[发明专利]一种网络流量数据转发方法、装置、设备及介质

说明书

本申请公开了一种网络流量数据转发方法、装置、设备及介质，包括：利用目标神经网络模型提取当前网络流量数据的特征编码，得到第一特征编码；将所述第一特征编码与缓存中的各特征编码进行匹配，以得到与所述第一特征编码类别相同的第二特征编码；确定所述缓存中的与所述第二特征编码对应的规则编号，得到目标规则编号；利用所述目标规则编号对应的规则转发当前的所述网络流量数据。这样，能够避免流量拆包以及匹配流表的过程，从而提升网络流量数据转发效率。

技术领域

本申请涉及网络流量数据转发技术领域，特别涉及一种网络流量数据转发方法、装置、设备及介质。

背景技术

随着云计算的发展，用户的海量应用和各种业务系统对网络提出了更高的要求，因此，SDN(即Software Defined Network，软件定义网络)应运而生。其中，SDN交换机用于转发网络数据。

目前，对于进入SDN交换机的每一条新到流量，均需通过拆解流量包，获取特定数据然后匹配对应的流表，再按照流表指定的动作进行转发，并且匹配流表的过程需要遍历很多流表，非常消耗时间。

发明内容

有鉴于此，本申请的目的在于提供一种网络流量数据转发方法、装置、设备及介质，能够避免流量拆包以及匹配流表的过程，从而提升网络流量数据转发效率。其具体方案如下：

第一方面，本申请公开了一种网络流量数据转发方法，包括：

利用目标神经网络模型提取当前网络流量数据的特征编码，得到第一特征编码；

将所述第一特征编码与缓存中的各特征编码进行匹配，以得到与所述第一特征编码类别相同的第二特征编码；

确定所述缓存中的与所述第二特征编码对应的规则编号，得到目标规则编号；

利用所述目标规则编号对应的规则转发当前的所述网络流量数据。

可选的，还包括：

获取APN训练样本数据集；其中，所述APN训练样本数据集中包括第一训练样本，第二训练样本以及第三训练样本，并且，所述第二训练样本为与所述第一训练样本类别相同的样本，所述第三训练样本为与所述第一训练样本类别不同的训练样本；

利用所述APN训练样本数据集对神经网络模型进行训练，并在训练过程中，确定所述第一训练样本与所述第二训练样本的相似度以及所述第一训练样本与所述第三训练样本的相似度之间的差值，当所述差值大于预设阈值，则将当前的神经网络模型确定为所述目标神经网络模型。

可选的，所述将所述第一特征编码与缓存中的各特征编码进行匹配，以得到与所述第一特征编码类别相同的第二特征编码，包括：

计算所述第一特征编码与缓存中的各特征编码的欧拉距离，将最小欧拉距离且欧拉距离小于预设相似度阈值的特征编码作为第二特征编码。

可选的，所述将所述第一特征编码与缓存中的各特征编码进行匹配之前，还包括：

利用所述目标神经网络模型提取各类别的网络流量数据的特征编码；

将提取到的特征编码以及特征编码对应的规则编号存入所述缓存。

可选的，所述利用目标神经网络模型提取当前网络流量数据的特征编码，得到第一特征编码；将所述第一特征编码与缓存中的各特征编码进行匹配，得到与所述第一特征编码类别相同的第二特征编码，包括：

通过神经网络加速芯片，利用目标神经网络模型提取当前网络流量数据的特征编码，得到第一特征编码，将所述第一特征编码与缓存中的各特征编码进行匹配，得到与所述第一特征编码类别相同的第二特征编码。

可选的，还包括：