[发明专利]一种基于深度学习的5G EPC网络主动缓存方法

说明书

本发明涉及一种基于深度学习的5G EPC网络主动缓存方法，其特征在于，包括以下步骤：第一，采用NFV/SDN技术构建虚拟分布式深度学习网络SSAEs；第二，以历史用户数据为基础进行无监督训练SSAEs网络参数；第三，SSAE使用SDN控制器收集的EPC用户请求数据作为SSAEs网络的输入参数；第四，SDN控制器根据SSAE的预测结果生成主动缓存策略，并通过流表将其同步到各缓存节点，进而实现主动缓存。本发明较好的解决了EPC缓存效率不高，控制不灵活等问题。

技术领域

本发明涉及一种基于深度学习的5G EPC网络主动缓存方法。

背景技术

根据Cisco最新发布可视化网络指数（VNI）的预测报告，2021年全球移动数据流量将是2016年的7倍，达到587EB，联网设备数量将增加到263亿台，其中移动视频流量接近移动流量的80%。快速增长的移动网络流量，给当前移动网络带来了极大的压力和挑战，主要表现在：传输内容重复，浪费资源；网络时延大，用户感受差。

目前，4G移动网络架构中，EPC已经不能满足快速增长的网络流量的要求。这就要求在未来的5G网络架构中采用NFV/SDN技术来支持EPC具有柔性和动态适应性的功能来满足用户的各种场景的暴增的流量需求。同时，在将到来的5G移动通信网络应该具有短时延、低功耗、高可靠等特点，因此，降低网络流量是核心问题。为了降低网络流量，传统的被动缓存技术通过将内容缓存到沿路径的设备中来被其他用户重用，但被动缓存技术无法满足用户的需求。在5G网络中需要是以用户为中心，具有动态预测和情境感知的主动缓存技术，而对内容流行度的智能化预测是实现内容主动缓存的关键问题。

发明内容

本发明针对现有技术的不足，为了实现基于内容流行度的全局缓存机制，需要获知网络中所有请求内容的流行度。因此，本发明提供一种基于深度学习的5G EPC网络主动缓存方法，以通过SDN/NFV在网络的EPC不同网元中虚拟内容请求统计服务器，用于收集本地接收的请求消息的内容信息，并将内容请求信息汇总到虚拟的全局内容请求统计服务器。因此，在5G网络通过收集海量的全局内容请求信息后，利用深度学习算法来构建预测内容流行度模型，进而利用预测模型来指导5G核心网进行高效缓存。

为了达到上述目的，本发明一种基于深度学习的5G EPC网络主动缓存方法，主要包括以下步骤：

第一，采用NFV/SDN技术构建虚拟分布式深度学习网络SSAEs；

第二，以历史用户数据为基础进行无监督训练SSAEs网络参数；

第三，SSAEs使用SDN控制器收集的EPC用户请求数据作为SSAEs网络的输入参数；

第四，SDN控制器根据SSAEs的预测结果生成主动缓存策略，包括内容是否进行缓存，缓存的位置，替换缓存内容的信息,并通过流表将其同步到各缓存节点，进而实现主动缓存。

优选地，所述SSAEs网络由一个以上的SSAE构成，所述第一步中当构建由多个SAE堆叠构成的SSAE时，每个SAE由输入层、隐含层和输出层构成，并且每个SAE的输出是SSAE的下一个SAE的输入。

作为上述方案的进一步改进，所述SSAE的输入参数的维度为空间维度与时间维度的乘积。所述空间维度为同一时间间隙的网络内容流行度数据；而时间维度为多个时间间隙。所述SSAE的激活函数采用ReLU，最终的输出采用Softmax来实现分类预测。

优选地，所述第二步网络参数的训练包括自编码器的预训练和网络参数精调两个过程。