一种基于神经网络的网络流量分流策略控制系统和方法与流程

本发明涉及网络流量分流，具体涉及一种基于神经网络的网络流量分流策略控制系统和方法。

背景技术：

1、随着互联网的发展，网络流量呈现爆炸式增长，网络带宽也成为了瓶颈。为了更好地利用网络资源，提高网络的利用率，需要对网络流量进行智能分流控制。传统的流量控制方法主要采用规则匹配的方式，但是这种方法需要提前设置大量的规则，而且无法适应网络环境的变化，导致控制效果不佳。基于神经网络的网络流量分流策略控制系统及方法，能够根据网络流量的实时情况，自动调整分流策略，提高网络带宽的利用率，优化网络的性能。

技术实现思路

1、本发明提供一种基于神经网络的网络流量分流策略控制系统和方法，目的是解决现有技术中网络流量过大，网络流量速度慢的问题。

2、一方面，提供一种基于神经网络的网络流量分流策略控制系统，其特征在于，包括：

3、数据采集模块、特征提取模块、神经网络模块、流量控制模块；其中，数据采集模块与特征提取模块连接，特征提取模块与神经网络模块连接，神经网络模块与流量控制模块连接；

4、所述数据采集模块用于采集网络流量数据，对所述数据进行过滤，确定过滤后的数据包；

5、所述特征提取模块用于对过滤后的数据包，提取特征向量，确定特征向量数据包，所述特征向量包括：流量统计特征、协议特征、绘画特征、流量分布特征、数据包特征；

6、所述神经网络模块用于根据特征向量数据包和神经网络算法，对特征向量进行训练和预测，确定预测数据包；

7、所述流量控制模块用于根据预测数据包，对网络流量数据进行分流控制。

8、另一方面，提供一种基于神经网络的网络流量分流策略控制方法，其特征在于，包括：

9、数据采集模块采集网络流量数据，对所述数据进行过滤，确定过滤后的数据包；

10、特征提取模块对过滤后的数据包，提取特征向量，确定特征向量数据包；

11、神经网络模块根据特征向量数据包和神经网络算法，对特征向量进行训练和预测，确定预测数据包；

12、流量控制模块根据预测数据包，对网络流量数据进行分流控制。

13、本发明实施提供的基于神经网络的网络流量分流策略控制系统和方法，基于神经网络，提供了一种有效的网络流量分流策略控制系统。通过本发明给出的控制系统，可使自动学习网络流量的特征，无需提前设置大量的规则，可自动适应网络环境的变化，具有较好的适应性和灵活性，可根据网络流量的实时情况进行智能分流控制，提高网络带宽的利用率，优化网络的性能。

技术特征：

1.一种基于神经网络的网络流量分流策略控制系统，其特征在于，包括：

2.根据权利要求1所述的系统，其特征在于，所述数据采集模块包括：网络数据采集器、数据包过滤器；

3.根据权利要求2所述的系统，其特征在于，所述神经网络模块，包括：数据预处理模块、多层前馈神经网络训练模块、多层前馈神经网络预测模块、多层前馈神经网络应用模块、多层前馈神经网络优化模块；

4.根据权利要求3所述的系统，其特征在于，所述流量控制模块，具体用于：

5.一种基于神经网络的网络流量分流策略控制方法，其特征在于，包括：

6.根据权利要求5所述的方法，其特征在于，所述数据采集模块包括：网络数据采集器、数据包过滤器；

7.根据权利要求6所述的方法，其特征在于，所述神经网络模块，包括：数据预处理模块、多层前馈神经网络训练模块、多层前馈神经网络预测模块、多层前馈神经网络应用模块、多层前馈神经网络优化模块；

8.根据权利要求7所述的方法，其特征在于，所述流量控制模块，具体用于：

技术总结
本发明涉及一种基于神经网络的网络流量分流策略控制系统和方法，目的是解决现有技术中网络流量过大，网络流量速度慢的问题。基于神经网络的网络流量分流策略控制系统，包括：数据采集模块、特征提取模块、神经网络模块、流量控制模块；数据采集模块用于采集网络流量数据，对所述数据进行过滤，确定过滤后的数据包；特征提取模块用于对过滤后的数据包，提取特征向量，确定特征向量数据包；特征向量包括：流量统计特征、协议特征、绘画特征、流量分布特征、数据包特征；神经网络模块用于根据特征向量数据包和神经网络算法，对特征向量进行训练和预测，确定预测数据包；流量控制模块用于根据预测数据包，对网络流量数据进行分流控制。

技术研发人员：王耀,林云峰,唐槐,刘星星
受保护的技术使用者：航天科工网络信息发展有限公司
技术研发日：
技术公布日：2024/8/27