【技术实现步骤摘要】
本申请实施例涉及通信，尤其涉及一种网络优化方法及设备。
技术介绍
1、为了尽可能的发挥网络的性能，需要对网络的各项配置不断进行调整优化。人工调节的静态配置已经无法满足目前复杂多变的网络环境，因此通过人工智能(artificialintelligence，ai)模型进行网络配置优化是一个重要的优化方向。
2、现有的ai模型进行网络配置的优化方案，通常是先将带有特征标签标识的离线网络流量特征数据输入ai模型进行模型训练。在ai模型训练成功后，可以将网络流量数据输入给ai模型，基于ai模型的推理引擎，ai模型可以根据该网络流量数据推理出对应的最优网络配置并下发。
3、在目前的ai模型进行网络配置的方案中，ai模型是根据离线网络流量数据训练的，随着网络环境的变化，ai模型的推理引擎逻辑并不一定仍适应于当前的网络环境，ai模型的可靠性得不到保证。
技术实现思路
1、本申请实施例提供了一种网络优化方法及设备，能够确保在ai模型可靠的情况进行网络配置的确定和下发。
2、第一方面，本申请实施例提供了一种网络优化方法及设备，应用于网络设备，该方法包括：获取目标网络数据；根据所述目标网络数据确定基于人工智能ai模型的目标场景特征信息；根据所述目标场景特征信息确定目标网络配置信息；确定所述ai模型的可靠度；在根据所述可靠度确定所述ai模型可靠的情况下，下发所述目标网络配置信息。
3、该种可能的实现方式中，在下发目标网络配置信息之前，会确定ai模型是可靠的，
4、在第一方面一种可能的实现方式中，上述方法还包括：根据离线网络数据构建所述ai模型。
5、在第一方面一种可能的实现方式中，上述构建ai字典模型包括：根据离线网络数据确定所述ai模型的样本集合信息，所述样本集合信息包括场景特征信息、类别标识和网络配置信息，其中，所述场景特征信息包括网络数据的带宽、时延、丢包数和拥塞状况，所述类别标签指示所述场景特征信息的样本类别，所述最优配置集合指示所述场景特征信息的样本类别对应的网络配置信息。
6、在第一方面一种可能的实现方式中，上述根据所述目标场景特征信息确定目标网络配置信息，包括：根据所述目标样本特征信息确定对应的所述ai模型中的目标样本集合信息；根据所述目标样本集合信息确定对应的目标类别标识；根据所述目标类别标识确定对应的目标网络配置信息。
7、该种可能的实现方式中，目标样本集合信息与目标类别标识的映射关系，目标类别标识与目标网络配置信息的映射关系，ai模型通过二级字典映射确定对应的网络配置信息实现网络配置信息的确定。
8、在第一方面一种可能的实现方式中，上述根据所述目标样本特征信息确定对应的所述ai模型中的目标样本集合信息，包括：确定所述目标样本特征信息与所述ai模型的最近邻距离，所述最近邻距离为所述目标样本特征信息与所述ai模型的多个样本集合信息之间的最近邻距离；确定所述最近邻距离对应的所述ai模型的目标样本集合信息。
9、该种可能的实现方式中，基于目标样本特征信息目标样本特征信息通过最近邻距离确定目标样本集合信息，具体提供了一种确定目标样本集合信息的方法，增强了本申请实施例的可实现性。
10、在第一方面一种可能的实现方式中，上述根据所述样本特征信息确定目标网络配置信息，包括：确定与所述目标样本特征信息邻近的所述ai模型的k个样本集合信息；确定所述k个样本集合信息对应的k个网络配置信息；根据所述k个网络配置信息确定目标网络配置信息。
11、该种可能的实现方式中，基于多个网络配置信息确定目标网络配置信息，减小了单一模型样本对于ai模型输出的网络配置信息的影响。
12、在第一方面一种可能的实现方式中，上述确定ai模型的可靠度，包括：确定所述目标样本特征信息与所述ai模型的最近邻距离；根据所述最近邻距离确定所述ai模型的可靠度。
13、在第一方面一种可能的实现方式中，上述方法还包括：确定所述ai模型的模型样本的老化指数。
14、在第一方面一种可能的实现方式中，上述确定所述ai模型的模型样本的老化参数，包括：确定所述ai模型的模型样本的总命中次数和周期t内的命中次数；根据所述总命中次数和所述周期t内的命中次数确定所述ai模型的模型样本的老化指数。
15、在第一方面一种可能的实现方式中，上述方法还包括：在所述老化指数不满足所述ai模型的老化程度要求的情况下，删除所述ai模型的老化的模型样本。
16、该种可能的实现方式，通过删除ai模型的老化的模型样本，保证了ai模型的样本未老化，实现了ai模型了实时纠错。
17、在第一方面一种可能的实现方式中，上述方法还包括：确定所述ai模型是否需要纠错；在所述ai模型需要纠错的情况下，删除所述ai模型中需要纠错的模型样本。
18、在第一方面一种可能的实现方式中，上述确定所述ai模型是否需要纠错包括：获取网络特征变化信息；根据所述网络特征变化信息确定纠错指数；根据所述纠错指数确定所述ai模型是否需要纠错。
19、该种可能的实现方式中，通过纠错检测，对ai模型进行纠错处理，实现ai模型的自我更新纠错。
20、在第一方面一种可能的实现方式中，上述方法还包括：在根据所述可靠度确定所述ai模型不可靠的情况下，通过配置探索确定目标网络配置信息。
21、在第一方面一种可能的实现方式中，上述通过配置探索确定目标网络配置信息，包括：进行反馈式网络配置探索；确定所述配置探索已经收敛；确定所述目标网络配置信息。
