[发明专利]一种基于智能流量分类的信息传输调度方法及系统

权利要求书

1.一种基于智能流量分类的信息传输调度方法，其特征在于，包括以下步骤：

S1，准备训练数据：将网络流量数据集制作成流量特征训练集，作为神经网络的输入；

S2，构建神经网络：使用分类网络，建立前面所有层与后面层的短连接，构建神经网络；

S3，训练神经网络：将步骤S1中的流量特征训练集作为神经网络输入，输入到神经网络中进行训练，得到流量分类模型；

S4，划分流量类别：根据流量分类模型对待处理流量数据进行分类；

S5，进行流量传输调度：依据事先划分的流量类别-优先级映射表，将分类后的流量数据划分到具体的优先级别，然后根据优先级进行流量调度。

2.根据权利要求1所述的一种基于智能流量分类的信息传输调度方法，其特征在于，步骤S1包括以下步骤：

S11，预处理：提取初始流量数据集中每条数据对应的源IP地址、目的IP地址、传输层协议、源端口和目的端口的分组集合，得到候选流量数据集；

S12，特征降维：对候选流量数据集进行特征降维处理，去除冗余特征，得到流量样本数据集，将流量样本数据集处理作为流量特征训练集输出。

3.根据权利要求2所述的一种基于智能流量分类的信息传输调度方法，其特征在于，步骤S12包括以下步骤：

S121，字节截取和压缩：对流量样本数据集进行字节截取，定将截取的字节压缩至统一的格式，然后作为流量特征训练集输出。

4.根据权利要求1所述的一种基于智能流量分类的信息传输调度方法，其特征在于，步骤S1中，使用Moore网络流量数据集作为网络流量数据集。

5.根据权利要求4所述的一种基于智能流量分类的信息传输调度方法，其特征在于，步骤S1中，将Moore数据集划分为训练集和测试集，并生成训练集和测试集各自对应的标签文件。

6.根据权利要求1所述的一种基于智能流量分类的信息传输调度方法，其特征在于，步骤S2中，使用DenseNet作为分类网络。

7.根据权利要求6所述的一种基于智能流量分类的信息传输调度方法，其特征在于，步骤S3中，使用交叉熵损失函数作为神经网络的损失函数。

8.根据权利要求1所述的一种基于智能流量分类的信息传输调度方法，其特征在于，步骤S4包括以下步骤：

S41，在设置的观察点进行流量检测，得到相应的网络流量；使用数据预处理进行提取降维，得到适合神经网络输入的流量特征；将流量特征输入到经步骤S3训练后的得到的流量分类模型，对流量划分类别。

9.根据权利要求8所述的一种基于智能流量分类的信息传输调度方法，其特征在于，步骤S5包括以下步骤：

S51，将分类后的流量进行策略匹配与流量转发控制；

S52，对流量数据进行两级调度，第一级使用加权调度，将不同优先级的流量数据包依据优先级先后顺序进行调度；第二级使用轮循调度，对同一级别的流量数据，按照先到先得的方式进行轮流循环调度。

10.根据权利要求1至9任一项所述的一种基于智能流量分类的信息传输调度方法的系统，其特征在于，包括以下模块：

流量分类模块，用于对待处理流量数据进行流量获取、特征提取和流量分类，并与网络流量控制模块进行信息交互。

网络流量控制模块：用于对分类后的流量进行策略匹配与流量转发控制，并与流量分类模块、数据汇集与分发模块进行信息交互；

数据汇集与分发模块：用于对流量数据进行两级调度，第一级使用加权调度，将不同优先级的流量数据包依据优先级先后顺序进行调度；第二级使用轮循调度，对同一级别的流量数据，按照先到先得的方式进行轮流循环调度；并与网络流量控制模块进行信息交互。