[发明专利]一种基于深度学习的SDN网络自愈方法

说明书

本发明公开了一种基于深度学习的SDN网络自愈方法，包括如下步骤：在SDN各层分别添加相应的自愈模块；当应用层出现应用故障时，应用层自愈模块和控制层自愈模块互相协作配合解决故障，恢复网络的正常运行。当转发层出现链路故障时，控制层自愈模块和转发层自愈模块互相协作配合解决故障，恢复网络的正常运行。本发明创新性的提出了一种SDN网络的自愈框架，并且基于此自愈框架设计了一套完整的自愈机制，能很好的处理应用层故障和转发层故障。优化了网络结构，节约了网络成本，提高了网络的运行效率，弥补了当前SDN网络中自愈相关方面的不足。

技术领域

本发明提出了一种基于深度学习的SDN网络自愈方法，针对SDN网络出现链路故障及应用故障时提供防御及恢复服务。

背景技术

随着互联网规模的快速增长，网络底层的路由交换设备目前已经达到了上万台的规模。与此同时，其相关网络业务也变得越来越复杂。复杂的网络业务也相应地导致了各种复杂的网络协议和网络管理策略。当网络中的故障出现时，调试网络也变得越来越困难。网络协议因素或者人为因素等都有可能成为引起不同网络故障的原因。当网络出现故障时，不仅会影响用户体验、导致服务不可用，严重时会导致整个网络的瘫痪。因此，保障网络的正常运行是保障网络安全与稳定工作的最重要的一环。在传统故障维护中，通常需要网络维护人员使用相关故障检测工具去维护网络。但随着网络设备的大量增加，仅仅借助人工去维护网络故障将需要较大的成本，并且效率也会变得越来越低。为了能够保证业务的安全运行，当故障出现时，人们需要一个更加成熟可靠的工具与策略去检测网络中的相关故障，并能够自动地对故障进行识别、定位直至修复。

软件定义网络(Software Defined Networking，SDN)是一种控制与数据相分离、软件可编程的新型网络体系架构，并且具有全网控制视图。它能够从传统网络设备中将控制功能分离出来，嵌入到具有逻辑集中功能的软件——控制器中，用户能够通过编写软件的方式灵活定义网络设备的转发功能与转发策略。这种控制结构实现了对网络的全局集中控制，这种情况下，如果发生了故障不能及时发现和处理，将会导致整个SDN网络的瘫痪。因此，当发生故障时，希望能够根据SDN网络系统自身的状况以做到系统的自动维护，最终使得SDN网络系统能够正常运行。一个自主网络的自愈属性能够将网络从非正常的状态恢复到正常的状态。

SDN感知参数化自愈框架的研究。到目前为止，对自愈系统的研究主要集中在底层拓扑中，并有可能请求底层网络中的任何一对节点之间的连接。通过对故障更为广泛的定义和扩大各种可能的自愈动作来对基本模型进行扩展，例如，为了对自愈成果进行评价，一个新的成本模型必须制定量化收益和成本，并与服务质量权衡比较，从而产生一个参数化的自愈框架。参数化自愈框架必须适应SDN管理网络的具体要求，并能够解决自愈系统在应用层、控制层、数据层的接口分离问题、部署后的系统弹性与灵活性问题以及各层之间的连接模式问题。

SDN网络自愈性能管理的研究。通过重新配置路由网络用于处理组件故障、拥塞链路和过载的交换机，以此来扩展基本自愈范例。这些技术将利用SDN控制平面收集来自网络交换机动态负载的信息并且能够下发必要的重配置操作信息到相应受影响的交换机中。SDN自愈系统将能够正式地分析及时性与负载信息量之间的权衡关系，并且有必要控制输入的效率与粒度从而达到快速重新配置。

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

发明内容

本发明针对现有技术的不足，提出了一种基于深度学习的SDN网络自愈方法，针对SDN网络出现链路故障及应用故障时提供防御及恢复服务，包括如下步骤：

步骤一：在SDN各层分别添加相应的自愈模块；

应用层自愈模块包括应用服务管理模块和应用告警模块；