(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 110336754 A(43)申请公布日 2024.10.15
(21)申请号 202410386383.3(22)申请日 2024.05.09
(71)申请人 北京邮电大学
地址 100000 北京市海淀区西土城路10号(72)发明人 姚海鹏 张培颖 李晨兮 纪哲 (74)专利代理机构 北京超凡宏宇专利代理事务
所(特殊普通合伙) 11463
代理人 徐彦圣(51)Int.Cl.
H04L 12/801(2013.01)G06N 3/08(2006.01)G06N 3/04(2006.01)
权利要求书3页 说明书12页 附图7页
CN 110336754 A(54)发明名称
一种网络流量配置方法及装置(57)摘要
本申请实施例提供了一种网络流量配置方法及装置，通过获取目标自治域的网络参数信息，其中，所述网络参数信息包括网络链路上的链路参数信息以及网络节点上的节点参数信息；基于所述链路参数信息和所述节点参数信息，确定所述目标自治域的第一网络参数矩阵；将所述第一网络参数矩阵输入至预先训练好的卷积神经网络模型中得到第二网络参数矩阵；基于所述第二网络参数矩阵中的边界节点参数信息以及与所述边界节点对应的链路的链路参数信息对与所述目标自治域对应的跨域网络抽象拓扑中的网络链路和网络节点进行网络流量配置，这样，可以简化计算步骤，提高网络配置速度和质量。
CN 110336754 A
权 利 要 求 书
1/3页
1.一种网络流量配置方法，其特征在于，所述网络流量配置方法包括：获取目标自治域的网络参数信息，其中，所述网络参数信息包括网络链路上的链路参数信息以及网络节点上的节点参数信息；
基于所述链路参数信息和所述节点参数信息，确定所述目标自治域的第一网络参数矩阵；
将所述第一网络参数矩阵输入到预先训练好的卷积神经网络模型中，得到所述卷积神经网络模型输出的第二网络参数矩阵，所述第二网络参数矩阵包括所述目标自治域的边界节点参数信息，以及与所述边界节点对应的链路的链路参数信息；
基于所述边界节点参数信息以及与所述边界节点对应的链路的链路参数信息，对与所述目标自治域对应的跨域网络抽象拓扑中的网络链路和网络节点进行网络流量配置，其中，所述跨域网络抽象拓扑为与所述目标自治域连接的相邻自治域和所述目标自治域之间的网络结构拓扑。
2.如权利要求1所述的网络流量配置方法，其特征在于，所述基于所述链路参数信息和所述节点参数信息，确定所述目标自治域的第一网络参数矩阵，包括：
确定目标自治域的节点个数；基于所述节点个数，确定所述目标自治域的第一网络参数矩阵的阶数信息；基于所述阶数信息、所述链路参数信息、所述节点参数信息，确定所述第一网络参数矩阵中各元素的值。
3.如权利要求2所述的网络流量配置方法，其特征在于，所述基于所述阶数信息、所述链路参数信息、所述节点参数信息，确定所述第一网络参数矩阵中各元素的值，包括：
获取每个元素在所述第一网络参数矩阵中的行数值和列数值；检测每个元素的行数值与列数值是否相等；针对每个元素，若该元素的行数值与列数值相等，确定在所述目标自治域中位于该元素的行数值和列数值表示的节点的节点参数信息为该元素的值；
针对每个元素，若该元素的行数值与列数值不相等，确定在所述目标自治域中位于该元素的行数值表示的第一节点与位于该元素的列数值表示的第二节点之间的链路参数信息为该元素的值。
4.如权利要求1所述的网络流量配置方法，其特征在于，通过以下方式训练所述卷积神经网络模型：
基于获取到的样本自治域的网络参数历史数据，确定样本输入参数矩阵；确定与所述样本输入参数矩阵对应的最短路径矩阵；基于所述最短路径矩阵，确定样本输出参数矩阵；
根据所述样本输入参数矩阵和所述样本输出参数矩阵，确定所述卷积神经网络模型的超参数，从而确定所述卷积神经网络模型，其中，所述超参数包括：卷积核、步长、网络深度。
5.如权利要求4所述的网络流量配置方法，其特征在于，所述基于所述基于最短路径矩阵，确定样本输出参数矩阵，包括：
获取所述最短路径矩阵中样本自治域全部边界节点信息，其中，所述边界节点信息包括表示所述边界节点的行数值和列数值，以及所述行数值和列数值对应的元素值；
基于所述边界节点信息集合形成的矩阵确定样本输出参数矩阵。
2
CN110336754A一种网络流量配置方法及装置[专利]
