本發(fā)明屬于網(wǎng)絡流量遙感，具體涉及一種網(wǎng)內(nèi)緩存驅(qū)動的主動網(wǎng)絡遙測方法。

背景技術：

1、隨著網(wǎng)絡技術的飛速發(fā)展，現(xiàn)代網(wǎng)絡規(guī)模日益龐大且復雜，網(wǎng)絡管理變得尤為重要。網(wǎng)絡管理系統(tǒng)需要實時監(jiān)控網(wǎng)絡狀態(tài)，以便及時發(fā)現(xiàn)并解決潛在問題，確保網(wǎng)絡的穩(wěn)定與高效運行。網(wǎng)絡遙測(network?telemetry)作為一種關鍵技術，通過在網(wǎng)絡中嵌入探測器來收集網(wǎng)絡狀態(tài)信息，為網(wǎng)絡管理者提供了深入了解網(wǎng)絡行為的能力。然而，隨著網(wǎng)絡規(guī)模的擴大和流量的激增，傳統(tǒng)的網(wǎng)絡遙測方法面臨著巨大的挑戰(zhàn)，尤其是從數(shù)據(jù)平面(dataplane)向控制平面(control?plane)傳輸?shù)倪b測數(shù)據(jù)量急劇增加，這不僅增加了網(wǎng)絡帶寬的消耗，還可能導致控制平面的處理負擔加重，進而影響整個網(wǎng)絡的性能和響應速度。

2、特別地，在網(wǎng)絡遙測系統(tǒng)中，基于帶內(nèi)網(wǎng)絡遙測(int)的技術因其能夠直接在數(shù)據(jù)包中嵌入遙測信息而備受關注。int技術允許在數(shù)據(jù)包傳輸過程中，沿途的節(jié)點(如路由器)將其處理數(shù)據(jù)包時的狀態(tài)信息(如延遲、丟包率等)添加到數(shù)據(jù)包頭中，從而無需額外的網(wǎng)絡資源即可實現(xiàn)網(wǎng)絡狀態(tài)的全面監(jiān)測。然而，這種方法也面臨著數(shù)據(jù)冗余和不必要信息傳輸?shù)膯栴}，因為多個數(shù)據(jù)包可能包含重復或相似的遙測信息，這些信息對于控制器的決策來說可能是冗余的。

3、此外，如何有效地規(guī)劃探測路徑，以最大化遙測數(shù)據(jù)的收集效率并最小化對正常網(wǎng)絡流量的影響，也是網(wǎng)絡遙測系統(tǒng)需要解決的關鍵問題之一。傳統(tǒng)的路徑規(guī)劃方法往往基于靜態(tài)的網(wǎng)絡拓撲和預設的規(guī)則，難以適應動態(tài)變化的網(wǎng)絡環(huán)境。

4、鑒于上述挑戰(zhàn)，如何設計一種能夠有效減少冗余和不必要遙測數(shù)據(jù)量，同時提高探測路徑規(guī)劃效率的網(wǎng)絡遙測系統(tǒng)，成為了當前網(wǎng)絡管理領域的研究熱點。本發(fā)明正是針對這一問題所做出的創(chuàng)新嘗試，通過引入緩存機制和增量傳輸技術，以及基于深度強化學習(drl)的探測路徑規(guī)劃算法，旨在顯著提升網(wǎng)絡遙測系統(tǒng)的效率和性能。

技術實現(xiàn)思路

1、本發(fā)明的目的在于減少從數(shù)據(jù)平面到控制器的冗余和不必要遙測數(shù)據(jù)量，同時提高了探測效率并適應了動態(tài)網(wǎng)絡環(huán)境，提供一種網(wǎng)內(nèi)緩存驅(qū)動的主動網(wǎng)絡遙測方法；

2、為了實現(xiàn)上述目的，本發(fā)明采用以下技術方案：一種網(wǎng)內(nèi)緩存驅(qū)動的主動網(wǎng)絡遙測方法，包括：

3、步驟s1：控制器根據(jù)基于深度強化學習和注意力機制的探測路徑規(guī)劃算法生成規(guī)劃后的遙測路徑，接著控制器按照規(guī)劃后的遙測路徑向探測網(wǎng)絡中發(fā)送探針；

