本發(fā)明有關(guān)于一種憑證預(yù)簽系統(tǒng)及方法，特別是一種根據(jù)預(yù)測(cè)請(qǐng)求流量并預(yù)簽憑證的系統(tǒng)及方法。
背景技術(shù)：
：目前，在線憑證狀態(tài)通訊協(xié)議方法在運(yùn)作上仍主要是采用實(shí)時(shí)在線查詢憑證和回復(fù)憑證等方式，但因目前的回復(fù)簽章系統(tǒng)在進(jìn)行簽章時(shí)會(huì)花費(fèi)較多處理時(shí)間，將會(huì)進(jìn)一步造成回復(fù)客戶端設(shè)備時(shí)的延宕，另外，請(qǐng)求流量因時(shí)段增加也會(huì)對(duì)憑證服務(wù)器和回復(fù)簽章系統(tǒng)造成無(wú)法預(yù)期的負(fù)擔(dān)，在無(wú)法負(fù)荷時(shí)最嚴(yán)重將導(dǎo)致系統(tǒng)當(dāng)機(jī)。而為了避免上述狀況，目前已有些網(wǎng)絡(luò)流量預(yù)測(cè)方法實(shí)行于現(xiàn)行技術(shù)中，目前的網(wǎng)絡(luò)流量預(yù)測(cè)方法主要采用統(tǒng)計(jì)方法和灰色理論來(lái)進(jìn)行預(yù)估，然而該些技術(shù)皆需要進(jìn)行大量統(tǒng)計(jì)，并且因?yàn)橛脩舻恼?qǐng)求流量變異很大，該些技術(shù)很可能得到較大的請(qǐng)求流量估計(jì)誤差，導(dǎo)致預(yù)測(cè)不準(zhǔn)確。關(guān)于流量預(yù)測(cè)的技術(shù)，可參照中華民國(guó)專(zhuān)利號(hào)第i234974號(hào)「植基于灰預(yù)測(cè)來(lái)預(yù)測(cè)分布式阻斷服務(wù)攻擊的機(jī)制」的技術(shù)，其主要是以數(shù)據(jù)收集分類(lèi)模塊，并結(jié)合灰色理論與防范策略進(jìn)行網(wǎng)絡(luò)流量模式的分析與預(yù)測(cè)，以藉此判斷及防御分布式阻斷服務(wù)攻擊；然而，此方法雖然可以進(jìn)行網(wǎng)絡(luò)流量預(yù)測(cè)和防范網(wǎng)絡(luò)攻擊在實(shí)施過(guò)程中，其運(yùn)用灰色理論且需要進(jìn)行大量統(tǒng)計(jì)，和承受網(wǎng)絡(luò)流量變異過(guò)大的可能性，實(shí)證出其網(wǎng)絡(luò)流量估計(jì)值實(shí)非相當(dāng)準(zhǔn)確。且就算系統(tǒng)已預(yù)測(cè)出特定時(shí)段的可能流量值，該如何紓解高峰時(shí)段的負(fù)載量，先前技術(shù)中仍未見(jiàn)有配合的處理模式。綜上所述，故提出一種有效率且系統(tǒng)性的預(yù)測(cè)憑證請(qǐng)求流量系統(tǒng)或方法，并據(jù)其預(yù)先處理特定時(shí)段的憑證可能高負(fù)載量，實(shí)為本發(fā)明所屬領(lǐng)域極其需要的一個(gè)課題。技術(shù)實(shí)現(xiàn)要素：本發(fā)明是包含一種預(yù)測(cè)請(qǐng)求流量的憑證預(yù)簽系統(tǒng)，其是由下列系統(tǒng)與數(shù)據(jù)庫(kù)所組成：其中，本發(fā)明預(yù)測(cè)請(qǐng)求流量的憑證預(yù)簽系統(tǒng)，包含：一憑證數(shù)據(jù)庫(kù)，該憑證數(shù)據(jù)庫(kù)是與外部一憑證狀態(tài)通訊協(xié)議服務(wù)器鏈接，該憑證數(shù)據(jù)庫(kù)儲(chǔ)存有多個(gè)憑證被請(qǐng)求的紀(jì)錄，前述各該憑證被請(qǐng)求的紀(jì)錄是為外部多個(gè)終端設(shè)備向外部該憑證狀態(tài)通訊協(xié)議服務(wù)器請(qǐng)求憑證的紀(jì)錄，也即該憑證數(shù)據(jù)庫(kù)會(huì)將所有時(shí)段中終端設(shè)備請(qǐng)求某一憑證的時(shí)間數(shù)據(jù)儲(chǔ)存于其中；一請(qǐng)求流量預(yù)測(cè)子系統(tǒng)，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)是通過(guò)分析該憑證數(shù)據(jù)庫(kù)中各該憑證被請(qǐng)求的紀(jì)錄，通過(guò)請(qǐng)求流量分群方法將紀(jì)錄分群，或是直接使用紀(jì)錄數(shù)據(jù)，以建立多個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)各該憑證的被請(qǐng)求流量，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)預(yù)測(cè)后將產(chǎn)生一請(qǐng)求流量預(yù)測(cè)值；該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)可通過(guò)一種請(qǐng)求流量分群方法將紀(jì)錄分群后來(lái)訓(xùn)練各該類(lèi)神經(jīng)網(wǎng)絡(luò)，或是直接使用紀(jì)錄數(shù)據(jù)來(lái)訓(xùn)練各該類(lèi)神經(jīng)網(wǎng)絡(luò)，以保留其中預(yù)測(cè)準(zhǔn)確度較高者；該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)更可通過(guò)分析各該憑證被請(qǐng)求的紀(jì)錄以找出被請(qǐng)求流量較高的憑證，以對(duì)這些需求量較高的憑證進(jìn)行預(yù)測(cè)；一回復(fù)簽章子系統(tǒng)，該回復(fù)簽章子系統(tǒng)接收該請(qǐng)求流量預(yù)測(cè)值，并依據(jù)該請(qǐng)求流量預(yù)測(cè)值對(duì)相應(yīng)數(shù)量的各該憑證預(yù)簽章以產(chǎn)生多個(gè)預(yù)簽章憑證狀態(tài)，也即該回復(fù)簽章子系統(tǒng)即為對(duì)某一憑證在特定時(shí)段會(huì)被請(qǐng)求的數(shù)量預(yù)先對(duì)憑證作簽章，以應(yīng)對(duì)該時(shí)段到來(lái)時(shí)的憑證需求；該回復(fù)簽章子系統(tǒng)會(huì)將各該預(yù)簽章憑證狀態(tài)儲(chǔ)存至該憑證數(shù)據(jù)庫(kù)，該憑證數(shù)據(jù)庫(kù)提供各該預(yù)簽章憑證狀態(tài)至外部該憑證狀態(tài)通訊協(xié)議服務(wù)器以供外部各該終端設(shè)備請(qǐng)求憑證。其中，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將進(jìn)行請(qǐng)求流量分群，所述請(qǐng)求流量分群是指該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將依據(jù)時(shí)段統(tǒng)計(jì)后的各該憑證的各時(shí)段流量數(shù)據(jù)化為群集，并計(jì)算且逐步將群集合并，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)可依據(jù)合并后的群集對(duì)各該類(lèi)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。其中，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)是通過(guò)設(shè)定隨機(jī)類(lèi)神經(jīng)網(wǎng)絡(luò)群算法的相關(guān)參數(shù)值以建立各該類(lèi)神經(jīng)網(wǎng)絡(luò)。其中，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)是依據(jù)各該類(lèi)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確度是否通過(guò)一正確率門(mén)坎值以決定是否保留各該類(lèi)神經(jīng)網(wǎng)絡(luò)。其中，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)是將保留下的各該類(lèi)神經(jīng)網(wǎng)絡(luò)各自產(chǎn)生的預(yù)測(cè)值進(jìn)行權(quán)重平均最后產(chǎn)生該請(qǐng)求流量預(yù)測(cè)值。其中，該回復(fù)簽章子系統(tǒng)更可向該憑證數(shù)據(jù)庫(kù)取得各該憑證被請(qǐng)求的紀(jì)錄以分析各該憑證的請(qǐng)求離峰時(shí)段。其中，該回復(fù)簽章子系統(tǒng)可在各該憑證的請(qǐng)求離峰時(shí)段進(jìn)行預(yù)簽章。