[发明专利]基于深度学习实现应用感知的SDN网络资源调度方法

说明书

基于深度学习实现应用感知的SDN网络资源调度方法，其内容是：基于SDN网络的网络特性，在位于数据平面的虚拟网络功能VNF上部署深度神经网络DNN，该DNN对交换机转发的应用数据流进行学习和分类，并把分类结果上报给SDN控制器，SDN控制器根据分类结果进行网络资源调度，生成满足该应用数据流网络资源需求的路由信息，并把该路由信息下发给交换机，本发明的方法大大提高了系统的灵活性和鲁棒性，实现了根据应用的资源需求对网络资源进行合理调度，从而提高了网络的服务质量。

技术领域

本发明涉及一种基于深度学习实现应用感知的SDN网络资源调度方法，属于信息技术领域，特别是属于SDN网络技术领域。

背景技术

在物联网中会存在各种各样的接入设备，不同的接入设备可能会承载着不同类型的网络应用，这些网络应用对网络资源有着不同的需求。例如对于互联网承载的音频(VOIP)，这类应用对网络的时延有着较高的要求，我们应该尽量为这类应用分配低时延的路径。而对于视频监控应用，它既需要低时延的网络路径，又需要占用足够大的带宽才能实现视频数据的实时传输。在物联网场景下，要实现网络的按需调度关键在于获取流量的具体类型信息。

传统的流量调度大多基于数据报包头信息进行流量分类，国际互联网工程任务组(The Internet Engineering Task Force，简称IETF)为一些标准协议分配了固定的端口号，通过对应的端口号可以把网络流量分成不同的应用类别,但基于端口号的分类存在许多问题：一是随着网络应用的增多，很多应用层协议并没有分配专门的端口号，这部分应用协议无法通过端口号进行区分；二是某些应用层协议可能会承载了多种不同类型的应用内容，不同的应用内容对于网络的需求也截然不同。例如http协议是目前应用最为广泛的应用层协议，当http协议用于网页浏览时，它对时延会有一定的要求，当http协议用于承载视频流量时，它是带宽敏感的，大带宽链路能够充分减少视频的加载时间，提升用户体验，而对于时延并没有很高的要求。结合以上分析，单纯的依靠包头信息进行流量分类是远远不够的。另一种用于流量识别的常用手段是深度包检测技术(DPI)。DPI技术是一种基于应用层的流量检测技术，称为“深度包检测”。DPI除了对包头信息进行分析，它还会识别各种应用具体的负载内容。当IP数据包、TCP或UDP数据流通过基于DPI技术的带宽管理系统时，该系统通过深入读取IP包载荷的内容来对OSI七层协议中的应用层信息进行重组，从而得到整个应用程序的内容，然后按照系统定义的管理策略对流量进行整形操作。DPI技术一定程度解决了传统基于包头字段进行流量识别的问题，但是它也存在很多问题：(1)可扩展性差：由于该方法对新P2P应用的流量识别具有滞后性，即在未升级特征库前无法检测新的应用，必须找到新应用的载荷特征后，才能对该应用实施有效检测。这一点成为限制该方法的瓶颈。(2)缺乏加密数据分析功能：某些应用载荷采用了加密传输，隐藏了应用的协议和数据特征，因此深度数据包检测技术对加密应用的检测能力非常有限。(3)代价较高：由于需要完成协议解析还原和特征匹配等操作，因此计算和存储开销大，流量检测算法性能低。载荷特征越复杂，检测代价越高，算法性能也越差。

综上，在物联网场景下，如何快速有效识别数据流量的具体类型成为物联网技术领域的一个急需解决技术难题。

发明内容

软件定义网络SDN是一种新型的网络架构，实现了网络数据平面和控制平面的分离，提供了数据平面设备的可编程性，能够实现网络的智能化管理。SDN控制器是控制平面的枢纽，能够获取到网络的全部信息，这些信息包括网络的拓扑，链路的带宽，时延等等。结合这些信息，控制器可以为不同类型的应用流量分配满足其网络需求的传输路径。但是SDN控制器是通过特定的控制信道向SDN交换机下发控制策略的，一旦控制器出现故障，网络就会失去控制甚至会崩溃。

有鉴于此，本发明的目的是基于SDN网络，发明一种网络流量类型识别方法，让SDN控制器能够感知应用的类型，进而实现对网络资源的按需调度。