技术特征：
1.一种系统，包括：实时网络装置，在所述实时网络装置上配置有多个参数，所述多个参数控制对网络中由网络装置转发的订户分组流应用的服务；以及机器学习装置，能够操作为监测所述订户分组流并应用机器学习模型来识别所监测的订户分组流中的模式，并且所述机器学习装置能够操作为基于所述所监测的订户分组流中的模式来动态地改变所述多个参数中的至少一个。2.根据权利要求1所述的系统，其中，所述实时网络装置包括载波级网络地址转换(cgnat)装置，并且所述多个参数中的至少一个包括以下中的至少一个：端口块大小、nat映射超时值、nat会话非活动超时值以及每订户最大会话值。3.根据权利要求1-2中任一项所述的系统，其中，所述cgnat装置包括所述机器学习装置。4.根据权利要求1所述的系统，其中，所述实时网络装置包括软件定义的广域网装置，并且所述多个参数中的至少一个包括创建阈值和删除阈值中的至少一个，其中，并且所述实时网络装置能够操作为响应于确定两个站点之间的订户分组流的数量超过所述创建阈值而在所述两个站点之间创建至少一个全网格隧道，并且所述实时网络装置能够操作为响应于确定所述两个站点之间的订户分组流的数量低于所述删除阈值而在所述两个站点之间删除所述至少一个全网格隧道。5.根据权利要求1和4中任一项所述的系统，其中，所述多个参数中的至少一个包括应用体验质量(appqoe)服务级别协议参数。6.根据权利要求1或4所述的系统，其中，所述多个参数中的至少一个包括appqoe探测间隔和appqoe探测计数中的至少一个。7.根据权利要求1所述的系统，其中，所述实时网络装置包括流导出器，并且所述多个参数中的至少一个包括以下中的至少一个：流非活动超时、非活动导出超时和活动导出超时。8.根据权利要求1所述的系统，其中，所述机器学习装置通过管理守护程序来改变所述多个参数中的至少一个。9.根据权利要求1、2、4、7和8中任一项所述的系统，其中，所述多个参数中的至少一个参数进一步基于一天中的时间而改变。10.根据权利要求1、2、4、7和8中任一项所述的系统，其中，所述改变包括：自动改变预定时间段，并且如果在所述预定时间段内未接收到指示批准所述改变的数据，则在所述预定时间段之后反转所述改变。11.一种方法，包括：由机器学习装置监测订户分组流；由所述机器学习装置应用机器学习模型来识别所监测的订户分组流中的模式；并且基于所述所监测的订户分组流中的模式来动态地改变实时网络装置的多个参数中的至少一个，其中，所述多个参数被配置在所述实时网络装置上，并且控制对所述订户分组流应用的服务。12.根据权利要求11所述的方法，其中，所述实时网络装置包括载波级网络地址转换
(cgnat)装置，并且所述多个参数中的至少一个包括以下中的至少一个：端口块大小、nat映射超时值、nat会话非活动超时值以及每订户最大会话值。13.根据权利要求11-12中任一项所述的方法，其中，所述cgnat装置包括所述机器学习装置。14.根据权利要求11所述的方法，其中，所述实时网络装置包括软件定义的广域网装置，并且所述多个参数中的至少一个包括创建阈值和删除阈值中的至少一个，所述方法进一步包括：由所述实时网络装置响应于确定两个站点之间的订户分组流的数量超过所述创建阈值而在所述两个站点之间创建至少一个全网格隧道，并且由所述实时网络装置响应于确定所述两个站点之间的订户分组流的数量低于所述删除阈值而在所述两个站点之间删除所述至少一个全网格隧道。15.根据权利要求11和14中任一项所述的方法，其中，所述多个参数中的至少一个包括应用体验质量(appqoe)服务级别协议参数。16.根据权利要求11和14中任一项所述的方法，其中，所述多个参数中的至少一个包括appqoe探测间隔或appqoe探测计数中的至少一个。17.根据权利要求11所述的方法，其中，所述实时网络装置包括流导出器，并且所述多个参数中的至少一个包括以下中的至少一个：流非活动超时、非活动导出超时和活动导出超时。18.根据权利要求11所述的方法，其中，所述改变包括通过管理守护程序进行改变。19.根据权利要求11、12、14、17和18中任一项所述的方法，其中，所述改变还基于一天中的时间。20.根据权利要求11、12、14、17和18中任一项所述的方法，其中，所述改变包括：自动改变预定时间段，并且如果在所述预定时间段内未接收到指示批准所述改变的数据，则在所述预定时间段之后反转所述改变。21.一种用指令编码的计算机可读存储介质，用于使一个或多个可编程处理器执行根据权利要求11-20中任一项所述的方法。