而本發(fā)明也包含了一種預(yù)測(cè)請(qǐng)求流量的憑證預(yù)簽方法，其步驟包含：1.一請(qǐng)求流量預(yù)測(cè)子系統(tǒng)自一憑證數(shù)據(jù)庫(kù)中取得各該多個(gè)憑證被請(qǐng)求的紀(jì)錄；2.該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)分別依據(jù)各該憑證對(duì)各該憑證被請(qǐng)求的紀(jì)錄依據(jù)時(shí)段統(tǒng)計(jì)出各該憑證的各時(shí)段流量，得依據(jù)憑證的各時(shí)段流量排序以挑選出高請(qǐng)求流量的多個(gè)憑證；3.該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)分別依據(jù)挑選出的各該憑證隨機(jī)建立多個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)以進(jìn)行預(yù)測(cè)各該憑證的被請(qǐng)求流量；4.該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)依據(jù)各該憑證被請(qǐng)求的紀(jì)錄訓(xùn)練各該類(lèi)神經(jīng)網(wǎng)絡(luò)，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)并分析各該類(lèi)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確度以保留高準(zhǔn)確度的各該類(lèi)神經(jīng)網(wǎng)絡(luò)；5.該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)依據(jù)各該類(lèi)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)產(chǎn)生該請(qǐng)求流量預(yù)測(cè)值并傳輸至一回復(fù)簽章子系統(tǒng)；6.該回復(fù)簽章子系統(tǒng)接收該請(qǐng)求流量預(yù)測(cè)值，并得依據(jù)該請(qǐng)求流量預(yù)測(cè)值對(duì)相應(yīng)數(shù)量的各該憑證預(yù)簽章以產(chǎn)生多個(gè)預(yù)簽章憑證狀態(tài)；以及7.該回復(fù)簽章子系統(tǒng)將各該預(yù)簽章憑證狀態(tài)儲(chǔ)存至一憑證數(shù)據(jù)庫(kù)以備取用。而該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)為了進(jìn)一步訓(xùn)練各該類(lèi)神經(jīng)網(wǎng)絡(luò)，該預(yù)測(cè)請(qǐng)求流量的憑證預(yù)簽方法步驟還包含：該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將進(jìn)行請(qǐng)求流量分群，以將歷史的請(qǐng)求流量數(shù)據(jù)分群再輸入訓(xùn)練，所述請(qǐng)求流量分群是為該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將依據(jù)時(shí)段統(tǒng)計(jì)后的各該憑證的各時(shí)段流量數(shù)據(jù)化為群集，并計(jì)算且逐步將群集合并，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)可依據(jù)合并后的群集對(duì)各該類(lèi)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。所述請(qǐng)求流量分群包含下列步驟：1.設(shè)定初始群集步驟，是將各該憑證請(qǐng)求和查詢的紀(jì)錄中任一憑證的每個(gè)時(shí)點(diǎn)的請(qǐng)求流量紀(jì)錄視為一請(qǐng)求流量集合，并以單一時(shí)段中的所有集合作為一群集；2.計(jì)算標(biāo)準(zhǔn)偏差步驟，是計(jì)算前述群集內(nèi)部各請(qǐng)求流量集合的標(biāo)準(zhǔn)偏差；3.計(jì)算距離步驟，是計(jì)算前述群集之間的請(qǐng)求流量集合的距離；4.計(jì)算距離標(biāo)準(zhǔn)偏差步驟，是計(jì)算前述群集之間的請(qǐng)求流量集合的距離的標(biāo)準(zhǔn)偏差；5.相似群集合并步驟，是在前述群集中有一群集符合內(nèi)部標(biāo)準(zhǔn)偏差大于該群集與另一群集之間距離的標(biāo)準(zhǔn)偏差的狀況下，將該群集與該另一群集合并，并計(jì)算群集合并后的群集中心；以及6.重復(fù)合并步驟，是重復(fù)前述相似群集合并步驟直至無(wú)有群集符合可合并的狀況。其中，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)是通過(guò)設(shè)定隨機(jī)類(lèi)神經(jīng)網(wǎng)絡(luò)群算法的相關(guān)參數(shù)值以建立各該類(lèi)神經(jīng)網(wǎng)絡(luò)。其中，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)是依據(jù)各該類(lèi)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確度是否通過(guò)一正確率門(mén)坎值以決定是否保留各該類(lèi)神經(jīng)網(wǎng)絡(luò)。其中，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)是將保留下的各該類(lèi)神經(jīng)網(wǎng)絡(luò)各自產(chǎn)生的預(yù)測(cè)值進(jìn)行權(quán)重平均最后產(chǎn)生該請(qǐng)求流量預(yù)測(cè)值。其中，該回復(fù)簽章子系統(tǒng)更可向該憑證數(shù)據(jù)庫(kù)取得各該憑證被請(qǐng)求的紀(jì)錄以分析各該憑證的請(qǐng)求離峰時(shí)段。其中，該回復(fù)簽章子系統(tǒng)可在各該憑證的請(qǐng)求離峰時(shí)段進(jìn)行預(yù)簽章。如前所述，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)用以產(chǎn)生該請(qǐng)求流量預(yù)測(cè)值的請(qǐng)求流量預(yù)測(cè)方法，更可分列詳述如下：首先，可以將請(qǐng)求流量預(yù)測(cè)方法分為兩階段，分別為訓(xùn)練階段以及實(shí)施階段，其中，訓(xùn)練階段可以包含兩個(gè)步驟：1.隨機(jī)產(chǎn)生多個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)：主要是通過(guò)設(shè)定隨機(jī)類(lèi)神經(jīng)網(wǎng)絡(luò)群算法參數(shù)值，并向憑證數(shù)據(jù)庫(kù)讀取憑證狀態(tài)請(qǐng)求查詢紀(jì)錄的歷史數(shù)據(jù)，以隨機(jī)建立r個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型；2.保留多個(gè)預(yù)測(cè)正確率高的類(lèi)神經(jīng)網(wǎng)絡(luò)：將隨機(jī)產(chǎn)生的r個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)準(zhǔn)確度與一準(zhǔn)確度門(mén)坎值進(jìn)行比對(duì)，以排除低于準(zhǔn)確度門(mén)坎值的類(lèi)神經(jīng)網(wǎng)絡(luò)模型，保留g個(gè)正確率的類(lèi)神經(jīng)網(wǎng)絡(luò)；而若無(wú)任何類(lèi)神經(jīng)網(wǎng)絡(luò)模型的正確率高于準(zhǔn)確度門(mén)坎值時(shí)，將回到第1個(gè)步驟，重新設(shè)定門(mén)坎值，并重新訓(xùn)練隨機(jī)類(lèi)神經(jīng)網(wǎng)絡(luò)。其中，實(shí)施階段也可以包含兩個(gè)步驟：1.輸入實(shí)時(shí)數(shù)據(jù)至訓(xùn)練階段中所保留的預(yù)測(cè)正確率高的類(lèi)神經(jīng)網(wǎng)絡(luò)：取得實(shí)時(shí)的憑證狀態(tài)請(qǐng)求查詢紀(jì)錄，并且依此輸入至訓(xùn)練階段所保留的g個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行預(yù)測(cè)計(jì)算；2.