买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京信息工程大学

摘要：本发明提供了一种基于卷积神经网络的渐进式业务流量分类方法和装置，所述方法包括：通过设置初始时间窗口大小，阶段性地收集数据包，构建模型的特征输入和索引；输入到渐进式一维卷积神经网络对网络流量数据的时间序列特征进行学习，根据实际数据包使用数量动态选择输出头输出分类结果，将分类结果进行置信度评估；根据评估结果重新反馈给数据包时间窗口大小，从而灵活调整分类时所需数据包数量。本发明通过渐进式处理策略，有效应对数据中心环境下高速且复杂的网络流量，可以及时做出分类决策，显著提高处理速度和响应能力，本发明在数据中心网络管理，特别是在网络资源分配、服务质量保障及安全监控方面，展现了广泛的应用潜力。

主权项：1.一种基于卷积神经网络的渐进式业务流量分类方法，其特征在于，包括以下步骤：步骤1，对采集的网络数据引入动态时间窗口机制，并设置初始窗口大小，对窗口内的数据进行预处理，所述预处理包括数据标准化、提取特征和构建渐进式卷积神经网络的特征向量；步骤2，将步骤1构建的特征向量的维度与渐进式卷积神经网络的输入维度相匹配，如果不符合渐进式卷积神经网络输入的维度，通过零填充方式补充维度；同时将每个特征向量生成对应索引向量，以区分填充前的特征向量原始长度；步骤3，将构建的特征向量与对应的索引向量输入到渐进式卷积神经网络，所述渐进式卷积神经网络包含三个分类任务，分别是应用分类任务、流量带宽分类任务和流量持续时间任务；且渐进式卷积神经网络能够接受不同大小的时间窗口下生成的特征向量，同时采用一种多头输出选择机制：根据输入特征向量于索引向量动态调整输出层结构，将每个输出头都对应一种原始长度的特征向量，且每个输出头能同时输出三个分类任务的分类结果；步骤4，将渐进式卷积神经网络输出前未归一化的三个任务的高维特征向量进行预处理，其中，表示带宽预测任务中第一类推理结果所得分数，表示持续时间预测任务中第一类推理结果所得分数，表示应用分类任务中第一类结果所得分数，所述预处理包括，对每个高维特征向量分别乘上一个任务因子、和，即，，，其中任务因子表示三个分类任务的比重，如果三个分类任务等同重视，则都设置为1，最后再进行归一化处理，将向量中所有元素等同缩放到（0，1）范围内；步骤5，将步骤4预处理后的特征向量作为输入送到决策模块，所述决策模块对三个分类任务的结果进行置信度评估，计算置信度指数；如果置信度指数大于等于预设阈值，则确认结果为最终分类结果结束此条流的分类过程并终止数据包的收集，如果置信度指数低于预设阈值，则扩大时间窗口，继续收集数据包，重复步骤1~步骤3再次分类，直至置信度指数达到预设阈值或收集完整的数据流。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于卷积神经网络的渐进式业务流量分类方法和装置