[发明专利]针对多路径传输协议的子流共享带宽瓶颈检测方法和装置

权利要求书

1.一种针对多路径传输协议的子流共享带宽瓶颈检测方法，其特征在于，包括以下步骤：

对子流的应答分组进行特征提取，其中，用于提取特征的子流为多路径传输协议在网络运行过程中在线产生的所有子流，提取出的特征为离线训练过程中通过最大化分类器的精度获取到的特征的集合；

根据提取的特征，基于离线训练出的模型分类器进行分类，之后根据分类结果，通过所述多路径传输数据连接的发送方进行不同的拥塞控制。

2.如权利要求1所述的方法，其特征在于，通过离线训练生成模型分类器，包括：

在使用多路径传输协议过程中从真实的网络里收集训练数据；

对所述训练数据进行特征提取和特征选择，得到特征排序结果；

根据特征排序结果，进行分组训练，在每一组训练完成后，得到一个分类器并同时获得其精度，在所述分组训练完成后，通过对比获得的所有分类器的最大精度，使用最大精度对应的特征集合、候选模型和候选模型的超参数来生成模型分类器，其中，所述候选模型包括决策树模型、随机森林模型、支持向量机，

其中，对所述训练数据进行特征提取，包括：

对每间隔预设时间内的子流状态变量进行计算，提取出可以评估每两条子流之间相似性的特征，

对所述训练数据进行特征选择，包括：

使用特征评价算法计算提取出的每个特征的互信息来对所有的特征进行排序，得到特征排序结果，

所述根据特征排序结果，进行多组训练，包括：

每组训练中包含若干次训练，同一组训练使用相同的特征集合，不同组的训练使用不同的特征集合，其中，训练使用的每个特征集合对应了特征排序结果中前X个特征，X的最大值是离线训练过程中考虑的特征总数；

对于特定一组的训练，使用网格搜索来选择确定每次训练时使用的候选模型和候选模型的各种超参数，训练完成后得到一个分类器和分类器对应的精度。

3.如权利要求2所述的方法，其特征在于，所述在使用多路径传输协议过程中从真实的网络里收集训练数据，包括：

在真实网络里构建子流共享带宽瓶颈和子流不共享带宽瓶颈的场景，运行多路径传输协议；

在多路径传输数据连接运行过程中，收集每条子流的状态信息。

4.如权利要求1所述的方法，其特征在于，所述分类结果为子流是否共享同样的带宽瓶颈，所述根据分类结果，通过所述多路径传输数据连接的发送方进行不同的拥塞控制，包括：

若子流共享同样的带宽瓶颈，通过多路径传输数据连接的发送方使用耦合的拥塞控制来调整拥塞窗口，否则使用非耦合的拥塞控制。

5.一种针对多路径传输协议的子流共享带宽瓶颈检测系统，其特征在于，包括特征提取模块、模型分类器模块、拥塞控制模块，其中，

所述特征提取模块，用于对子流的应答分组进行特征提取，其中，用于提取特征的子流为多路径传输协议在网络运行过程中在线产生的所有子流，提取出的特征为离线训练过程中通过最大化分类器的精度获取到的特征的集合；

所述模型分类器模块，用于对提取的特征进行分类，得到分类结果；

所述拥塞控制模块，用于根据分类结果，通过所述多路径传输数据连接的发送方进行不同的拥塞控制。

6.如权利要求5所述的系统，其特征在于，还包括离线训练模块，通过离线训练模块生成所述模型分类器模块，其中，所述离线训练模块，用于：

在使用多路径传输协议过程中从真实的网络里收集训练数据；

对所述训练数据进行特征提取和特征选择，得到特征排序结果；

根据特征排序结果，进行分组训练，在每一组训练完成后，得到一个分类器并同时获得其精度，在所述分组训练完成后，通过对比获得的所有分类器的最大精度，使用最大精度对应的特征集合、候选模型和候选模型的超参数来生成模型分类器，其中，所述候选模型包括决策树模型、随机森林模型、支持向量机，

其中，对所述训练数据进行特征提取，包括：

对每间隔预设时间内的子流状态变量进行计算，提取出可以评估每两条子流之间相似性的特征，

对所述训练数据进行特征选择，包括：

使用特征评价算法计算提取出的每个特征的互信息来对所有的特征进行排序，得到特征排序结果，

所述根据特征排序结果，进行多组训练，包括：

每组训练中包含若干次训练，同一组训练使用相同的特征集合，不同组的训练使用不同的特征集合，其中，训练使用的每个特征集合对应了特征排序结果中前X个特征，X的最大值是离线训练过程中考虑的特征总数；

对于特定一组的训练，使用网格搜索来选择确定每次训练时使用的候选模型和候选模型的各种超参数，训练完成后得到一个分类器和分类器对应的精度。