加權(quán)平均以產(chǎn)生預(yù)測(cè)值：最后，該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將保留下的各該類(lèi)神經(jīng)網(wǎng)絡(luò)各自產(chǎn)生的預(yù)測(cè)值，運(yùn)用訓(xùn)練階段時(shí)所得到的正確率作為權(quán)重，進(jìn)行權(quán)重平均后以產(chǎn)生該請(qǐng)求流量預(yù)測(cè)值。其中，本發(fā)明還包含了一種請(qǐng)求流量分群方法，包含下列步驟：1.紀(jì)錄取得步驟，是為一請(qǐng)求流量預(yù)測(cè)子系統(tǒng)自一憑證數(shù)據(jù)庫(kù)中取得多個(gè)憑證被請(qǐng)求的紀(jì)錄；2.設(shè)定初始群集步驟，是為該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將各該憑證請(qǐng)求的紀(jì)錄中任一憑證的每個(gè)時(shí)點(diǎn)的請(qǐng)求流量紀(jì)錄視為一請(qǐng)求流量集合，并以單一時(shí)段中的所有集合作為一群集；3.計(jì)算標(biāo)準(zhǔn)偏差步驟，是為該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)計(jì)算前述群集內(nèi)部各請(qǐng)求流量集合的標(biāo)準(zhǔn)偏差；4.計(jì)算距離步驟，是為該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)計(jì)算前述群集之間的請(qǐng)求流量集合的距離；5.計(jì)算距離標(biāo)準(zhǔn)偏差步驟，是為該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)計(jì)算前述群集之間的請(qǐng)求流量集合的距離的標(biāo)準(zhǔn)偏差；6.相似群集合并步驟，是為該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)在前述群集中有一群集符合內(nèi)部標(biāo)準(zhǔn)偏差大于該群集與另一群集之間距離的標(biāo)準(zhǔn)偏差的狀況下，將該群集與該另一群集合并，并計(jì)算群集合并后的群集中心；以及7.重復(fù)合并步驟，是為該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)重復(fù)前述相似群集合并步驟直至無(wú)有群集符合可合并的狀況。其中，本發(fā)明還包含了一種請(qǐng)求流量預(yù)測(cè)方法，包含下列步驟：1.一請(qǐng)求流量預(yù)測(cè)子系統(tǒng)自一憑證數(shù)據(jù)庫(kù)中取得多個(gè)憑證被請(qǐng)求的紀(jì)錄；2.該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)是通過(guò)設(shè)定隨機(jī)類(lèi)神經(jīng)網(wǎng)絡(luò)群算法的相關(guān)參數(shù)值，分別依據(jù)各該憑證隨機(jī)建立多個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)以進(jìn)行預(yù)測(cè)各該憑證的被請(qǐng)求流量；3.該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)依據(jù)各該憑證被請(qǐng)求的紀(jì)錄訓(xùn)練各該類(lèi)神經(jīng)網(wǎng)絡(luò)；4.該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)依據(jù)各該類(lèi)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確度是否通過(guò)一正確率門(mén)坎值以決定是否保留各該類(lèi)神經(jīng)網(wǎng)絡(luò)；以及5.該請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將保留下的各該類(lèi)神經(jīng)網(wǎng)絡(luò)各自產(chǎn)生的預(yù)測(cè)值進(jìn)行權(quán)重平均最后產(chǎn)生一請(qǐng)求流量預(yù)測(cè)值。其中，本發(fā)明還包含了一種預(yù)簽章方法，包含下列步驟：1.一回復(fù)簽章子系統(tǒng)接收一請(qǐng)求流量預(yù)測(cè)值，并對(duì)該請(qǐng)求流量預(yù)測(cè)值所預(yù)測(cè)的多個(gè)憑證進(jìn)行相應(yīng)數(shù)量的各該憑證預(yù)簽章以產(chǎn)生多個(gè)預(yù)簽章憑證狀態(tài)；2.該回復(fù)簽章子系統(tǒng)將各該預(yù)簽章憑證狀態(tài)儲(chǔ)存至一憑證數(shù)據(jù)庫(kù)以備取用；其中，該回復(fù)簽章子系統(tǒng)得在各該憑證的請(qǐng)求離峰時(shí)段進(jìn)行預(yù)簽章。如上述的預(yù)測(cè)請(qǐng)求流量的憑證預(yù)簽系統(tǒng)及方法，其中，該回復(fù)簽章子系統(tǒng)是實(shí)施了憑證狀態(tài)預(yù)簽章方法以進(jìn)行預(yù)簽章，其主要也可分為四個(gè)步驟：1.接收等待預(yù)簽章的憑證信息：回復(fù)簽章子系統(tǒng)可接收憑證信息和前述的請(qǐng)求流量預(yù)測(cè)值。2.偵測(cè)離峰時(shí)段：為了節(jié)省系統(tǒng)資源并降低高峰時(shí)段的負(fù)載，該回復(fù)簽章子系統(tǒng)向該憑證數(shù)據(jù)庫(kù)取得各該憑證被請(qǐng)求的紀(jì)錄以統(tǒng)計(jì)分析出各該憑證被請(qǐng)求次數(shù)較少的離峰時(shí)段，并可以于離峰時(shí)段時(shí)對(duì)憑證狀態(tài)進(jìn)行預(yù)簽章，以達(dá)到分流的效果。3.對(duì)憑證狀態(tài)產(chǎn)制簽章值：對(duì)該請(qǐng)求流量預(yù)測(cè)值所預(yù)測(cè)出的多個(gè)憑證預(yù)簽章相應(yīng)數(shù)量的各該憑證以產(chǎn)生多個(gè)預(yù)簽章憑證狀態(tài)。4.儲(chǔ)存預(yù)簽章憑證狀態(tài)：將預(yù)簽章憑證狀態(tài)的數(shù)據(jù)儲(chǔ)存至憑證數(shù)據(jù)庫(kù)，供后續(xù)客戶端設(shè)備查詢使用。如前所述，可知本發(fā)明詳細(xì)為一種根據(jù)歷史資料預(yù)測(cè)請(qǐng)求流量，并進(jìn)行憑證預(yù)簽的系統(tǒng)以及其方法，當(dāng)可預(yù)先對(duì)使用量大的憑證進(jìn)行預(yù)簽處理，并一再訓(xùn)練進(jìn)化預(yù)測(cè)的準(zhǔn)確率，是為高效率憑證管理系統(tǒng)的重要一環(huán)。附圖說(shuō)明圖1為本發(fā)明預(yù)測(cè)請(qǐng)求流量的憑證預(yù)簽系統(tǒng)的整體系統(tǒng)架構(gòu)示意圖。圖2為本發(fā)明預(yù)測(cè)請(qǐng)求流量的憑證預(yù)簽方法的步驟流程示意圖。圖3為本發(fā)明中請(qǐng)求流量分群方法的步驟流程示意圖。圖4為本發(fā)明中請(qǐng)求流量預(yù)測(cè)方法的步驟流程示意圖。圖5為本發(fā)明中請(qǐng)求流量預(yù)測(cè)方法以類(lèi)神經(jīng)網(wǎng)絡(luò)模型1為實(shí)例的示意圖。圖6為本發(fā)明中請(qǐng)求流量預(yù)測(cè)方法的實(shí)施階段舉一實(shí)例的步驟流程示意圖。圖7為本發(fā)明中請(qǐng)求流量預(yù)測(cè)方法中憑證狀態(tài)預(yù)簽章方法的步驟流程示意圖。符號(hào)說(shuō)明：100客戶端設(shè)備101在線憑證狀態(tài)通訊協(xié)議服務(wù)器102請(qǐng)求流量預(yù)測(cè)子系統(tǒng)103憑證數(shù)據(jù)庫(kù)104回復(fù)簽章子系統(tǒng)s201～s205步驟流程s301～s307步驟流程s401～s402步驟流程s4011～s4012步驟流程s4021～s4022步驟流程s601～s602步驟流程s701～s704步驟流程具體實(shí)施方式以下將以實(shí)施例結(jié)合圖式對(duì)本發(fā)明進(jìn)行進(jìn)一步說(shuō)明。