【技术实现步骤摘要】
本专利技术涉及路由配置，具体是基于无监督学习的路由配置策略智能分析系统。
技术介绍
1、基于无监督学习的路由配置策略智能分析系统是一种利用无监督学习算法来分析网络路由器配置和流量数据的系统，通过这种系统，网络管理员可以自动发现和理解网络中的模式、趋势和异常，从而优化路由器配置，提高网络性能和安全性，这种系统可以帮助管理员更好地管理复杂的网络环境，减少手动调整的工作量，并及时应对潜在的网络问题；
2、在现有技术中，路由设备的配置往往是孤立于网络设备之外的，也就是说，一方面对于路由设备的配置位置缺乏与网络设备的部署位置的联系，另一方面，对于路由设备的配置数量忽略了其日常的数据处理量，结果导致数据处理的效率低下，且不同路由设备之间的数据处理量缺乏平衡，针对现有技术的不足，本专利技术提供了基于无监督学习的路由配置策略智能分析系统。
技术实现思路
1、本专利技术的目的在于提供基于无监督学习的路由配置策略智能分析系统。
2、本专利技术的目的可以通过以下技术方案实现：基于无监督学习的路由配置策略智能分析系统，包括主控中心，所述主控中心通信连接有地图构建模块、数据采集模块、拓扑分析模块、设备连接模块、模型构建模块、设备调节模块；
3、所述地图构建模块用于对网络设备的部署位置进行采集，根据所采集的部署位置构建网络设备的可视化地图；
4、所述数据采集模块用于对网络设备的流量数据进行采集，根据所采集的流量数据构建网络设备的时序特征图；
5、所述
6、所述设备连接模块用于根据路由设备的配置位置和网络设备的时序特征图生成两者的连接信息，根据所生成的连接信息对路由设备和网络设备进行连接；
7、所述模型构建模块用于根据与路由设备相连接的网络设备的时序特征图构建该路由设备的流量预测模型，并通过流量预测模型获得路由设备的流量趋势；
8、所述设备调节模块用于根据各个路由设备的流量趋势，对路由设备和网络设备的连接信息进行调节。
9、进一步的，所述地图构建模块对网络设备的部署位置进行采集，根据所采集的部署位置构建网络设备的可视化地图的过程包括：
10、构建应用场景的二维坐标系，对网络设备的部署位置进行采集，以网络设备在二维坐标系中的二维坐标进行表示，利用gis技术根据所构建的二维坐标系和所采集的部署位置，构建网络设备的可视化地图。
11、进一步的，所述数据采集模块对网络设备的流量数据进行采集，根据所采集的流量数据构建网络设备的时序特征图的过程包括：
12、对网络设备所传输的流量数据进行采集，将所采集的流量数据按照其采集时间进行划分，将同一时间段所采集的流量数据划分入同一个流量时序特征，根据所获得的流量时序特征构建不同时间段的时序特征图。
13、进一步的，所述拓扑分析模块在可视化地图中构建网络设备的拓扑环和拓扑点，并获得各个拓扑点的拓扑密度的过程包括：
14、采取穷举法将任意三个网络设备编为一组，将各组网络设备彼此连接以获得若干个拓扑环，根据各组网络设备的部署位置获得拓扑环的拓扑点，并构建各个拓扑点的拓扑区域，将各个拓扑区域内的网络设备数量标记为相应拓扑点的拓扑密度。
15、进一步的，所述拓扑分析模块结合时序特征图获得各个拓扑点的流量强度，根据拓扑密度和流量强度获得路由设备的配置位置和配置数量的过程包括：
16、将网络设备在其所有时间段的时序特征图中的最高值标记为最高流量，将各个拓扑区域内所有网络设备的最高流量的总和作为相应拓扑点的流量强度，设置密度标准和强度标准；
17、若拓扑点的拓扑密度和流量强度分别超过密度标准和强度标准时，则将该拓扑点标记为配置点，在各个配置点上分别设置路由设备，将配置点的总数标记为路由设备的配置数量，将配置点的二维坐标标记为路由设备的配置位置。
18、进一步的，所述设备连接模块根据路由设备的配置位置和网络设备的时序特征图生成两者的连接信息，根据所生成的连接信息对路由设备和网络设备进行连接的过程包括：
19、对路由设备的覆盖范围和流量阈值进行采集，根据覆盖范围构建路由设备的覆盖区域，并获得各个覆盖区域内的网络设备，根据连接至同一路由设备的网络设备的时序特征图获得该路由设备的流量系数，将所获得的流量系数和流量阈值进行比较，根据比较结果将路由设备分为不可连接状态和可连接状态；
20、若网络设备被单独覆盖，则将其连接至形成单独覆盖的路由设备，若网络设备被重复覆盖，则将其连接至形成重复覆盖的路由设备中覆盖数量最低的路由设备，所述覆盖数量是指该路由设备的覆盖区域内的网络设备数量，所连接的路由设备均应为可连接状态，根据网络设备与其所连接的路由设备的对应关系以及两者的二维坐标生成相应的连接信息，根据所生成的连接信息对路由设备和网络设备分别进行连接。
