【技术实现步骤摘要】
本专利技术属于网络，具体涉及一种面向异构网络的服务质量保障方法。
技术介绍
1、在当今数字化时代，通信网络已成为现代社会的重要基础设施。随着互联网的普及和应用需求的不断增长，人们对网络服务质量的要求也日益提高。然而，由于异构网络的存在，包括不同的协议、技术和设备，网络服务质量的保障变得更加复杂和困难。
2、首先，流量识别和分类是网络服务质量保障的关键步骤。在异构网络中，不同协议和设备承载的流量具有不同的特征和行为以及服务质量需求，同时还存在加密业务流以及无标识业务流，需要进行准确的识别和分类才能够针对不同数据流进行差分服务。然而，由于异构网络的复杂性，传统的流量识别和分类方法往往无法适应各种异构环境以及加密流量；同时，异构协议和异构设备之间服务质量保障措施的一致性也是一个重要问题；不同的协议和设备可能具有不同的服务质量机制和策略，导致异构网络中的服务质量保障机制不一致，服务质量保障机制不能被完全执行，这会降低整个网络的性能和用户体验。现有的服务质量保障机制通常针对业务类型进行标识，对于加密流量则无法判断其业务类型从而无法进行标识；同时，传统基于机器学习的流量表征方法无法实现数据包层面的在线表征。
3、综上所述，亟需一种面向异构网络的服务质量保障方法，实现对服务质量需求的准确表征以及保障服务质量，从而提高网络的性能和用户体验。
技术实现思路
1、针对现有技术存在的不足，本专利技术提出了一种面向异构网络的服务质量保障方法，该方法包括：
2、s1：网关
3、s2：对不能解析的数据包进行特征融合处理，得到时空融合图；
4、s3：采用训练好的服务质量在线表征模型对时空融合图进行处理，得到多种目标服务类的概率；
5、s4：根据多种目标服务类的概率计算得到数据包的服务质量需求权值；
6、s5：根据可解析数据包的网络流量服务质量需求类型进行服务质量保障；将其他需求类型作为不可解析数据包的网络流量服务质量需求类型；根据其他需求类型和不可解析的数据包的服务质量需求权值进行服务质量保障。
7、优选的，对不能解析的数据包进行特征融合处理的过程包括：
8、当会话中的数据包到达网关时，提取数据包的字节并转换为16进制字符串，得到数据包的空间特征；
9、将数据包到达时间与会话中第一个数据包达到时间差值作为数据包的时间特征；
10、将空间特征作为rgb图像中数据包字节位置的第一通道的值，将时间特征作为rgb图像中数据包字节位置的第二通道的值，rgb图像中数据包字节位置的第三通道的值置0，生成空间融合图像；
11、每达到一个数据包更新一次空间融合图像；当数据包总字节为n2或无后续数据包则停止更新空间融合图像。
12、优选的，服务质量在线表征模型的训练过程包括：
13、将时空融合图输入到服务质量在线表征模型中进行初始训练，得到初始训练好的服务质量在线表征模型；
14、计算服务质量在线表征模型在新数据和旧数据上的预测准确率；
15、根据新、旧数据的预测准确率计算服务质量在线表征模型的综合准确率；
16、根据综合准确率，采用双选举一致性模型融合机制对所有网关的服务质量在线表征模型进行共识投票，选举出综合准确率最高的两个服务质量在线表征模型；
17、根据两个服务质量在线表征模型及其对应的综合准确率对所有网关的服务质量在线表征模型进行参数更新，每个网关得到训练好的服务质量在线表征模型。
18、进一步的，对所有网关的服务质量在线表征模型进行共识投票的过程包括：
19、每个网关将自身设置为候选人状态，每个网关向其他所有网关发送投票请求；
20、当网关收到其他网关的投票请求时，比较对方的选举权值与自身的选举权值；若对方的选举权值大于自身的选举权值，该网关将自身状态置为follower状态，并投出同意选票；若对方的选举权值小于自身的选举权值，该网关投出否定选票；
21、若网关收到任意一个否定选票，该网关将自身状态置为follower状态；经过两轮选举，选举出具有最大选举权值的两个网关。
22、进一步的，对服务质量在线表征模型进行参数更新的公式为：
23、
24、其中，δθ表示更新的服务质量在线表征模型的参数，pi表示第一个服务质量在线表征模型的综合准确率，pj表示第二个服务质量在线表征模型的综合准确率，δθi表示第一个服务质量在线表征模型的参数，δθj表示第二个服务质量在线表征模型的参数。