本發(fā)明詳細(xì)來(lái)說(shuō)是一種根據(jù)請(qǐng)求流量預(yù)測(cè)的在線憑證狀態(tài)通訊協(xié)議(onlinecertificatestatusprotocol,ocsp)預(yù)簽方法與系統(tǒng)；有鑒于現(xiàn)有技術(shù)中憑證狀態(tài)通訊協(xié)議的方法運(yùn)作上仍主要采用實(shí)時(shí)在線查詢以及回復(fù)的方式，但由于回復(fù)簽章子系統(tǒng)在簽章時(shí)將可能花費(fèi)許多處理時(shí)間，故現(xiàn)有技術(shù)的方法將造成回復(fù)客戶端設(shè)備時(shí)有所延宕，另外，隨著請(qǐng)求流量增加，將逐漸對(duì)憑證狀態(tài)通訊協(xié)議服務(wù)器和回復(fù)簽章子系統(tǒng)造成負(fù)擔(dān)，接著在系統(tǒng)無(wú)法負(fù)荷時(shí)即會(huì)發(fā)生當(dāng)機(jī)情事。此外目前現(xiàn)有技術(shù)中，網(wǎng)絡(luò)流量預(yù)測(cè)方法一般需要經(jīng)過(guò)大量統(tǒng)計(jì)過(guò)程后得出，而由于用戶的請(qǐng)求流量變異程度較大，故利用現(xiàn)有技術(shù)所得出的請(qǐng)求流量估計(jì)誤差將可能較大。故本發(fā)明主要是收集和分析各個(gè)憑證在一日的每個(gè)時(shí)段的被請(qǐng)求流量的集合，再運(yùn)用將請(qǐng)求流量分群方法將相似時(shí)段的請(qǐng)求流量結(jié)合為一群，將數(shù)據(jù)分為多個(gè)群組，后續(xù)再各別依不同的群組運(yùn)用將請(qǐng)求流量預(yù)測(cè)方法進(jìn)行預(yù)測(cè)，最后再按照請(qǐng)求流量預(yù)測(cè)值對(duì)該憑證狀態(tài)簽章，以取得較準(zhǔn)確的預(yù)簽章憑證狀態(tài)數(shù)量，并達(dá)成回復(fù)簽章子系統(tǒng)的負(fù)載平衡。首先，請(qǐng)參照?qǐng)D1所示，本發(fā)明的系統(tǒng)包含至少一個(gè)客戶端設(shè)備100、一在線憑證狀態(tài)通訊協(xié)議(ocsp)服務(wù)器101、一回復(fù)簽章子系統(tǒng)104、一憑證數(shù)據(jù)庫(kù)103以及一請(qǐng)求流量預(yù)測(cè)子系統(tǒng)102，其相互運(yùn)作的模式及步驟將在后段中詳細(xì)敘述；再請(qǐng)同時(shí)參照下列表一，表一是為以一實(shí)施例舉出2014/07/01到2014/07/28的期間的憑證請(qǐng)求查詢紀(jì)錄，若配合圖1以舉例，其中，當(dāng)多個(gè)客戶端設(shè)備100中的一客戶端設(shè)備d1于2014/07/01日的00:00:29時(shí)欲確認(rèn)憑證c1狀態(tài)時(shí)，發(fā)出請(qǐng)求至在線憑證狀態(tài)通訊協(xié)議服務(wù)器101，并由在線憑證狀態(tài)通訊協(xié)議服務(wù)器101向憑證數(shù)據(jù)庫(kù)103查詢和取得憑證c1狀態(tài)，且在憑證數(shù)據(jù)庫(kù)103中留下請(qǐng)求查詢紀(jì)錄，即如表一之中的第一行所示的數(shù)據(jù)，而該在線憑證狀態(tài)通訊協(xié)議服務(wù)器101后續(xù)再將憑證c1狀態(tài)傳送至回復(fù)簽章子系統(tǒng)104進(jìn)行簽章，以及將簽章后的憑證c1狀態(tài)回復(fù)給客戶端設(shè)備100中的客戶端設(shè)備d1，以完成整個(gè)憑證要求及簽章的動(dòng)作；依此類(lèi)推下，每個(gè)客戶端設(shè)備將針對(duì)本身所需求的憑證進(jìn)行查詢，并且其每筆請(qǐng)求查詢紀(jì)錄在憑證數(shù)據(jù)庫(kù)中將分別被儲(chǔ)存。本發(fā)明的方法可將請(qǐng)求查詢紀(jì)錄集合依周期和時(shí)段分別統(tǒng)計(jì)，即請(qǐng)求流量預(yù)測(cè)子系統(tǒng)102將表一所示整體2014/07/01～2014/07/28期間的憑證被請(qǐng)求查詢紀(jì)錄為例的集合再進(jìn)行統(tǒng)計(jì)計(jì)算，以計(jì)算出須預(yù)簽章的憑證狀態(tài)數(shù)量并傳輸至回復(fù)簽章子系統(tǒng)104，并由回復(fù)簽章子系統(tǒng)104進(jìn)行預(yù)簽章憑證狀態(tài)儲(chǔ)存至憑證數(shù)據(jù)庫(kù)103；而當(dāng)客戶端設(shè)備100查詢的憑證已經(jīng)具備預(yù)簽章憑證狀態(tài)時(shí)，直接由在線憑證狀態(tài)通訊協(xié)議服務(wù)器101向憑證數(shù)據(jù)庫(kù)103查詢和取得經(jīng)過(guò)本發(fā)明的方法預(yù)簽章的憑證狀態(tài)，再將預(yù)簽章憑證狀態(tài)回復(fù)予客戶端設(shè)備100，憑證數(shù)據(jù)庫(kù)103并將已被取走的預(yù)簽章憑證狀態(tài)銷(xiāo)毀。下表為表一：客戶端設(shè)備ip憑證時(shí)間d1的ipc12014/07/0100:00:29d2的ipc12014/07/0100:00:30d3的ipc22014/07/0100:00:30d2的ipc32014/07/0100:00:31d4的ipc12014/07/0100:00:32d5的ipc42014/07/0100:00:32d6的ipc52014/07/0100:00:32d7的ipc12014/07/0100:00:33………d500000的ipc300002014/07/2823:59:58本發(fā)明的方法流程如圖2所示，此方法可包含有五個(gè)步驟，分別為：步驟s201憑證的請(qǐng)求流量收集與統(tǒng)計(jì)、步驟s202取得高度請(qǐng)求流量的憑證、步驟s203實(shí)施請(qǐng)求流量分群方法、步驟s204實(shí)施請(qǐng)求流量預(yù)測(cè)方法以及步驟s205實(shí)施憑證狀態(tài)預(yù)簽章方法。本方法包含上述步驟的主要目的是于進(jìn)行請(qǐng)求流量預(yù)測(cè)方法之前，取得高度請(qǐng)求流量的憑證，并各別對(duì)高度請(qǐng)求流量憑證進(jìn)行統(tǒng)計(jì)和預(yù)簽章的處理，本方法并可結(jié)合請(qǐng)求流量分群方法以針對(duì)每個(gè)憑證的請(qǐng)求流量記錄依時(shí)段進(jìn)行分群，用于訓(xùn)練以增加預(yù)測(cè)正確率，以下，將配合實(shí)施例詳細(xì)分述各步驟。首先是為第一步驟s201，憑證的請(qǐng)求流量收集與統(tǒng)計(jì)步驟：本發(fā)明的請(qǐng)求流量預(yù)測(cè)子系統(tǒng)向憑證數(shù)據(jù)庫(kù)取得憑證的請(qǐng)求查詢紀(jì)錄，如表一所示的2014/07/01～2014/07/28期間的請(qǐng)求查詢紀(jì)錄，請(qǐng)求流量預(yù)測(cè)子系統(tǒng)依周期(在本實(shí)施例中是以周作為周期單位)、時(shí)段(在本實(shí)施例中是以日作為時(shí)段單位)、時(shí)點(diǎn)(在本實(shí)施例中以小時(shí)為時(shí)點(diǎn)單位)分別統(tǒng)計(jì)每個(gè)時(shí)點(diǎn)請(qǐng)求查詢紀(jì)錄的數(shù)量，將可得到多個(gè)周期、多個(gè)時(shí)段、多個(gè)時(shí)點(diǎn)的請(qǐng)求查詢紀(jì)錄集合，如下列表二，是以如表一所舉的紀(jì)錄數(shù)據(jù)整理后所示。下表為表二：再來(lái)，是為第二步驟s202，是取得高度請(qǐng)求流量的憑證的步驟：如表二所示，取得每個(gè)憑證依各個(gè)時(shí)段的請(qǐng)求查詢紀(jì)錄數(shù)量后，本發(fā)明的請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將依請(qǐng)求查詢紀(jì)錄數(shù)量進(jìn)行由高至低地排序，即可取得排名較前的高度請(qǐng)求流量的憑證，即為較常被請(qǐng)求的憑證，也可被解釋為本發(fā)明可選擇性地針對(duì)較需紓解延宕情形的憑證。以前述表一的2014/07/01～2014/07/28期間為例，請(qǐng)求流量預(yù)測(cè)子系統(tǒng)可得到每個(gè)憑證的請(qǐng)求流量總數(shù)，再依其請(qǐng)求流量由高到低排序，整理結(jié)果可如下列表三所示；即可取出多個(gè)高度請(qǐng)求流量的憑證的信息以進(jìn)行后續(xù)分析，在此實(shí)施例中由于是以憑證c1其請(qǐng)求流量總數(shù)為208728次，為最高度請(qǐng)求流量的憑證，故在此實(shí)施例中將對(duì)憑證c1為例，請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將進(jìn)行后續(xù)的請(qǐng)求流量分群方法、請(qǐng)求流量預(yù)測(cè)方法、憑證狀態(tài)預(yù)簽章方法。