[发明专利]基于SDN网络的网络加速方法、装置与计算机可读存储介质

说明书

本发明提供了一种基于SDN网络的网络加速方法、装置与计算机可读存储介质，该方法包括：将在SDN网络中采集历史数据流输入到AI加速器中对深度学习模型进行模型训练，生成第一推理模型；将所述第一推理模型部署到SDN云网控制器中；所述SDN云网控制器根据所述第一推理模型，对实时采集的数据流进行逻辑推理，得到控制推理结果；所述SDN云网控制器在SDN网络中执行所述控制推理结果。上述方法结合人工智能，实现SDN网络的自我优化加速，提升SDN网络的运行速度，降低SDN网络的运营成本。

技术领域

本发明涉及SDN网络技术领域，具体涉及一种基于SDN的网络加速方法、装置与计算机可读存储介质。

背景技术

SDN网络，即软件定义网络(Software Defined Network,SDN)，是Emulex网络一种新型网络创新架构，是网络虚拟化的一种实现方式，其核心技术OpenFlow通过将网络设备控制面与数据面分离开来，从而实现了网络流量的灵活控制，使网络作为管道变得更加智能。

但是，随着ICT产业链架构融合的逐步深入、网络云化重构转型的加快以及更多新制式和技术的演进，在网络运营方面将面临越来越大的压力和挑战，尤其是在如何有效降低运营成本、提升SDN网络高速运行方面，传统的SDN网络以人工方式进行网络调节已不能满足未来对高效运营的需求。因此，如何实现SDN网络的自我优化加速成为本领域技术人员亟待解决的技术问题。

发明内容

本发明的目的是提供一种基于SDN的网络加速方法、装置与计算机可读存储介质，结合人工智能，实现SDN网络的自我优化加速，提升SDN网络的运行速度，降低SDN网络的运营成本。

本发明实施例提供了一种基于SDN的网络加速方法，包括：

将在SDN网络中采集历史数据流输入到AI加速器中对深度学习模型进行模型训练，生成第一推理模型；

将所述第一推理模型部署到SDN云网控制器中；

所述SDN云网控制器根据所述第一推理模型，对实时采集的数据流进行逻辑推理，得到控制推理结果；

所述SDN云网控制器在SDN网络中执行所述控制推理结果。

优选地，所述基于SDN的网络加速方法还包括：

所述SDN云网控制器将设定时间段内采集的数据流、所述SDN云网控制器的配置参数以及数据流转发规则发送到所述AI加速器；

所述AI加速器根据所述设定时间段内采集的数据流、所述SDN云网控制器的配置参数以及数据流转发规则，重新对所述第一推理模型进行模型训练，获得迭代优化后的第一推理模型；

将迭代优化后的第一推理模型更新到所述SDN云网控制器中。

优选地，所述将在SDN网络中采集历史数据流输入到AI加速器中对深度学习模型进行模型训练，具体包括：

将所述历史数据流进行数据清洗和预处理，生成标准化的数据样本并所述存储在加速存储模块中；

所述AI加速器根据所述SDN云网控制器的预设配置参数从所述加速存储模块中获取数据样本进行特征挖掘，获得第一特征信息；

采用所述第一特征信息对所述深度学习模型进行模型训练，生成所述第一推理模型。

优选地，所述预处理包括以下一个或多个处理过程：缺失值处理、特征离散化处理、特征组合处理、特征选择处理。

优选地，所述基于SDN的网络加速方法还包括：

所述AI加速器根据网元的预设转发参数从所述加速存储模块中获取数据样本进行特征挖掘，获得第二特征信息；