本發明公開了基于GRU的多域SDN網絡流量態勢預測方法及系統，包括：收集歷史流量態勢值，以滑動窗口的方式構建樣本集；對樣本數據進行數據歸一化，切割為訓練集和測試集；建立GRU模型，采用SSA算法優化GRU模型參數；其中，GRU模型被配置為：從歷史流量態勢值中提取影響網絡流量的關鍵要素；然后，針對相關的因素進行加權定量計算流量態勢值，評估出當前流量狀態；使用訓練好的SSA?GRU神經網絡對測試集進行態勢預測。采用SSA算法用于優化GRU算法的權重，有效地控制了優化的搜索方向，能更好地提高收斂效率。

技術領域

本發明屬于網絡流量技術領域，尤其涉及基于GRU的多域SDN網絡流量態勢預測方法及系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

隨著云計算和虛擬化等相關技術的不斷發展，使得網絡應用需求越來越復雜，傳統網絡也出現了難以擴展和配置復雜度很高等問題，并且各種虛擬化技術需要對網絡資源進行迅速、靈活地調配，使得傳統網絡體系架構更加難以滿足這種需求。在這樣的需求背景下，軟件定義網絡SDN(Software?Defined?Networking)就隨之誕生了。相比傳統網絡，SDN主要由以下特點：

(1)集中控制的網絡架構

集中控制表現在SDN可以通過可編程的控制器對網絡下命令，通過控制OpenFlow交換機上的流表項，達到控制每個交換機上數據包存儲、轉發或者丟棄的行為，從而通過控制器對底層網絡實現全方位的控制。

(2)開放的網絡API(Application?Programming?Interface，應用程序接口)

SDN控制器實現的可編程化設計能夠使得控制器實現大多數網絡管理功能的開發和設計，面向用戶的服務一般抽象為應用層功能。在對SDN網絡進行功能升級和重配置等管理操作時，無需像傳統網絡架構對每個底層硬件設備，即每個交換機或路由器進行單獨配置，只需在應用層上進行二次開發，降低了網絡管理和功能部署的復雜度。

(3)實現網絡虛擬化

網絡虛擬化能夠使網絡達到更大的網絡資源利用率。網絡功能的虛擬化不單單是針對網絡中某單個實體，而是將網絡看作一個整體，使得整個網絡成為一個可靈活配置、實時調整的設備。SDN控制器通過將硬件平臺與軟件控制中心抽象出來，能夠使SDN網絡不再局限于某個單獨的網絡，從而更好的實現多網融合。

網絡流量的分析一直是SDN研究的重點。隨著多域SDN的不斷發展，頻繁的信息交互使得網絡流量激增，增加了網絡運行狀況的復雜性。由于網絡流量態勢預測具有復雜性、非線性和時序性等特點，傳統的預測方法并不能很好的根據收集的歷史網絡流量態勢信息精準、迅速地預測未來一段時間內的網絡態勢情況，并且很難建立統一標準的預測模型。

發明內容

為克服上述現有技術的不足，本發明提供了基于GRU的多域SDN網絡流量態勢預測方法，提前對多域SDN網絡進行規劃決策，較大程度地維護網絡穩定性。

為實現上述目的，本發明的一個或多個實施例提供了如下技術方案：

基于GRU的多域SDN網絡流量態勢預測方法，包括：

收集歷史流量態勢值，以滑動窗口的方式構建樣本集；

對樣本數據進行數據歸一化，切割為訓練集和測試集；

建立GRU模型，采用SSA算法優化GRU模型參數；

其中，GRU模型被配置為：

從歷史流量態勢值中提取影響網絡流量的關鍵要素；然后，針對相關的因素進行加權定量計算流量態勢值，評估出當前流量狀態；

使用訓練好的SSA-GRU神經網絡對測試集進行態勢預測。