一种基于人工智能的交换机业务报文分流方法及系统与流程

本发明属于数据处理，具体是一种基于人工智能的交换机业务报文分流方法及系统。

背景技术：

1、交换机业务报文分流方法是指将网络交换机接收到的业务报文根据特定规则进行智能分流和管理的方法，旨在实现对网络流量的智能化管理和调度，提高网络安全性和可用性，提升用户体验。但是现有的交换机业务报文分流方法，存在业务报文数据包含多层次信息，难以准确进行分类处理，导致分流困难的技术问题；存在大规模流量管理的业务报文数据，高速涌入系统，导致处理压力大，难以进行有效的管理的技术问题。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本发明提供了一种基于人工智能的交换机业务报文分流方法及系统，针对存在业务报文数据包含多层次信息，难以准确进行分类处理，导致分流困难的技术问题，采用定义报文分类模型的参数，通过最小化目标函数得到估计参数，并计算经验风险，引入层次结构，得到基于多层次结构的报文分类模型；针对存在大规模流量管理的业务报文数据，高速涌入系统，导致处理压力大，难以进行有效的管理的技术问题，采用计算平均团簇能量的标准差和平均簇大小的标准差，得到节点在集群中的邻近程度，动态调整集群中的负载分配，提高系统分流能力。

2、本发明采取的技术方案如下：本发明提供的一种基于人工智能的交换机业务报文分流方法，该方法包括以下步骤：

3、步骤s1：数据采集；

4、步骤s2：报文特征提取；

5、步骤s3：建立报文分类模型，具体为定义报文分类模型的参数，通过最小化目标函数得到估计参数，并计算经验风险，引入层次结构，得到基于多层次结构的报文分类模型；

6、步骤s4：负载均衡，具体为计算平均团簇能量的标准差和平均簇大小的标准差，得到节点在集群中的邻近程度，动态调整集群中的负载分配，提高系统分流能力；

7、步骤s5：实时监测。

8、进一步地，在步骤s1中，所述数据采集，具体为连接网络流量分析仪，捕获经过交换机的报文流量，提取业务报文数据。

9、进一步地，在步骤s2中，所述报文特征提取，包括以下步骤：

10、步骤s21：基本特征提取，包括报文长度、报文时间戳、报文来源和报文协议；

11、步骤s22：统计特征提取，包括总字节数、平均包长度、包的数量和包到达间隔时间；

12、步骤s23：协议特征提取，包括tcp特征、http特征和dns特征；

13、步骤s24：流量特征提取，包括流量方向特征和流量大小特征。

14、进一步地，在步骤s3中，所述建立报文分类模型，包括以下步骤：

15、步骤s31：输入报文特征，对提取的报文特征进行数据预处理，并输入报文分类模型；

16、步骤s32：定义报文分类模型的参数，所用公式如下：

17、；

18、式中，w是参数向量集合，e是层次结构，n是层次结构集合，we是第e个层次结构的参数向量；

19、步骤s33：估计参数，通过最小化目标函数得到估计参数，所用公式如下：

20、；

21、式中，是参数向量的估计值，argmin表示求取使目标函数最小化的参数值，所述目标函数是[λ（w）+α×remp]，λ（w）是正则化项，有助于控制模型复杂度，防止过拟合，remp表示训练数据集上的经验风险，是模型在训练数据集上产生损失的总和，α是调节参数，用于平衡正则化项和经验风险之间的权重；

22、步骤s34：计算经验风险，报文分类模型的经验风险定义为层次结构中叶节点处的实例产生的损失，所用公式如下：

23、；

24、式中，l是损失函数，n是叶节点，所述叶节点是层次结构中的末端节点，代表报文最终的分类结果，t是层次结构中的所有叶节点总和，m是每个叶节点中的所有实例，i是实例的索引，表示具体的报文在业务报文数据中的位置，yi是实例i的真实值，ei是实例i的特征集合，wn是叶节点n的参数，用于确定具体分类的阈值；

25、步骤s35：引入层次结构，将递归结构合并到正则化项中，所用公式如下：

26、；

27、式中，wτ（n）是叶节点n的父节点参数，表示两个参数向量之间的欧式距离的平方，用于衡量报文分类模型参数的差异。

28、进一步地，在步骤s4中，所述负载均衡，包括以下步骤：

29、步骤s41：计算平均团簇能量的标准差，所用公式如下：

30、；

31、式中，k是集群的数量，i是集群的索引，σce是平均团簇能量的标准差，σce的值越低，适应度的值越高，ξi是第i个集群的平均团簇能量；

32、步骤s42：计算平均簇大小的标准差，所用公式如下：

33、；

34、式中，σcs是平均簇大小的标准差，σcs的值越低，适应度的值越高，θ是平均簇大小的期望值，θi是第i个集群的簇的大小；

35、步骤s43：计算节点在集群中的邻近程度，所用公式如下：

36、；

37、式中，μ是节点在集群中的邻近程度，k是比例常数，dm（a，b）是节点a和节点b之间在第m个集群中的距离；

38、步骤s44：负载分配，通过综合考虑平均团簇能量、平均簇大小和节点在集群中的邻近程度，动态调整集群中的负载分配，实现更均衡的负载分布，提高分流能力。

39、进一步地，在步骤s5中，所述实时监测具体为监测分流结果的实时性和准确性，及时反馈给系统管理员，不断优化分流策略和报文分类模型参数。

40、本发明提供的一种基于人工智能的交换机业务报文分流系统，包括数据采集模块、报文特征提取模块、建立报文分类模型模块、负载均衡模块和实时监测模块；

41、所述数据采集模块，具体为连接网络流量分析仪，捕获经过交换机的报文流量，提取业务报文数据；

42、所述报文特征提取模块，具体为进行基本特征提取、统计特征提取、协议特征提取和流量特征提取；

43、所述建立报文分类模型模块，具体为定义报文分类模型的参数，通过最小化目标函数得到估计参数，并计算经验风险，引入层次结构，得到基于多层次结构的报文分类模型；

44、所述负载均衡模块，具体为计算平均团簇能量的标准差和平均簇大小的标准差，得到节点在集群中的邻近程度，动态调整集群中的负载分配，提高系统分流能力；

45、所述实时监测模块，具体为监测分流结果的实时性和准确性，及时反馈给系统管理员，不断优化分流策略和报文分类模型参数。

46、采用上述方案本发明取得的有益成果如下：

47、（1）针对存在业务报文数据包含多层次信息，难以准确进行分类处理，导致分流困难的技术问题，采用定义报文分类模型的参数，通过最小化目标函数得到估计参数，并计算经验风险，引入层次结构，得到基于多层次结构的报文分类模型；

48、（2）针对存在大规模流量管理的业务报文数据，高速涌入系统，导致处理压力大，难以进行有效的管理的技术问题，采用计算平均团簇能量的标准差和平均簇大小的标准差，得到节点在集群中的邻近程度，动态调整集群中的负载分配，提高系统分流能力。