表三如下所示：憑證請(qǐng)求流量總數(shù)c1208728…………c3000028再來(lái)，是為第三步驟s203，是為實(shí)施請(qǐng)求流量分群方法步驟：請(qǐng)求流量預(yù)測(cè)子系統(tǒng)取得欲分析的憑證各個(gè)時(shí)段的請(qǐng)求流量集合，初始時(shí)將每個(gè)時(shí)段的請(qǐng)求流量集合視為一個(gè)群集，分別計(jì)算群內(nèi)請(qǐng)求流量集合標(biāo)準(zhǔn)偏差、群間請(qǐng)求流量集合距離以及群間請(qǐng)求流量集合標(biāo)準(zhǔn)偏差，再將相似請(qǐng)求流量集合的群集進(jìn)行合并和重新計(jì)算群中心，直至無(wú)群集可再合并。而第四步驟s204是為實(shí)施請(qǐng)求流量預(yù)測(cè)方法步驟：即請(qǐng)求流量預(yù)測(cè)子系統(tǒng)取得欲分析的憑證各個(gè)時(shí)段的請(qǐng)求流量集合，并于訓(xùn)練階段隨機(jī)建立多個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)，再以歷史數(shù)據(jù)進(jìn)行訓(xùn)練和分析各個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)的請(qǐng)求流量預(yù)測(cè)準(zhǔn)確度，并保留多個(gè)準(zhǔn)確度高的類(lèi)神經(jīng)網(wǎng)絡(luò)；而在實(shí)施階段中，請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將實(shí)時(shí)的請(qǐng)求流量集合輸入至訓(xùn)練階段所保留的多個(gè)準(zhǔn)確度高的類(lèi)神經(jīng)網(wǎng)絡(luò)，分別得到請(qǐng)求流量預(yù)測(cè)值后，再進(jìn)行加權(quán)平均得到最后的請(qǐng)求流量預(yù)測(cè)值，并將請(qǐng)求流量預(yù)測(cè)值傳送予一回復(fù)簽章子系統(tǒng)。最后，第五步驟s205為實(shí)施憑證狀態(tài)預(yù)簽章方法步驟：回復(fù)簽章子系統(tǒng)接收請(qǐng)求流量預(yù)測(cè)值，由回復(fù)簽章子系統(tǒng)針對(duì)請(qǐng)求流量預(yù)測(cè)值所預(yù)測(cè)的待預(yù)簽章的憑證信息產(chǎn)制簽章值，并將預(yù)簽章憑證狀態(tài)儲(chǔ)存至憑證數(shù)據(jù)庫(kù)；另外，該回復(fù)簽章子系統(tǒng)為了減少流量負(fù)載，其可于預(yù)簽章前向憑證數(shù)據(jù)庫(kù)查詢請(qǐng)求流量的時(shí)段分布，以分析出離峰時(shí)段，再于負(fù)載較小的離峰時(shí)間進(jìn)行預(yù)簽章的流程。而本發(fā)明的預(yù)測(cè)請(qǐng)求流量的憑證預(yù)簽方法流程中，包含有前述的請(qǐng)求流量分群方法，其方法的步驟流程圖如圖3所示；主要包含六個(gè)步驟，分列如下：步驟s301設(shè)定初始群集、步驟s302計(jì)算群內(nèi)請(qǐng)求流量集合的標(biāo)準(zhǔn)偏差、步驟s303計(jì)算群間請(qǐng)求流量集合的距離、步驟s304計(jì)算群間請(qǐng)求流量集合距離的標(biāo)準(zhǔn)偏差計(jì)算、步驟s305相似群集合并，并計(jì)算群集中心的請(qǐng)求流量集合以及步驟s306確認(rèn)是否有群集未計(jì)算合并，以重復(fù)計(jì)算至無(wú)群集可合并，若無(wú)則進(jìn)入步驟s307結(jié)束，上述各該步驟將詳細(xì)在以下段落中作出解釋。請(qǐng)求流量分群方法的步驟一s301為設(shè)定初始群集：以請(qǐng)求流量預(yù)測(cè)子系統(tǒng)所被設(shè)定的時(shí)段單位，請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將每一個(gè)時(shí)段單位內(nèi)每個(gè)時(shí)點(diǎn)的請(qǐng)求流量集合分別作為一個(gè)群集，或是可以將每個(gè)周期中同時(shí)段的請(qǐng)求流量集合作為一個(gè)群集，以計(jì)算每個(gè)群集的中心。以表三的2014/07/01～2014/07/28期間的請(qǐng)求流量為例，統(tǒng)計(jì)后憑證c1的請(qǐng)求流量集合可整理如下列表四所示，其中，憑證c1第1個(gè)周期第1個(gè)時(shí)段(即2014/07/01星期二)第1個(gè)時(shí)點(diǎn)(即凌晨0時(shí))的請(qǐng)求流量為0，本實(shí)施例中表示該請(qǐng)求流量值的邏輯為q馮證編號(hào),周期編號(hào),時(shí)段編號(hào),時(shí)點(diǎn)編號(hào)，而以同樣的表示方式，憑證c1第4個(gè)周期第7個(gè)時(shí)段(即2014/07/28星期一)第24個(gè)時(shí)點(diǎn)(即晚上23時(shí))的請(qǐng)求流量為82，而本實(shí)施例中更以同一個(gè)時(shí)段的時(shí)點(diǎn)請(qǐng)求流量集合表示為q馮證編號(hào),周期編號(hào),時(shí)段編號(hào),時(shí)點(diǎn)編號(hào)，如憑證c1第1個(gè)周期第1個(gè)時(shí)段的請(qǐng)求流量為表四如下所示：在此實(shí)施例中，本發(fā)明的請(qǐng)求流量預(yù)測(cè)子系統(tǒng)所被設(shè)定的時(shí)段單位共有n個(gè)周期、m個(gè)時(shí)段、o個(gè)時(shí)點(diǎn)，系統(tǒng)可以將每個(gè)周期中同一時(shí)段的請(qǐng)求流量集合群聚成一個(gè)群集，若以星期二為例，可將第1周星期二07/01、第2周星期二07/08、第3周星期二07/15、第4周星期二07/22的請(qǐng)求流量集合群聚成一個(gè)群集，即將聚為一個(gè)群集，并且運(yùn)用下列公式(1)舉例的方式計(jì)算群中心計(jì)算結(jié)果舉例如公式(2)所示；依此類(lèi)推逐一計(jì)算，可得以每個(gè)周期中同時(shí)段為基礎(chǔ)的群中心，分別表示為結(jié)果如下表五所示。公式(1)如下所示，其是舉例計(jì)算c1憑證第j個(gè)周期內(nèi)的群中心；其中，是代表c1憑證第j個(gè)周期第1個(gè)時(shí)段的群中心，以下相同型式的表示，其邏輯則以此類(lèi)推：而據(jù)上述公式(1)的舉例計(jì)算，計(jì)算c1憑證第1個(gè)周期的群中心的結(jié)果的公式(2)如下所示：其中，每個(gè)值是代表第1周期內(nèi)各時(shí)段的群中心，以下將以此類(lèi)推。表五如下所示：請(qǐng)求流量分群方法的步驟二s302為計(jì)算群內(nèi)請(qǐng)求流量集合的標(biāo)準(zhǔn)偏差：請(qǐng)求流量預(yù)測(cè)子系統(tǒng)計(jì)算每個(gè)群集內(nèi)請(qǐng)求流量集合的標(biāo)準(zhǔn)偏差值；在本實(shí)施例中將以下列的公式(3)舉例，以此類(lèi)推分別計(jì)算群集內(nèi)部請(qǐng)求流量集合的標(biāo)準(zhǔn)偏差值，計(jì)算的結(jié)果如下列表六所示。公式(3)如下所示，其中σ表示標(biāo)準(zhǔn)偏差，μ表示平均數(shù)，本公式是計(jì)算c1憑證第1個(gè)周期群集內(nèi)集合的標(biāo)準(zhǔn)偏差：其中，表六如下所示：請(qǐng)求流量分群方法的步驟三s303為計(jì)算群集間請(qǐng)求流量集合的距離：請(qǐng)求流量預(yù)測(cè)子系統(tǒng)計(jì)算以前述周期或時(shí)段等分類(lèi)的各個(gè)群集與其他的群集間的請(qǐng)求流量集合的距離值或相似度值；在本實(shí)施例中，是運(yùn)用下列公式(4)分別計(jì)算群集間請(qǐng)求流量集合每個(gè)時(shí)點(diǎn)向量值的距離值而如表七所示，是以群中心與其他群集間距離計(jì)算結(jié)果為例。