【技术实现步骤摘要】
本专利技术的实施方式涉及数据通信中ip电信网络、sdn控制器领域，更具体地，本专利技术的实施方式涉及一种基于机器学习的igp仿真推荐方法、装置及介质。
技术介绍
1、本部分旨在为权利要求书中陈述的本专利技术的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
2、igp(interior gateway protocol，内部网关协议)：是在一个自治网络内网关(主机和路由器)间交换路由信息的协议。路由信息能用于网间协议(ip)或者其它网络协议来说明路由传送是如何进行的。igp协议包括rip、ospf、is-is、igrp、eigrp。
3、机器学习:是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
4、在现有的计算机网络中，igp仿真算法技术已相对成熟，各大运营商或者网络工程师在规划网络拓扑结构时，只要指定了入参数据(节点、节点间的链路，以及链路的metric值)，就可以通过一定的算法仿真出metric值最优的igp拓扑图，从而找到各个节点间的最佳直连路径走向。并且规划时，也可以指定修改一些仿真入参，比如修改一些链路是否中断，修改一些链路的metric值，从而仿真出自定义的网络拓扑走向。
5、但是这种方式存在诸多问题：首先人工干预程度太大，往往都是凭借网络工程师的个人经验，去不断迭代仿真的链路入参，效率低，耗时严
6、基于机器学习的方式进行igp仿真，可以完美解决上述问题。主要基于机器学习，将实时监控和采集到的骨干中继链路的主要性能指标，进行分析、汇总、特征数据提取、模型训练等过程后，最终得到推荐的仿真入参。该结果无需人工进行干预，而是使用机器学习训练模型，自动分析和处理大量历史真实链路情况数据，发现隐藏在数据中的规律，从而得出的一条条仿真推荐结果。不仅提高了效率，仿真结果的可靠性也得到了保障。同时，网络工程师还可以进行定制化的入参推荐，比如想分别得到时延优先、丢包优先、带宽优先等条件下的仿真入参，从而仿真到最佳适配网络工程师所需的igp仿真结果。
技术实现思路
1、在本上下文中，本专利技术的实施方式期望提供一种基于机器学习的igp仿真推荐方法、装置及介质。
2、在本专利技术实施方式的第一方面中，提供了一种基于机器学习的igp仿真推荐方法，包括：
3、采集网络链路的主要性能指标；
4、对所述主要性能指标进行预处理和特征提取，得到特征数据；
5、基于所述特征数据训练机器学习模型，得到训练好的机器学习模型；
6、由所述训练好的机器学习模型推荐最佳的仿真参数。
7、在本实施方式的一个实施例中，所述采集网络链路的主要性能指标，包括：
8、根据路由表信息、日志信息和检测报文得到当前设备节点与邻居节点构成的骨干中继电路的主要性能指标的报文信息；
9、对所述主要性能指标的报文信息进行关键字提取，获取每个时间戳下对应每条链路的时延值、丢包率、带宽指标值；
10、其中，所述主要性能指标包括：时延值、丢包率和带宽。
11、在本实施方式的一个实施例中，所述对所述主要性能指标进行预处理和特征提取，得到特征数据，包括：
12、基于链路断路情况对所述主要性能指标进行预处理，得到预处理数据；
13、将时延、丢包、带宽这三个性能做标签项对所述预处理数据进行特征提取，得到特征数据。
14、在本实施方式的一个实施例中，所述基于链路断路情况对所述主要性能指标进行预处理，得到预处理数据，包括：
15、记录好存在链路中断情况下的时间区间，将所述时间区间内，性能出现波峰或波谷的链路对应的数据判定为异常数据，进行清除；
16、采用pandas.isnull.sum()方法检查出数据的缺失比例，当缺失比例小于设定阈值时，采用均值法填补缺失数据，得到完整数据；
17、对所述完整数据进行数据规范化处理，得到预处理数据。
18、在本实施方式的一个实施例中，所述基于所述特征数据训练机器学习模型，得到训练好的机器学习模型，包括：
