【摘要】：隨著當前接入網(wǎng)家庭網(wǎng)絡業(yè)務中數(shù)據(jù)流量的快速增長,對于有限的網(wǎng)絡資源,往往因為應用相互搶占資源而達不到實際承載效果。及時準確對網(wǎng)絡中業(yè)務進行區(qū)分承載對于提升網(wǎng)絡性能和保障業(yè)務服務質(zhì)量等具有重要意義,家庭多業(yè)務承載已成為整個業(yè)務承載網(wǎng)絡中的關鍵一環(huán)。家庭網(wǎng)絡中無線接入的業(yè)務流量具有數(shù)據(jù)量大、加密和數(shù)據(jù)包長度分布不均等特點,業(yè)務承載系統(tǒng)需要實時對其快速分類并進行流量控制。傳統(tǒng)的業(yè)務承載設計主要根據(jù)設備MAC地址限定設備產(chǎn)生的流量,來提高承載性能。而通過對移動終端應用流量進行識別,業(yè)務承載系統(tǒng)能對具體業(yè)務類型的應用進行流量控制,不在局限于控制某個設備的流量,帶寬控制下沉到應用側(cè)。為保證數(shù)據(jù)流大的業(yè)務出現(xiàn)后獲得更好的業(yè)務承載性能,本文分析了移動應用流量的時間特征和空間特征,基于樹莓派搭建實驗平臺,建立了基于卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network,CNN)和長短期記憶(Long Short-Term Memory,LSTM)網(wǎng)絡的業(yè)務承載系統(tǒng)(Service Carrying System,SCS)。研究了移動終端應用在業(yè)務承載系統(tǒng)中的承載性能,具體研究工作及貢獻包括:1.研究了網(wǎng)絡數(shù)據(jù)流的空間特征,基于CNN基本原理設計并構(gòu)建了在樹莓派平臺上的CNN業(yè)務承載系統(tǒng)。通過該系統(tǒng)建立了CNN網(wǎng)絡分類模型和實時流量控制模型,并設計了適用于CNN網(wǎng)絡分類模型的訓練數(shù)據(jù)集,同時分析了網(wǎng)絡流長度、CNN網(wǎng)絡模型參數(shù)對分類結(jié)果的影響及業(yè)務承載系統(tǒng)對實時流量的控制;2.研究了網(wǎng)絡數(shù)據(jù)流的時間特征,利用LSTM處理時間序列的原理,在樹莓派上搭建了基于LSTM網(wǎng)絡的業(yè)務承載系統(tǒng)。通過此系統(tǒng)建立了LSTM網(wǎng)絡和數(shù)據(jù)流控制模型,設計了原始數(shù)據(jù)轉(zhuǎn)成訓練集的方法,同時分析了網(wǎng)絡流序列的長度、序列元素的長度、LSTM模型參數(shù)對分類結(jié)果的影響及業(yè)務承載系統(tǒng)對數(shù)據(jù)流的控制。
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TN92

【參考文獻】

相關博士學位論文 前1條

1 王偉;基于深度學習的網(wǎng)絡流量分類及異常檢測方法研究[D];中國科學技術大學;2018年

相關碩士學位論文 前1條

1 胡新辰;基于LSTM的語義關系分類研究[D];哈爾濱工業(yè)大學;2015年

，

本文編號：2594991