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：桂林电子科技大学

摘要：本发明公开一种基于链路流量预测的SDN路由优化方法，基于注意力机制和多图视角图神经网络设计了网络链路流量预测模型，可以直接在原始的基于图形的网络拓扑中处理链路流量数据，有效地捕捉动态时空特征，提高链路流量预测的准确性。本发明通过预测模型减小控制器获取网络状态的时延带来的影响，从而让控制器的路由决策更加准确。

主权项：1.一种基于链路流量预测的SDN路由优化方法，其特征是，包括步骤如下：步骤1、SDN控制平面采集SDN数据平面历史的网络信息与流量数据来构建训练数据集，并将训练数据集存储在SDN应用平面的数据存储区中；其中历史的网络信息与流量数据包括邻接矩阵AAD、历史时间t的源-目的地流量矩阵历史时间t的短期流量序列历史时间t的长期流量序列以及历史时间t+1的链路流量的真实值Xt+1；步骤2、SDN应用平面构建链路流量预测模型；该链路流量预测模型由4个子模型和选择全连接层组成；每个子模型由输入全连接层、注意力机制模块、图卷积单元和时间卷积单元构成的卷积模块、以及输出全连接层组成；输入全连接层的输入端形成的子模型的输入端，输入全连接层的输出端连接注意力机制模块的输入端，注意力机制模块的输出端连接图卷积单元的输入端，图卷积单元的输出端连接时间卷积单元的输入端，时间卷积单元的输出端连接输出全连接层的输入端；4个子模型的输入端形成链路流量预测模型的4组输入端，4个子模型的输出端同时连接选择全连接层的输入端，选择全连接层的输出端形成链路流量预测模型的输出端；步骤3、SDN应用平面利用训练数据集对链路流量预测模型进行离线训练，即先将训练数据集中的邻接矩阵AAD与历史时间t的短期流量序列送入链路流量预测模型的第一组输入端，训练数据集中的邻接矩阵AAD与历史时间t的长期流量序列送入链路流量预测模型的第二组输入端，训练数据集中的历史时间t的源-目的地流量矩阵与历史时间t的短期流量序列送入链路流量预测模型的第三组输入端，训练数据集中的历史时间t的源-目的地流量矩阵与历史时间t的长期流量序列送入链路流量预测模型的第四组输入端，链路流量预测模型的输出端输出历史时间t+1的链路流量的预测值再用链路流量预测模型输出的历史时间t+1的链路流量的预测值与训练数据集中的历史时间t+1的链路流量的真实值Xt+1的均方误差作为损失函数，并通过反向传播更新模型参数，由此得到训练好的链路流量预测模型；步骤4、SDN控制平面采集SDN数据平面实时的网络信息与流量数据并送入SDN应用平面；其中实时的网络信息与流量数据包括邻接矩阵AAD、当前时间t′的源-目的地流量矩阵当前时间t′的短期流量序列以及当前时间t′的长期流量序列步骤5、SDN应用平面将实时的网络信息与流量数据送入到训练好的链路流量预测模型进行预测，即将邻接矩阵AAD与当前时间t′的短期流量序列送入训练好的链路流量预测模型的第一组输入端，邻接矩阵AAD与当前时间t′的长期流量序列送入训练好的链路流量预测模型的第二组输入端，当前时间t′的源-目的地流量矩阵与当前时间t′的短期流量序列送入训练好的链路流量预测模型的第三组输入端，当前时间t′的源-目的地流量矩阵与当前时间t′的长期流量序列送入训练好的链路流量预测模型的第四组输入端，训练好的链路流量预测模型的输出端输出的下一时间t′+1的链路流量的预测值并返回SDN控制平面；步骤6、SDN控制平面先使用下一时间t′+1的链路流量的预测值作为Dijkstra算法的链路权重来计算数据包转发路径并生成交换机流表项，再将交换机流表项发送到SDN数据平面的各个交换机中，实现SDN数据平面的路由优化。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 一种基于链路流量预测的SDN路由优化方法