19、由所述特征数据构建数据集，将所述数据集划分为训练集、验证集和测试集；
20、采用所述训练集对深度神经网络模型进行训练，得到初步训练好的机器学习模型；
21、基于所述验证集和测试集对所述初步训练好的机器学习模型进行验证和测试，将同时通过验证和测试的初步训练好的机器学习模型作为训练好的机器学习模型。
22、在本实施方式的一个实施例中，所述采用所述训练集对机器学习进行训练，得到初步训练好的机器学习模型，包括：
23、采用torch.nn构建神经网络，利用函数torch.tensor将输出到网络模型中的数据转化为模型能接收的张量格式；
24、初始化权重参数，并定义学习率和每次计算所得的损失列表；
25、进行小批量随机梯度下降，循环指定次数n，每次通过激活函数relu使得输出层结果投射正确，通过平均损失函数计算损失，将每次的损失转为numpy格式并添加到损失列表中；
26、通过每次循环不断更新权重参数值，得到初步训练好的机器学习模型。
27、在本实施方式的一个实施例中，所述基于所述验证集和测试集对所述初步训练好的机器学习模型进行验证和测试，将同时通过验证和测试的初步训练好的机器学习模型作为训练好的机器学习模型，包括：
28、采用验证集对训练好的机器学习模型进行验证，根据验证结果调整初步训练好的机器学习模型的超参数和结构；
29、采用测试集对调整后的初步训练好的机器学习模型进行测试，基于测试结果与测试集采用均方误差指标作为损失函数评估调整后的初步训练好的机器学习模型的性能，当性能达到设定性能阈值时，将调整后的初步训练好的机器学习模型作为训练好的机器学习模型。
30、在本专利技术实施方式的第二方面中，提供了一种基于机器学习的igp仿真推荐装置，包括：
31、采集模块，用于采集网络链路的主要性能指标；
32、特征提取模块，用于对所述主要性能指标进行预处理和特征提取，得到特征数据；
33、模型训练模块，用于基于所述特征数据训练机器学习模型，得到训练好的机器学习模型；...
【技术保护点】
1.一种基于机器学习的IGP仿真推荐方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述采集网络链路的主要性能指标，包括：
3.如权利要求1所述的方法，其特征在于，所述对所述主要性能指标进行预处理和特征提取，得到特征数据，包括：
4.如权利要求3所述的方法，其特征在于，所述基于链路断路情况对所述主要性能指标进行预处理，得到预处理数据，包括：
5.如权利要求1所述的方法，其特征在于，所述基于所述特征数据训练机器学习模型，得到训练好的机器学习模型，包括：
6.如权利要求5所述的方法，其特征在于，所述采用所述训练集对机器学习进行训练，得到初步训练好的机器学习模型，包括：
7.如权利要求5所述的方法，其特征在于，所述基于所述验证集和测试集对所述初步训练好的机器学习模型进行验证和测试，将同时通过验证和测试的初步训练好的机器学习模型作为训练好的机器学习模型，包括：
8.一种基于机器学习的IGP仿真推荐装置，其特征在于，包括：
9.一种计算设备，所述计算设备包括：
10
...【技术特征摘要】
1.一种基于机器学习的igp仿真推荐方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述采集网络链路的主要性能指标，包括：
3.如权利要求1所述的方法，其特征在于，所述对所述主要性能指标进行预处理和特征提取，得到特征数据，包括：
4.如权利要求3所述的方法，其特征在于，所述基于链路断路情况对所述主要性能指标进行预处理，得到预处理数据，包括：
5.如权利要求1所述的方法，其特征在于，所述基于所述特征数据训练机器学习模型，得到训练好的机器学习模型，包括：
6.如权利要求5所述的方法，其特征...
【专利技术属性】
技术研发人员：翟旭，赵晓彤，徐昆，许梦，马春鸣，宋航宇，
申请(专利权)人：中电信数智科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。