4、步驟s2：步驟s1中探針在各節(jié)點記錄所需要探測的相關信息，然后探針再將搜集到的信息在緩存節(jié)點緩存，并緩存節(jié)點通過預設的緩存策略對緩存的信息進行存儲、更新和檢索；

5、步驟s3：緩存節(jié)點采用增量傳輸技術將緩存節(jié)點中存儲的信息傳輸回控制器。

6、進一步地，所述步驟s1中基于深度強化學習和注意力機制的探測路徑規(guī)劃算法具體包括：

7、步驟s11：設置具體探測路徑規(guī)劃目標，將其表示為一個帶約束優(yōu)化問題，其數(shù)學表達式為：

8、min?c

9、

10、

11、l＝e,

12、t≤tmax,

13、|pk|≤lth,k＝1,…,k.

14、其中，優(yōu)化目標是最小化遙測系統(tǒng)的控制開銷c，約束條件為探針在收集完所有網(wǎng)絡信息后必須在緩存節(jié)點上存儲信息，為第k條遙測路徑經(jīng)過的第nk個節(jié)點；為第i個路由器的緩存容量限制，sk為第k個探針需要占用的緩存空間，是一個指示函數(shù)，當時取值為1，否則為0；l＝e表示探針需要探測網(wǎng)絡中所有的物理路徑，l為所有探測路徑的物理鏈路的集合，e為網(wǎng)絡節(jié)點直接物理鏈路的集合；t≤tmax為遙測延遲約束，t為遙測系統(tǒng)實際的最大遙測延遲，tmax為控制平面允許的最大遙測延遲；|pk|＜lth表示端口信息的長度有上限，|pk|為第k條遙測路徑的長度，lth表示輔助探頭路徑的長度閾值；

15、步驟s12：將高負載網(wǎng)絡圖映射到向量空間，輸入其中是在時隙t時刻，包含第i個節(jié)點和其他節(jié)點連接狀態(tài)以及時延信息的一個元組，并用一維卷積來對進行嵌入，得到

16、步驟s13：使用基于內(nèi)容的注意機制來從解碼器中獲取ht，再結(jié)合步驟s12得到計算變長度對齊向量變長度對齊向量的計算公式為：其中ht∈rd表示rnn單元在解碼時的t時刻記憶狀態(tài)，符號“；”表示兩個向量的連接，變量和是可訓練變量；

17、步驟s14：利用步驟s12得到再結(jié)合步驟s13得到變長度對齊向量計算上下文向量ct，上下文向量ct的計算公式為：其中m為輸入長度，與輸入長度相等，用softmax函數(shù)進行歸一化得到條件概率條件概率為：其中變量vc和wc為可訓練變量；

18、步驟s15：使用貪心解碼器根據(jù)步驟s14得到條件概率來選擇動作，并根據(jù)選擇的動作對更新遙測路徑規(guī)劃方案，同時對輸入進行更新，得到更新后的輸入和遙測路徑，直到滿足步驟s11中具體探測路徑規(guī)劃目標，其中其中f為狀態(tài)轉(zhuǎn)換函數(shù)。

19、進一步地，對所述基于深度強化學習和注意力機制的探測路徑規(guī)劃算法中的深度強化學習神經(jīng)網(wǎng)絡的訓練步驟具體包括：

20、步驟s101：輸入中，每個是在時隙t時刻，包含第i個節(jié)點和其他節(jié)點連接狀態(tài)，時延信息的一個元組，用一維卷積來進行嵌入，輸入經(jīng)過嵌入后表示為得到數(shù)據(jù)集；

21、步驟s102：用隨機權(quán)重θ和δ初始化行動網(wǎng)絡和評價網(wǎng)絡，然后設置迭代周期數(shù)，其中在每個迭代周期內(nèi)，首先重置梯度dθ←0,dδ←0，再從步驟s101中得到數(shù)據(jù)集中選出用于訓練的樣本集m，樣本數(shù)記為batch，接著對m中的每個樣本，都從時隙t＝0開始，計算條件概率得到新狀態(tài)然后將t更新為t+1，重復計算條件概率并得到新狀態(tài)，直到滿足具體探測路徑規(guī)劃目標，計算完畢后，根據(jù)生成的策略計算獎勵rm，并當m中的每個樣本的都完成策略生成和獎勵計算后，根據(jù)獎勵計算梯度dθ和dδ：