公式(4)如下所示，公式的意義在計(jì)算c1憑證第j個(gè)周期群集群中心與c1憑證第a個(gè)周期群集群中心的距離值：表七如下所示，是計(jì)算群中心與其他群集間之間距離的結(jié)果：請(qǐng)求流量分群方法的步驟四s304為群間請(qǐng)求流量集合距離的標(biāo)準(zhǔn)偏差計(jì)算：請(qǐng)求流量預(yù)測(cè)子系統(tǒng)計(jì)算每個(gè)群集與其他群集間請(qǐng)求流量集合距離的標(biāo)準(zhǔn)偏差值；在本實(shí)施例中將以下列公式(5)分別計(jì)算群集間請(qǐng)求流量集合距離的標(biāo)準(zhǔn)偏差值如表八所示，是以群中心與其他群集間距離的計(jì)算結(jié)果為例來(lái)計(jì)算標(biāo)準(zhǔn)偏差。公式(5)如下所示：其中，表八如下所示，是計(jì)算群中心與其他群集間之間距離的標(biāo)準(zhǔn)偏差值的結(jié)果：請(qǐng)求流量分群方法的步驟五s305為相似群集合并并計(jì)算群集中心的請(qǐng)求流量集合：請(qǐng)求流量預(yù)測(cè)子系統(tǒng)判斷前述群集內(nèi)部請(qǐng)求流量集合的標(biāo)準(zhǔn)偏差值以及該群集與另一個(gè)群集間請(qǐng)求流量集合距離的標(biāo)準(zhǔn)偏差值，若群集內(nèi)部請(qǐng)求流量集合的標(biāo)準(zhǔn)偏差值大于該群集與另一個(gè)群集間請(qǐng)求流量集合距離的標(biāo)準(zhǔn)偏差值，此時(shí)，判斷該群集與另一個(gè)群集是為相似的群集，故將該兩群集進(jìn)行合并且計(jì)算合并后群集的中心。在本實(shí)施例中，可以觀察到群中心為與群中心為的群集間的標(biāo)準(zhǔn)偏差值相對(duì)最小(標(biāo)準(zhǔn)偏差值為40.74)，且群中心的群集的標(biāo)準(zhǔn)偏差值故可判斷群中心的群集與群中心為為相似群集，將進(jìn)行合并把群中心的群集并入至群中心為的群集，且運(yùn)用下列公式(6)的范例計(jì)算合并后群集的中心，以得到新的群中心，作并將被合并的群中心的群集刪除，其結(jié)果如下列表九所示。公式(6)如下所示，是為將群中心為的群集合并入群中心為的群集的計(jì)算方式，其中，為表示第1周期群中心計(jì)算前后間的差異，在下列公式及表中是以代表合并后的第1周期群中心：表九如下所示，是計(jì)算2014/07/01～2014/07/28期間統(tǒng)計(jì)后的憑證c1請(qǐng)求流量經(jīng)第一回合合并后群中心，其中各欄表示在第一欄為群中心的群集，其各時(shí)段的群中心：請(qǐng)求流量分群方法的步驟六s306為確認(rèn)是否有群集未計(jì)算合并，以重復(fù)計(jì)算至無(wú)群集可合并：請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將重復(fù)計(jì)算每個(gè)群集其群集內(nèi)請(qǐng)求流量集合的標(biāo)準(zhǔn)偏差、群集間請(qǐng)求流量集合的距離以及群集間請(qǐng)求流量集合距離的標(biāo)準(zhǔn)偏差，以進(jìn)行相似群集的合并，且計(jì)算新群集中心的請(qǐng)求流量集合，直至沒(méi)有相似群集可以被合并時(shí)即停止，即為進(jìn)入步驟s307結(jié)束。在本實(shí)施例中，在發(fā)生如前列表九中，群中心為群集與群中心的群集合并后，將再依標(biāo)準(zhǔn)偏差值的大小順序，依序的對(duì)群中心群集與群中心為群集合并(此時(shí)的是代表經(jīng)合并過(guò)的原第1至第7周期群中心，未免經(jīng)過(guò)多次合并運(yùn)算后出現(xiàn)過(guò)于復(fù)雜難辨的符號(hào)表示，爾后經(jīng)每步驟合并后的第1至第x周期群中心皆表示為唯其所代表的意義不同)；合并后，再進(jìn)行新群中心群集與群中心群集合并以及新群中心群集與群中心群集合并；經(jīng)上述合并步驟后，由于群中心的群集與群中心的群集與其他群集的距離皆過(guò)大(距離并未小于其內(nèi)部標(biāo)準(zhǔn)偏差值)，所以可判斷各該群集各自為獨(dú)立的一群，最后，完成全部的合并運(yùn)算后，可將原本的7個(gè)群集合并分為3群。其為：周期內(nèi)星期一至五可分為一群集，星期六為一獨(dú)立群集，且星期日也為一獨(dú)立群集。另外，本發(fā)明的請(qǐng)求流量分群方法也得使用在以每個(gè)時(shí)段同時(shí)點(diǎn)為基礎(chǔ)的群中心方式上進(jìn)行分群，在本實(shí)施例中，將可得出凌晨0時(shí)至6時(shí)可分為一群集，而6時(shí)至24時(shí)則為另一群集，接著，本發(fā)明的請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將可依分群之后的結(jié)果數(shù)據(jù)，用以訓(xùn)練請(qǐng)求流量預(yù)測(cè)方法的多個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型，以提升系統(tǒng)的預(yù)測(cè)正確率。至此，進(jìn)入步驟s307結(jié)束后，本發(fā)明的請(qǐng)求流量分群方法步驟實(shí)施過(guò)程即結(jié)束。而本發(fā)明的預(yù)測(cè)請(qǐng)求流量的憑證預(yù)簽方法流程中，包含有前述的請(qǐng)求流量預(yù)測(cè)方法，其方法的步驟流程圖如圖4所示，主要將包含兩個(gè)階段，分別為訓(xùn)練階段s401和實(shí)施階段s402，將詳細(xì)分述如下。在訓(xùn)練階段s401主要可包含兩個(gè)步驟：步驟s4011隨機(jī)產(chǎn)生多個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)、步驟s4012保留多個(gè)預(yù)測(cè)正確率高的類(lèi)神經(jīng)網(wǎng)絡(luò)。其中，訓(xùn)練階段s401中的步驟s4011隨機(jī)產(chǎn)生多個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)是為：請(qǐng)求流量預(yù)測(cè)子系統(tǒng)可被設(shè)定隨機(jī)類(lèi)神經(jīng)網(wǎng)絡(luò)群算法的參數(shù)值，且請(qǐng)求流量預(yù)測(cè)子系統(tǒng)向憑證數(shù)據(jù)庫(kù)讀取憑證被請(qǐng)求查詢紀(jì)錄的歷史數(shù)據(jù)，以隨機(jī)建立r個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型。首先，由開(kāi)發(fā)人員設(shè)定請(qǐng)求流量預(yù)測(cè)子系統(tǒng)中的隨機(jī)類(lèi)神經(jīng)網(wǎng)絡(luò)群算法的相關(guān)參數(shù)值，包含有建立類(lèi)神經(jīng)網(wǎng)絡(luò)模型的數(shù)量(以r個(gè)為例)、類(lèi)神經(jīng)網(wǎng)絡(luò)模型中隱藏層最大數(shù)量(以hmax個(gè)為例)、類(lèi)神經(jīng)網(wǎng)絡(luò)模型中每個(gè)隱藏層最大神經(jīng)元數(shù)量(以cmax個(gè)為例)、訓(xùn)練類(lèi)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練數(shù)據(jù)數(shù)占總訓(xùn)練階段數(shù)據(jù)數(shù)的比例(后續(xù)說(shuō)明將以ρ％為例)以及正確率門(mén)坎值(以wthreshold為例)；在本實(shí)施例中，將設(shè)定共建立10個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型(即r＝10)、類(lèi)神經(jīng)網(wǎng)絡(luò)模型中隱藏層最大數(shù)量為5(即hmax＝5)、類(lèi)神經(jīng)網(wǎng)絡(luò)模型中每個(gè)隱藏層最大神經(jīng)元數(shù)量為7(即cmax＝7)、訓(xùn)練類(lèi)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練數(shù)據(jù)數(shù)占總訓(xùn)練階段數(shù)據(jù)數(shù)的比例為60％(即ρ％＝60％)以及正確率門(mén)坎值為0.945(即wthreshold＝0.945，即為94.5％)，本實(shí)施例將依前述參數(shù)值以產(chǎn)生10個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型以進(jìn)行請(qǐng)求流量預(yù)測(cè)。