22、在第一方面一种可能的实现方式中，在进行反馈式网络配置探索之前，上述方法还包括：获取网络状态信息；根据所述网络状态信息确定网络状态稳定；所述进行反馈式网络配置探索，包括：在确定网络状态稳定的情况下，进行反馈式网络配置探索。
23、在第一方面一种可能的实现方式中，在所述目标网络配置信息不满足预设要求的情况下，上述方法还包括：进行随机探索；重新确定目标网络配置信息。
24、在第一方面一种可能的实现方式中，上述方法还包括：根据所述目标网络配置信息确定对应的目标样本类别；
25、在第一方面一种可能的实现方式中，上述ai模型的样本集合信息不包括所述目标样本类别，上述方法还包括：在所述ai模型中新增所述目标网络配置信息对应的目标样本类别。
26、在第一方面一种可能的实现方式中，上述方法还包括：根据所述目标网络配置信息、所述目标样本类别和所述目标场景特征信息更新所述ai模型的样本集合信息
27、该种可能的实现方式中，网络设备可以通过在线配置探索确定最优配置，还可以根据当前探索的收敛状况与目标状态的距离，进行随机探索，防止局部最优。从而实现ai模型的自主实时在线增量学习，无需人工干预，在未知场景保障模型良好的泛化性，确保了未知场景的优化效本文档来自技高网...
【技术保护点】
1.一种网络优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述构建AI字典模型包括：
4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述目标场景特征信息确定目标网络配置信息，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标样本特征信息确定对应的所述AI模型中的目标样本集合信息，包括：
6.根据权利要求4所述的方法，其特征在于，所述根据所述样本特征信息确定目标网络配置信息，包括：
7.根据权利要求5或6所述的方法，其特征在于，所述确定AI模型的可靠度，包括：
8.根据权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：
9.根据权利要求8所述的方法，其特征在于，所述确定所述AI模型的模型样本的老化参数，包括：
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
11.根据权利要求1-10任一项所述的方法，其特征在于，所述方
12.根据权利要求11所述的方法，其特征在于，所述确定所述AI模型是否需要纠错包括：
13.根据权利要求1所述的方法，其特征在于，所述方法还包括：
14.根据权利要求13所述的方法，其特征在于，所述通过配置探索确定目标网络配置信息，包括：
15.根据权利要求14所述的方法，其特征在于，在进行反馈式网络配置探索之前，所述方法还包括：
16.根据权利要求14或15所述的方法，其特征在于，在所述目标网络配置信息不满足预设要求的情况下，所述方法还包括：
17.根据权利要求16所述的方法，其特征在于，所述方法还包括：
18.根据权利要求16所述的方法，其特征在于，所述AI模型的样本集合信息不包括所述目标样本类别，所述方法还包括：
19.根据权利要求17或18所述的方法，其特征在于，所述方法还包括：
20.一种网络设备，其特征在于，所述网络设备包括：
21.一种网络设备，其特征在于，所述网络设备包括处理器和存储器；所述处理器与所述存储器耦合；所述存储器用于存储计算机指令，所述计算机指令由所述处理器加载并执行以使网络设备实现如权利要求1-19任一项所述的方法。
22.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条计算机程序指令，所述计算机程序指令由处理器加载并执行以实现如权利要求1-19任一项所述的方法。
...【技术特征摘要】
1.一种网络优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述构建ai字典模型包括：
4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述目标场景特征信息确定目标网络配置信息，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标样本特征信息确定对应的所述ai模型中的目标样本集合信息，包括：
6.根据权利要求4所述的方法，其特征在于，所述根据所述样本特征信息确定目标网络配置信息，包括：
7.根据权利要求5或6所述的方法，其特征在于，所述确定ai模型的可靠度，包括：
8.根据权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：
9.根据权利要求8所述的方法，其特征在于，所述确定所述ai模型的模型样本的老化参数，包括：
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
11.根据权利要求1-10任一项所述的方法，其特征在于，所述方法还包括：
12.根据权利要求11所述的方法，其特征在于，所述确定所述ai模型是否需要纠错包括：
13.根据权利要求1所...
【专利技术属性】
技术研发人员：贾希彤，孟柯，周培培，王伟光，閤先军，
申请(专利权)人：华为技术有限公司，
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。