专利名称：基于流量分析和节点信任度的智能路由选择方法
技术领域：
本发明涉及路由选择方法，尤其涉及一种基于流量分析和节点信任度的智能路由 选择方法，属于网络技术领域。
背景技术：
近年来，随着因特网技术的发展，网络接入技术日益多样化，对日益复杂的网络进 行管理成了人们关注的焦点。同时，不断涌现的新业务也给网络的监测与管理带来了新的 问题，业务识别的技术应运而生。从复杂的业务流中分门别类识别出各种业务，也是保障网 络服务质量(QoS)的基础。另一方面，DOS攻击、大量的垃圾邮件、肆意的P2P下载等异常流量占用着巨大的 带宽，造成网络拥塞，给网络的QoS带来巨大的影响。如何正确识别和分离出此类异常流 量，并准确地预测链路流量，以便在网络出现问题前采取措施，在可信网络中也显得尤为重 要。此外，可信网络要求网络行为的可预期、可监测、可控制、可管理。因此，节点的信任度 评估在可信网络中有着举足轻重的地位。目前的路由技术大多建立在通过端口检测、深度包检测等业务识别的基础上，利 用智能Agent、蚁群算法等来实现路由技术，但很少考虑对数据流及链路流量的实时监测以 及负载的平衡。单纯基于蚁群算法或者业务识别或者信任度的路由选择方法也有一定的局 限性，少有将多种方法结合起来的路由方法。
发明内容
本发明的目的在于提供一种智能路由选择方法，在入口路由器节点和目的节点之 间有多条路由并且每条路由只经过一个中间节点的情况下，可以在实现负载平衡的同时确 保网络的安全性。本发明方法的思路是首先通过业务识别与标记实现不同业务之间的区分服务，再 通过链路流量预测和评估节点的信任度来选取负荷较小且信任度较高的链路，在实现负载 平衡的同时确保了安全性。本发明的技术方案具体为
一种基于流量分析和节点信任度的智能路由选择方法，用于在入口路由器节点和目 的节点之间有多条路由并且每条路由只经过一个中间节点的情况，其特征在于，包括 以下各步骤
步骤A、在入口路由器节点处利用数据包捕捉工具实时捕捉数据包并放入缓存队列中； 同时采集与该路由器相连的各条链路的流量；
步骤B、识别数据包的业务类别并根据其业务类别将该数据包发送至相应的业务流队
列；
步骤C、采集与入口路由器相连的各条链路当前的流量，并预测所述各条链路下一时刻 的流量；利用Ersin Uzun和Mark Resat Pariente的信任度管理模型计算所述各条链路中 间节点的信任度；步骤D、按照优先级从高到低的次序依次为各业务流从空闲链路中选择预测流量与信 任度比值最小的链路；当优先级相同时，则按照先到先服务的原则。相比现有的路由选择方法，本发明方法具有以下优点
一、与业务识别相结合，实现了业务的区分；
二、流量分析模块实时预测当前链路的符合情况，为路由选择提供信息，避免了网 络的拥塞；
三、将链路流量以及节点信任度结合起来作为选择路由的一个参数，在平衡负载的 通过同时也确保了网络的可信度；
四、保证了网络的服务质量，实现了网络的可预测、可管理、可控制。
图1为本发明的基于流量分析和节点信任度的智能路由选择方法的流程图。
具体实施例方式下面结合附图对本发明的技术方案进行详细说明 如附图1所示，本发明方法按照以下步骤进行路由选择
步骤A、在入口路由器节点处利用数据包捕捉工具实时捕捉数据包并放入缓存队列中； 同时采集与该路由器相连的各条链路的流量；
在本步骤中，在入口路由器节点处进行数据的实时采集，利用数据包捕捉工具实时捕 捉数据包并放入入口路由器的缓存队列中，以便进行业务的识别与流量分析；同时采集与 该路由器相连的各条链路的流量，为预测该链路下一时刻的流量做准备。步骤B、识别数据包的业务类别并根据其业务类别将该数据包发送至相应的业务 流队列；
在本具体实施方式
中，对捕获到的数据包进行业务类别的识别采用以下方法通过分 析数据包的DS field中的DSCP值，根据预先定义的DSCP值与不同业务的对应关系区分出 不同的业务。当然也可单独采用或综合运用现有的业务识别方法，例如
(1)端口匹配法根据预先建立的端口映射表，识别出不同业务所用的端口；
(2)深度包检测对数据包头部或有效载荷封装的内容进行深入分析来识别不同的业
务；