本實(shí)施例中，將以憑證c1被請(qǐng)求流量為例來(lái)進(jìn)行說(shuō)明；首先，請(qǐng)求流量預(yù)測(cè)子系統(tǒng)向憑證數(shù)據(jù)庫(kù)讀取憑證狀態(tài)請(qǐng)求查詢紀(jì)錄的歷史數(shù)據(jù)(即表四所示的資料)，如第1個(gè)周期第1個(gè)時(shí)段(即2014/07/01星期二)的請(qǐng)求流量集合為且在此數(shù)據(jù)集合的下一個(gè)時(shí)段的請(qǐng)求流量集合的總和為10537，故開(kāi)發(fā)人員將設(shè)定輸入值為時(shí)段請(qǐng)求流量集合而目標(biāo)輸出值則應(yīng)為該輸入時(shí)段的下一個(gè)時(shí)段的請(qǐng)求流量集合的總和值10537。另外，若在此之前有進(jìn)行過(guò)請(qǐng)求流量分群方法，則依群集各別進(jìn)行隨機(jī)類(lèi)神經(jīng)網(wǎng)絡(luò)群算法的訓(xùn)練和計(jì)算。依據(jù)前述被設(shè)定的隨機(jī)類(lèi)神經(jīng)網(wǎng)絡(luò)群算法參數(shù)值，請(qǐng)求流量預(yù)測(cè)子系統(tǒng)應(yīng)隨機(jī)產(chǎn)生10個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型，且因?yàn)楸辉O(shè)定的類(lèi)神經(jīng)網(wǎng)絡(luò)模型中隱藏層最大數(shù)量為5且類(lèi)神經(jīng)網(wǎng)絡(luò)模型中每個(gè)隱藏層最大神經(jīng)元數(shù)量為7，意即每個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型的隱藏層數(shù)量必須要介于0至5層，且每個(gè)隱藏層的神經(jīng)元數(shù)量將介于0至7個(gè)，本實(shí)施例根據(jù)設(shè)定所產(chǎn)生的結(jié)果如下表十所示。表十如下所示：類(lèi)神經(jīng)網(wǎng)絡(luò)模型編號(hào)隱藏層數(shù)神經(jīng)元數(shù)集合11{2}22{3,4}31{6}43{2,6,2}51{4}64{3,1,5,4}72{6,4}83{6,2,7}94{2,6,5,5}103{3,2,7}另外，見(jiàn)表十時(shí)請(qǐng)同時(shí)參考圖5，其為以類(lèi)神經(jīng)網(wǎng)絡(luò)模型1為例的一示意圖，類(lèi)神經(jīng)網(wǎng)絡(luò)模型1的隱藏層為1層(第二字段的隱藏層數(shù))，該層隱藏層的神經(jīng)元數(shù)為2個(gè)(第三字段的神經(jīng)元數(shù)集合{2})；類(lèi)神經(jīng)網(wǎng)絡(luò)模型2的隱藏層有2層，其中第1層隱藏層的神經(jīng)元數(shù)為3個(gè)，而第2層隱藏層的神經(jīng)元數(shù)有4個(gè)(第三字段的神經(jīng)元數(shù)集合{3,4})；依此類(lèi)推，以得出全部共10個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型。并且，由于設(shè)定的訓(xùn)練類(lèi)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練數(shù)據(jù)數(shù)占訓(xùn)練階段數(shù)據(jù)總筆數(shù)的60％，若以表四為例來(lái)說(shuō)，訓(xùn)練階段數(shù)據(jù)數(shù)的總筆數(shù)為20筆，所以每一個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型將隨機(jī)取出12筆數(shù)據(jù)作為訓(xùn)練類(lèi)神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)使用，而剩余的8筆訓(xùn)練階段中的測(cè)試資料(testingdataintrainingstage,tdtrs)將分別作為本訓(xùn)練階段時(shí)每個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型以驗(yàn)證使用；在本步驟中，每個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型所取得的12筆數(shù)據(jù)的集合皆各自隨機(jī)產(chǎn)生，每一個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型都將取得不同的數(shù)據(jù)集合以反復(fù)進(jìn)行訓(xùn)練和學(xué)習(xí)。當(dāng)完成前述所有類(lèi)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練后，請(qǐng)求流量預(yù)測(cè)子系統(tǒng)可運(yùn)用剩余的8筆數(shù)據(jù)來(lái)進(jìn)行每個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型的驗(yàn)證，用以計(jì)算平均正確率來(lái)作為每個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型的權(quán)重；以類(lèi)神經(jīng)網(wǎng)絡(luò)模型1為例，將訓(xùn)練階段中的測(cè)試數(shù)據(jù)全部輸入至訓(xùn)練后的類(lèi)神經(jīng)網(wǎng)絡(luò)模型1中以計(jì)算出正確率。例如：請(qǐng)求流量集合輸入時(shí)，將得出預(yù)測(cè)值為10911，接著以下式計(jì)算出正確率，式子為1-(|正確值-預(yù)測(cè)值|/正確值)，結(jié)果為1-(|10537-10911|/10537)＝96.45％；依此方法類(lèi)推計(jì)算，可得出8筆訓(xùn)練階段中的測(cè)試數(shù)據(jù)(tdtrs)的正確率，進(jìn)而計(jì)算出平均正確率，在本實(shí)施例中類(lèi)神經(jīng)網(wǎng)絡(luò)模型1平均正確率為93.23％。而全部10個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型所對(duì)應(yīng)的平均正確率分列如下，如表十一所示。表十一所示如下：其中，訓(xùn)練階段s401中的步驟s4012保留多個(gè)預(yù)測(cè)正確率高的類(lèi)神經(jīng)網(wǎng)絡(luò)是為：請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將隨機(jī)產(chǎn)生的r個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型的正確率與正確率門(mén)坎值wthreshold進(jìn)行比對(duì)，排除低于此門(mén)坎值的類(lèi)神經(jīng)網(wǎng)絡(luò)模型(即正確率過(guò)低的模型)，余下g個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型；若無(wú)任何類(lèi)神經(jīng)網(wǎng)絡(luò)模型的正確率高于門(mén)坎值時(shí)，將回到前一個(gè)s4011步驟，再重新設(shè)定門(mén)坎值以重新訓(xùn)練隨機(jī)類(lèi)神經(jīng)網(wǎng)絡(luò)群。在本實(shí)施例中，請(qǐng)求流量預(yù)測(cè)子系統(tǒng)將分析每個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型的平均正確率，并將低于正確率門(mén)坎值wthreshold(即本實(shí)施例所設(shè)定的94.5％)過(guò)濾掉，請(qǐng)參考表十一，其中類(lèi)神經(jīng)網(wǎng)絡(luò)模型1、類(lèi)神經(jīng)網(wǎng)絡(luò)模型3、類(lèi)神經(jīng)網(wǎng)絡(luò)模型4、類(lèi)神經(jīng)網(wǎng)絡(luò)模型6、類(lèi)神經(jīng)網(wǎng)絡(luò)模型9、類(lèi)神經(jīng)網(wǎng)絡(luò)模型10等6個(gè)將被過(guò)濾掉，剩下其余4個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型(即g值為4)及其分別的權(quán)重值留待實(shí)施階段使用。