22、

23、

24、再根據(jù)計算的梯度更新θ和δ，完成一次迭代周期的訓練，當完成設置的迭代周期數(shù)時深度強化學習神經(jīng)網(wǎng)絡訓練完成。

25、進一步地，所述步驟s2中預設的緩存策略具體包括：

26、步驟s21：緩存對象分類：將緩存的信息分為時變數(shù)據(jù)和靜態(tài)數(shù)據(jù)；

27、步驟s22：緩存密鑰設計：每個緩存項對應與特定時間戳綁定的相同緩存的信息，且每個緩存項的緩存鍵是根據(jù)數(shù)據(jù)類型及其相關的時間戳制定的；

28、步驟s23：緩存更新策略設計：對于時變數(shù)據(jù)，在收到新探測時更新緩存內(nèi)容和鍵，確保緩存始終反映最新的網(wǎng)絡狀態(tài)，當達到容量限制時，將優(yōu)先清除相同類型的最小新鮮項，對于靜態(tài)數(shù)據(jù)，只緩存最新的緩存的信息，并在接收到新的探測時直接更新它們，從而最大限度地減少不必要的緩存操作；

29、步驟s24：緩存失效機制設計：設置全局緩存失效時間，且全局緩存失效時間根據(jù)網(wǎng)絡環(huán)境動態(tài)調(diào)整，對于時變數(shù)據(jù)，超過全局緩存失效時間的緩存項將被自動刪除，以保證緩存數(shù)據(jù)的及時性和準確性，對于靜態(tài)數(shù)據(jù)，將其設置為永不失敗，以減少不必要的緩存操作；

30、步驟s25：緩存訪問機制設計：基于緩存鍵的查找方法，查詢緩存時，系統(tǒng)根據(jù)緩存鍵快速查找對應的緩存項，找到匹配的緩存項，則返回緩存的網(wǎng)絡信息，否則，返回“緩存丟失”狀態(tài)。

31、進一步地，所述步驟s3中增量傳輸技術具體包括：

32、步驟s31：將緩存節(jié)點中存儲的信息根據(jù)探頭劃分為多個數(shù)據(jù)塊；

33、步驟s32：使用哈希函數(shù)計算所有數(shù)據(jù)塊的唯一哈希值，系統(tǒng)地存儲在專用的哈希庫中，供后續(xù)比較和分析，每當系統(tǒng)接收到一個新的探測時，網(wǎng)絡遙測系統(tǒng)都會根據(jù)新的數(shù)據(jù)塊計算一個新的哈希值，并將其與哈希庫中的現(xiàn)有哈希值進行比較；

34、步驟s33：相應地更新哈希庫，其中，對于靜態(tài)數(shù)據(jù)，只要它的哈希值發(fā)生變化，網(wǎng)絡遙測系統(tǒng)就會立即生成一個增量文件，對于時變數(shù)據(jù)，在檢查哈希值是否發(fā)生變化后，需要評估數(shù)據(jù)變化幅度是否突破預設閾值，當數(shù)據(jù)變化超過這個閾值時，網(wǎng)絡遙測系統(tǒng)才生成增量文件；

35、步驟s34：增量文件生成后，立即下發(fā)到控制器，控制器接收到文件后，計算并比較哈希值，若比較結(jié)果為正確的散列，則表明數(shù)據(jù)未被篡改，并將控制器接收到緩存節(jié)點中存儲的信息用于本地數(shù)據(jù)庫和網(wǎng)絡管理應用程序，最后，控制器更新本地哈希數(shù)據(jù)庫，便于后續(xù)數(shù)據(jù)同步和驗證。

36、有益效果：本發(fā)明通過集成高效的緩存策略、增量傳輸技術，以及基于深度強化學習的智能探測路徑規(guī)劃算法，成功解決了現(xiàn)代網(wǎng)絡管理中數(shù)據(jù)冗余和傳輸量過大的難題。該系統(tǒng)能夠智能地存儲并復用關鍵網(wǎng)絡信息，僅傳輸必要的變化數(shù)據(jù)，從而顯著降低了網(wǎng)絡帶寬的消耗和控制平面的處理負擔。同時，其靈活的緩存路由器升級方案和智能路徑規(guī)劃能力，確保了網(wǎng)絡遙測的全面性和高效性，為現(xiàn)代網(wǎng)絡管理帶來了前所未有的便捷與性能提升。