25、优选的，计算目标服务类的服务质量需求权值的公式为：
26、
27、其中，qf表示目标服务类的服务质量需求权值，μk表示第k种目标服务类的概率，σk表示第k种目标服务类下服务质量指标的标注值，n表示目标服务类的数量。
28、优选的，步骤s5中，根据可解析数据包的网络流量服务质量需求类型进行服务质量保障包括：可解析数据包的网络流量服务质量需求类型包括资源预留类、确定性网络类和差分服务类；
29、对于资源预留类：通过控制面带宽预留功能，利用带宽规划与限制为特定网络流进行资源预留从而满足网络流的资源预留需求；
30、对于确定性网络类：进行时敏qos路由，提供确定性服务质量保障；
31、对于差分服务类：根据优先级查询优先级映射表并进行优先级映射，提供差分服务质量保障。
32、优选的，步骤s5中，根据其他需求类型和不可解析的数据包的服务质量需求权值进行服务质量保障包括：
33、控制器获取网络设备的服务质量指标；
34、根据服务质量指标和数据包的服务质量需求权值计算加权值；
35、根据加权值选择节点进行加权qos差分路由。
36、进一步的，计算加权值的公式为：
37、
38、其中，gz表示加权值，βj表示第j种服务质量指标的实际值，表示第j种服务质量指标的服务质量需求权值，m表示服务质量指标的数量。
39、本专利技术的有益效果为：
40、本专利技术充分考虑差异性服务质量需求的网络流量的特点，通过dpi技术与网络流时空特征融合学习相结合，实现加密与非加密流量的服务质量需求表征，能够对网络流量进行全方位的分析，提升服务质量需求表征的准确性和合理性；在表征出网络流量的服务质量需求后，通过优先级垂直映射和水平映射、资源预留、qos差分路由实现了服务质量策略的一体化决策与执行，可以针对不同网络流的服务质量需求合理分配网络资源，提高用户服务质量。这意味着更多的数据可以在异构网络中高效传输，提升整体网络的吞吐量和响应速度；同时，本专利技术支持异构网络中的不同协议和设备，使得网络可以适应不同技术和设备的变化，进行服务质量的一体化保障。本文档来自技高网...
【技术保护点】
1.一种面向异构网络的服务质量保障方法，其特征在于，包括：
2.根据权利要求1所述的一种面向异构网络的服务质量保障方法，其特征在于，对不能解析的数据包进行特征融合处理的过程包括：
3.根据权利要求1所述的一种面向异构网络的服务质量保障方法，其特征在于，服务质量在线表征模型的训练过程包括：
4.根据权利要求3所述的一种面向异构网络的服务质量保障方法，其特征在于，对所有网关的服务质量在线表征模型进行共识投票的过程包括：
5.根据权利要求3所述的一种面向异构网络的服务质量保障方法，其特征在于，对服务质量在线表征模型进行参数更新的公式为：
6.根据权利要求1所述的一种面向异构网络的服务质量保障方法，其特征在于，计算目标服务类的服务质量需求权值的公式为：
7.根据权利要求1所述的一种面向异构网络的服务质量保障方法，其特征在于，步骤S5中，根据可解析数据包的网络流量服务质量需求类型进行服务质量保障包括：可解析数据包的网络流量服务质量需求类型包括资源预留类、确定性网络类和差分服务类；
8.根据权利要求1所述的一
9.根据权利要求8所述的一种面向异构网络的服务质量保障方法，其特征在于，计算加权值的公式为：
...【技术特征摘要】
1.一种面向异构网络的服务质量保障方法，其特征在于，包括：
2.根据权利要求1所述的一种面向异构网络的服务质量保障方法，其特征在于，对不能解析的数据包进行特征融合处理的过程包括：
3.根据权利要求1所述的一种面向异构网络的服务质量保障方法，其特征在于，服务质量在线表征模型的训练过程包括：
4.根据权利要求3所述的一种面向异构网络的服务质量保障方法，其特征在于，对所有网关的服务质量在线表征模型进行共识投票的过程包括：
5.根据权利要求3所述的一种面向异构网络的服务质量保障方法，其特征在于，对服务质量在线表征模型进行参数更新的公式为：
6.根据权利要求1...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。