在前述請(qǐng)求流量預(yù)測(cè)方法中，實(shí)施階段s402主要也可包含兩個(gè)步驟：步驟s4021輸入實(shí)時(shí)數(shù)據(jù)至訓(xùn)練階段中所保留的多個(gè)預(yù)測(cè)正確率高的類(lèi)神經(jīng)網(wǎng)絡(luò)、步驟s4022將多個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)產(chǎn)生的預(yù)測(cè)值進(jìn)行加權(quán)平均得到最后的預(yù)測(cè)值。其中，實(shí)施階段s402中，步驟s4021輸入實(shí)時(shí)數(shù)據(jù)至訓(xùn)練階段中所保留的多個(gè)預(yù)測(cè)正確率高的類(lèi)神經(jīng)網(wǎng)絡(luò)步驟為：請(qǐng)求流量預(yù)測(cè)子系統(tǒng)取得實(shí)時(shí)的憑證請(qǐng)求查詢紀(jì)錄，用以輸入至訓(xùn)練階段所保留的g個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型以進(jìn)行預(yù)測(cè)計(jì)算。請(qǐng)參考圖6所示，例如，憑證c1在2014/07/28該日期的請(qǐng)求流量集合為將其作為隨機(jī)類(lèi)神經(jīng)網(wǎng)絡(luò)群的輸入數(shù)據(jù)，進(jìn)行步驟s601輸入實(shí)時(shí)請(qǐng)求流量集合，將其分別輸入至在訓(xùn)練階段所剩下的4個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型(類(lèi)神經(jīng)網(wǎng)絡(luò)模型2、類(lèi)神經(jīng)網(wǎng)絡(luò)模型5、類(lèi)神經(jīng)網(wǎng)絡(luò)模型7、類(lèi)神經(jīng)網(wǎng)絡(luò)模型8)，以分別得出目標(biāo)2014/07/29日期憑證c1請(qǐng)求流量預(yù)測(cè)值。其中，實(shí)施階段s402中，步驟s4022將多個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)產(chǎn)生的預(yù)測(cè)值進(jìn)行加權(quán)平均得到最后的預(yù)測(cè)值的步驟為：由該g個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型所產(chǎn)生出來(lái)的預(yù)測(cè)值，運(yùn)用訓(xùn)練階段時(shí)所得到的正確率作為權(quán)重，進(jìn)行加權(quán)平均，以得到最終的請(qǐng)求流量預(yù)測(cè)值。請(qǐng)求流量預(yù)測(cè)子系統(tǒng)經(jīng)過(guò)將數(shù)據(jù)輸入每個(gè)余下的類(lèi)神經(jīng)網(wǎng)絡(luò)模型(即類(lèi)神經(jīng)網(wǎng)絡(luò)模型2、類(lèi)神經(jīng)網(wǎng)絡(luò)模型5、類(lèi)神經(jīng)網(wǎng)絡(luò)模型7、類(lèi)神經(jīng)網(wǎng)絡(luò)模型8，如表十所示)的步驟s601后，可見(jiàn)圖6中，由類(lèi)神經(jīng)網(wǎng)絡(luò)模型2、類(lèi)神經(jīng)網(wǎng)絡(luò)模型5、類(lèi)神經(jīng)網(wǎng)絡(luò)模型7、類(lèi)神經(jīng)網(wǎng)絡(luò)模型8得出的憑證c1請(qǐng)求流量預(yù)測(cè)值分別為12716、12582、12565、12401，也如下列表十二所示；最后，進(jìn)行步驟s602，依每個(gè)類(lèi)神經(jīng)網(wǎng)絡(luò)模型的權(quán)重對(duì)各預(yù)測(cè)值進(jìn)行加權(quán)平均(類(lèi)神經(jīng)網(wǎng)絡(luò)模型2為94.90％、類(lèi)神經(jīng)網(wǎng)絡(luò)模型5為94.61％、類(lèi)神經(jīng)網(wǎng)絡(luò)模型7為94.93％、類(lèi)神經(jīng)網(wǎng)絡(luò)模型8為95.21％)以得到最終的憑證c1的請(qǐng)求流量預(yù)測(cè)值12566。表十二所示如下：類(lèi)神經(jīng)網(wǎng)絡(luò)模型2578權(quán)重94.90％94.61％94.93％95.21％旅行時(shí)間預(yù)測(cè)值12716125821256512401而本發(fā)明的預(yù)測(cè)請(qǐng)求流量的憑證預(yù)簽方法流程中，包含有前述的回復(fù)簽章子系統(tǒng)進(jìn)行的憑證狀態(tài)預(yù)簽章方法，其方法的步驟流程圖如圖7所示，主要將包含四個(gè)步驟，分別為：步驟s701接收待預(yù)簽章的憑證信息、步驟s702偵測(cè)離峰時(shí)段、步驟s703對(duì)憑證狀態(tài)產(chǎn)制簽章值、步驟s704儲(chǔ)存預(yù)簽章憑證狀態(tài)；此憑證狀態(tài)預(yù)簽章方法可于離峰時(shí)間進(jìn)行憑證狀態(tài)產(chǎn)制，以平衡負(fù)載。其中，該步驟s701接收待預(yù)簽章的憑證信息的步驟為：回復(fù)簽章子系統(tǒng)接收憑證信息和該憑證狀態(tài)請(qǐng)求流量預(yù)測(cè)值，以本實(shí)施例中的2014/07/29日期為例，請(qǐng)求流量預(yù)測(cè)子系統(tǒng)通過(guò)請(qǐng)求流量預(yù)測(cè)方法預(yù)測(cè)得出憑證c1狀態(tài)的請(qǐng)求流量預(yù)測(cè)值為12566，回復(fù)簽章子系統(tǒng)接收此值為12566的請(qǐng)求流量預(yù)測(cè)值。其中，該步驟s702偵測(cè)離峰時(shí)段的步驟為：回復(fù)簽章子系統(tǒng)可向憑證數(shù)據(jù)庫(kù)取得歷史的憑證被請(qǐng)求查詢紀(jì)錄，以統(tǒng)計(jì)和分析離峰時(shí)段；以本實(shí)施例中2014/07/01～2014/07/28期間的憑證被請(qǐng)求查詢紀(jì)錄中，離峰時(shí)段為凌晨0時(shí)至6時(shí)。其中，該步驟s703對(duì)憑證狀態(tài)產(chǎn)制簽章值的步驟為：回復(fù)簽章子系統(tǒng)依請(qǐng)求流量預(yù)測(cè)值對(duì)特定憑證狀態(tài)進(jìn)行預(yù)簽章，產(chǎn)生預(yù)簽章憑證狀態(tài)的數(shù)據(jù)；在本實(shí)施例中，因被預(yù)測(cè)的憑證c1狀態(tài)的請(qǐng)求流量預(yù)測(cè)值為12566，故將由回復(fù)簽章子系統(tǒng)對(duì)憑證c1狀態(tài)進(jìn)行預(yù)簽章，以產(chǎn)生12566筆預(yù)簽章憑證狀態(tài)；本預(yù)簽章步驟端看前述步驟s702是否有執(zhí)行，若步驟s702有執(zhí)行并得出離峰時(shí)段，回復(fù)簽章子系統(tǒng)可于離峰時(shí)間進(jìn)行憑證狀態(tài)產(chǎn)制，以進(jìn)行負(fù)載平衡。其中，該步驟s704儲(chǔ)存預(yù)簽章憑證狀態(tài)的步驟為：在本實(shí)施例中，回復(fù)簽章子系統(tǒng)將把12566筆預(yù)簽章憑證狀態(tài)的數(shù)據(jù)儲(chǔ)存至憑證數(shù)據(jù)庫(kù)，以供客戶端設(shè)備查詢及使用；且在客戶端設(shè)備查詢并取得預(yù)簽章憑證狀態(tài)之后，憑證數(shù)據(jù)庫(kù)將銷(xiāo)毀被取用的預(yù)簽章憑證狀態(tài)，即當(dāng)被客戶端設(shè)備取走1筆后，憑證數(shù)據(jù)庫(kù)將剩余12565筆預(yù)簽章憑證狀態(tài)，直至該預(yù)簽章憑證狀態(tài)被取完，憑證數(shù)據(jù)庫(kù)再無(wú)剩余的預(yù)簽章憑證狀態(tài)。至此，本發(fā)明的預(yù)測(cè)請(qǐng)求流量的憑證預(yù)簽方法流程已結(jié)合實(shí)施例、圖式以及列表完畢。而該些詳細(xì)說(shuō)明乃針對(duì)本發(fā)明的最佳實(shí)施例進(jìn)行具體說(shuō)明，惟該些實(shí)施例并非用以限制本發(fā)明的專(zhuān)利范圍，凡是未脫離本發(fā)明技藝精神所為的等效實(shí)施或變更，均應(yīng)被包含于本案的專(zhuān)利范圍中。綜上所述，本發(fā)明于技術(shù)思想上確屬創(chuàng)新，充分符合新穎性及進(jìn)步性等法定發(fā)明專(zhuān)利要件，爰依法提出專(zhuān)利申請(qǐng)，懇請(qǐng)貴局核準(zhǔn)本件發(fā)明專(zhuān)利申請(qǐng)案以勵(lì)發(fā)明，至感德便。當(dāng)前第1頁(yè)12