(3)净荷特征匹配不同业务的数据包的净荷字符串有着一定的特征，据此可以识别出 某些使用动态端口或伪随机端口的业务。步骤C、采集与入口路由器相连的各条链路当前的流量，并预测所述各条链路下一 时刻的流量；利用Ersin Uzun和Mark Resat Pariente的信任度管理模型计算所述各条链 路中间节点的信任度；
本具体实施方式
采用FARIMA模型和小波变化相结合的方法来预测所述各条链路下一 时刻的流量，其中FARIMA模型为现有技术，具体内容可参见文献[胡玉清，谭献海，宋正阳. 基于FARIMA的网络建模与性能分析.计算机工程与设计，2008，29 (18) =4666-4668.]，具 体流量预测按照以下各步骤
a.将得到的t时刻第 条链路的流量式《用db3小波进行3层Mallat小波分解，得
5到近似部分ι和细节部分尖，式，< ；
b.将近似部分和细节部分分别用Mallat算法进行单支重构，得到重构后的近似部 分為以及细节部分A，込力3 ；
c.将為’A為’ A分别用FARIMA模型进行流量预测，得到预测后的分量戎和 Di,玛,Z)丨，其中，FARIMA模型流量预测的公式为
权利要求
一种基于流量分析和节点信任度的智能路由选择方法，用于在入口路由器节点和目的节点之间有多条路由并且每条路由只经过一个中间节点的情况，其特征在于，包括以下各步骤步骤A、在入口路由器节点处利用数据包捕捉工具实时捕捉数据包并放入缓存队列中；同时采集与该路由器相连的各条链路的流量；步骤B、识别数据包的业务类别并根据其业务类别将该数据包发送至相应的业务流队列；步骤C、采集与入口路由器相连的各条链路当前的流量，并预测所述各条链路下一时刻的流量；利用Ersin Uzun和Mark Resat Pariente的信任度管理模型计算所述各条链路中间节点的信任度；步骤D、按照优先级从高到低的次序依次为各业务流从空闲链路中选择预测流量与信任度比值最小的链路；当优先级相同时，则按照先到先服务的原则。
2.如权利要求1所述基于流量分析和节点信任度的智能路由选择方法，其特征在于， 所述步骤C中预测所述各条链路下一时刻的流量，具体按照以下步骤将得到的t时刻第条链路的流量^( )用db3小波进行3层Mallat小波分解， 得到近似部分A和细节部分<32，毛；将近似部分和细节部分分别Mallat算法进行单支重构，得到重构后的近似部分 4以及细节部分A，马，鸟；将為，A, D2, D3分别用FARIMA模型进行流量预测，得到预测后的分量戽和 /^/^鸪，其中；々!^^模型流量预测的公式为
3.如权利要求1所述基于流量分析和节点信任度的智能路由选择方法，其特征在于， 所述利用Ersin Uzun和Mark Resat Pariente的信任度管理模型计算所述各条链路中所 有中间节点的信任度，具体按照以下步骤获取每个节点的信任值Tv ；采用5级分级标准，最初加入的节点值为0，完全可信的节 点信任值为3，不可信节点信任值为-1 ；用Ersin Uzun和Mark Resat Pariente的信任度管理模型修改信任度矢量礼采用八 位二进制向量；信任本^的计算为4 Λ该节点的信任度TR为TR=Tv* ^
4.如权利要求1所述基于流量分析和节点信任度的智能路由选择方法，其特征在于， 所述步骤D具体包括以下各步骤更新路由表，表项依次为SAdd，DAdd，DSCPvalue，TR，PL，分别表示源IP地址、目的IP 地址、DSCP值、下一跳节点的信任度、下一跳节点对应链路的预测流量；计算各节点PL/TR的值，按照优先级从高到低的次序依次为各业务流从空闲链路中选 择PL/TR的值最小的链路；当优先级相同时，则按照先到先服务的原则。
全文摘要
本发明公开了一种基于流量分析和节点信任度的智能路由选择方法，属于网络技术领域。本发明方法适用于在入口路由器节点和目的节点之间有多条路由并且每条路由只经过一个中间节点的情况，首先通过业务识别与标记实现不同业务之间的区分服务，再通过链路流量预测和评估节点的信任度来选取负荷较小且信任度较高的链路。本发明方法在实现负载平衡的同时确保了安全性，从而实现了实时、智能、动态的路由。
文档编号H04L12/56GK101958843SQ20101052626
公开日2011年1月26日 申请日期2010年11月1日 优先权日2010年11月1日
发明者刘静娴, 周井泉, 宁向延, 张顺颐, 谈玲 申请人:南京邮电大学