数据。数据的蓬勃发展已经成为催化剂，导致提高通信网络上的性能、容量和可靠性的紧迫性增加，但是创建该性能提高的方法很难在多个通信网络上实现。
附图说明
[0002]根据一个或多个不同的示例，参考以下附图详细描述了本公开。提供附图仅用于说明目的并且仅描绘了典型或示例。
[0003]图1是根据本公开中描述的示例的使用经训练的机器学习(ML)模型监测数据流的计算系统的示例性图示。
[0004]图2图示了根据本公开中描述的示例的用于确定一个或多个数据流行为的网络设备、计算组件和/或组合的计算组件。
[0005]图3是根据本公开中描述的示例对数据流进行比较的说明性数据集合。
[0006]图4图示了根据本公开中描述的示例，当所标记的数据流与存储标签不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机实现的方法，包括：在通信网络中的交换机处接收来自所述通信网络中的设备的数据流，其中所述数据流包括一个或多个行为和标识信息；基于所述数据流的所述一个或多个行为来确定所述数据流的服务质量QoS值，其中所述数据流的所述QoS值由经训练的机器学习ML模型确定；根据所述数据流的所确定的所述QoS值标记所述数据流；将所标记的所述数据流与对应于所述数据流的所述标识信息的存储标签进行比较，其中所述存储标签被存储在数据库中；确定所标记的所述数据流是否与所述存储标签匹配；响应于所标记的所述数据流与所述存储标签不匹配，生成警报；以及将所标记的所述数据流存储在所述数据库中。2.根据权利要求1所述的计算机实现的方法，还包括：响应于从所述设备接收到所述数据流，确定所述数据流的子集的QoS值，其中所述数据流包括多个子集；根据所述子集的所确定的所述QoS值标记所述数据流的所述子集；将所述数据流的所标记的所述子集与对应于所述数据流的所述标识信息的所述存储标签进行比较；确定所标记的所述子集是否与所述存储标签匹配；以及将所标记的所述子集存储在所述数据库中。3.根据权利要求2所述的计算机实现的方法，还包括：确定包括所述数据流的子集总数；以及确定与所述存储标签不匹配的所标记的子集的量。4.根据权利要求3所述的计算机实现的方法，还包括：在所述数据流的所述子集总数之中确定不同的所标记的子集的列表。5.根据权利要求1所述的计算机实现的方法，还包括：确定通过一段时间接收到的数据流总数，其中每个数据流包括相同标识信息；以及确定与对应于所述相同标识信息的所述存储标签不匹配的所标记的数据流的量。6.根据权利要求5所述的计算机实现的方法，还包括：在所述一段时间中接收到的所述数据流总数之中，确定不同的所标记的数据流的列表。7.根据权利要求1所述的计算机实现的方法，其中生成所述警报还包括：生成针对所述存储标签的通知，其中所述通知对应于所述数据流的所述标识信息和所标记的所述数据流；以及利用所述通知来更新所述警报。8.根据权利要求1所述的计算机实现的方法，其中生成所述警报还包括：响应于不匹配的或错误标记的数据流来发起自动化过程以改变网络设置。9.一种系统，包括：存储器；以及一个或多个处理器，被配置为执行被存储在所述存储器中的机器可读指令以用于执行
方法，所述方法包括：从第二网络设备接收数据流，其中所述数据流包括一个或多个行为和标识信息；基于所述数据流的所述一个或多个行为来确定所述数据流的服务质量QoS值，其中所述数据流的所述QoS值由经训练的机器学习ML模型确定；根据所述数据流的所确定的所述QoS值标记所述数据流；将所标记的所述数据流与对应于所述数据流的所述标识信息的存储标签进行比较，其中所述存储标签被存储在数据库中；确定所标记的所述数据流是否与所述存储标签匹配；以及响应于所标记的所述数据流与所述存储标签不匹配，发起用于改变网络设置的自动化过程。10.根据权利要求9所述的系统，所述一个或多个处理器还被配置为：确定所述数据流的子集的QoS值，其中所述...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：慧与发展有限责任合伙企业，
类型：发明
国别省市：