21、进一步的，所述模型构建模块根据与路由设备相连接的网络设备的时序特征图构建该路由设备的流量预测模型，并通过流量预测模型获得路由设备的流量趋势的过程包括：
22、根据与路由设备所连接的网络设备的时序特征图获得路由设备的时序特征图，在所获得的时序特征图中对路由设备的统计特征、频域特征、时域特征分别进行提取；
23、利用无监督学习算法根据所提取的各项特征构建路由设备的流量预测模型，通过所构建的流量预测模型对流量设备在下一时间段的流量趋势进行预测，包括上升趋势、下降趋势、持平趋势。
24、进一步的，所述设备调节模块根据各个路由设备的流量趋势，对路由设备和网络设备的连接信息进行调节的过程包括：
25、在各个路由设备之间建立通信连接，用于对尚未处理的网络设备的流量数据在不同路由设备之间进行转移，对于处于上升趋势的路由设备，将与其所连接的部分网络设备的流量数据转移至处于下降趋势的路由设备，并对所转移的网络设备的连接信息进行更新。
26、与现有技术相比，本专利技术的有益效果是：
27、1、本专利技术通过获得网络设备的部署位置，将其均视为一个点进行处理，构建任意三个网络设备的拓扑环和拓扑点，以此为基础能够反映出网络设备的分布情况，进而获得各个拓扑点的拓扑密度和流量强度，能够根据各个拓扑点的情况确定整个应用场景所需的路由设备的配置数量和配置位置，并生成相应的连接信息，能够为网络设备形成灵活的、具有针对性的路由配置策略；
28、2、根据网络设备的时序特征图获得路由设备的时序特征图，能够反映出路由设备在不同时间段的数据处理量情况，利用无监督学习算法根据时序特征图中的各项特征构建路由设备的流量预测模型，以对其后续的流量趋势进行预测，并根据所获得的流量趋势对尚未处理的流量数据进行转移，能够在不同的路由设备之间保持数据处理量的平衡，提本文档来自技高网...
【技术保护点】
1.基于无监督学习的路由配置策略智能分析系统，其特征在于，包括主控中心，所述主控中心通信连接有地图构建模块、数据采集模块、拓扑分析模块、设备连接模块、模型构建模块、设备调节模块；
2.根据权利要求1所述的基于无监督学习的路由配置策略智能分析系统，其特征在于，所述地图构建模块对网络设备的部署位置进行采集，根据所采集的部署位置构建网络设备的可视化地图的过程包括：
3.根据权利要求2所述的基于无监督学习的路由配置策略智能分析系统，其特征在于，所述数据采集模块对网络设备的流量数据进行采集，根据所采集的流量数据构建网络设备的时序特征图的过程包括：
4.根据权利要求3所述的基于无监督学习的路由配置策略智能分析系统，其特征在于，所述拓扑分析模块在可视化地图中构建网络设备的拓扑环和拓扑点，并获得各个拓扑点的拓扑密度的过程包括：
5.根据权利要求4所述的基于无监督学习的路由配置策略智能分析系统，其特征在于，所述拓扑分析模块结合时序特征图获得各个拓扑点的流量强度，根据拓扑密度和流量强度获得路由设备的配置位置和配置数量的过程包括：
6.根据权
7.根据权利要求6所述的基于无监督学习的路由配置策略智能分析系统，其特征在于，所述模型构建模块根据与路由设备相连接的网络设备的时序特征图构建该路由设备的流量预测模型，并通过流量预测模型获得路由设备的流量趋势的过程包括：
8.根据权利要求7所述的基于无监督学习的路由配置策略智能分析系统，其特征在于，所述设备调节模块根据各个路由设备的流量趋势，对路由设备和网络设备的连接信息进行调节的过程包括：
...【技术特征摘要】
1.基于无监督学习的路由配置策略智能分析系统，其特征在于，包括主控中心，所述主控中心通信连接有地图构建模块、数据采集模块、拓扑分析模块、设备连接模块、模型构建模块、设备调节模块；
2.根据权利要求1所述的基于无监督学习的路由配置策略智能分析系统，其特征在于，所述地图构建模块对网络设备的部署位置进行采集，根据所采集的部署位置构建网络设备的可视化地图的过程包括：
3.根据权利要求2所述的基于无监督学习的路由配置策略智能分析系统，其特征在于，所述数据采集模块对网络设备的流量数据进行采集，根据所采集的流量数据构建网络设备的时序特征图的过程包括：
4.根据权利要求3所述的基于无监督学习的路由配置策略智能分析系统，其特征在于，所述拓扑分析模块在可视化地图中构建网络设备的拓扑环和拓扑点，并获得各个拓扑点的拓扑密度的过程包括：
5.根据权利要求4所述的基于无监督学习的...
【专利技术属性】
技术研发人员：李人杰，成牛，苏晨阳，段敏，张宇航，
申请(专利权)人：陕西智网驿成信息科技有限公司，
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。