基于學(xué)習(xí)機(jī)器對異常網(wǎng)絡(luò)性能的檢測的制作方法
【專利說明】
[0001] 相關(guān)申請
[0002] 本申請要求于2013年2月5日遞交、發(fā)明人為Vasseur等、題為"LEARNING MACHINE BASED DETECTION OF ABNORMAL NETWORK PERFORMANCE" 的美國臨時申請 No.61/761，117和于2013年7月31日遞交的美國專利申請No. 13/955,860的優(yōu)先權(quán)，這兩 個申請的內(nèi)容通過引用被合并于此。
技術(shù)領(lǐng)域
[0003] 本公開總體涉及計算機(jī)網(wǎng)絡(luò)，并且更具體地，涉及在計算機(jī)網(wǎng)絡(luò)內(nèi)對學(xué)習(xí)機(jī)器的 使用。
【背景技術(shù)】
[0004] 低功率和有損網(wǎng)絡(luò)（Low power and Lossy Network，LLN)(例如，物聯(lián)網(wǎng)（IoT)網(wǎng) 絡(luò)）具有大量應(yīng)用，例如，傳感器網(wǎng)絡(luò)、智能網(wǎng)格、以及智慧城市。LLN面臨各種挑戰(zhàn)，例如， 有損鏈路、低帶寬、低質(zhì)量收發(fā)機(jī)、電池操作、低存儲和/或處理能力等。這些網(wǎng)絡(luò)的挑戰(zhàn)性 因大量的節(jié)點（大于"經(jīng)典的" IP網(wǎng)絡(luò)的數(shù)量級）而加重，因此使得路由、服務(wù)質(zhì)量（QoS)、 安全性、網(wǎng)絡(luò)管理以及流量工程等面臨嚴(yán)峻的挑戰(zhàn)。
[0005] 機(jī)器學(xué)習(xí)（ML)關(guān)注算法的設(shè)計和開發(fā)，這些算法作為輸入的經(jīng)驗數(shù)據(jù)（例如，網(wǎng) 絡(luò)統(tǒng)計信息和狀態(tài)、以及性能指示符），識別這些數(shù)據(jù)中復(fù)雜的模式，并且根據(jù)建模來解決 諸如回歸（回歸在數(shù)學(xué)上通常極難解決）之類的復(fù)雜問題。一般地，這些模式和模型的計 算之后被用來自動（即，閉環(huán)控制）做出決策或幫助做出決策。ML是用來處理很難的問題 (例如，計算機(jī)視覺、機(jī)器人學(xué)、數(shù)據(jù)挖掘、搜索引擎等）的非常廣泛的學(xué)科，但最普遍的任 務(wù)如下：線性和非線性回歸、分類、集群、降維、異常檢測、優(yōu)化、關(guān)聯(lián)規(guī)則學(xué)習(xí)。
[0006] ML算法中一個非常普遍的模式為使用底層模型M，給定輸入數(shù)據(jù)，其參數(shù)被優(yōu)化 以最小化與M相關(guān)聯(lián)的成本函數(shù)。例如，在分類的情景中，模型M可以是直線，其將數(shù)據(jù)分 成兩類，以使得M = a*x+b*y+c，并且成本函數(shù)將是被錯誤分類的點的數(shù)目。然后ML算法 包括對參數(shù)a、b、c進(jìn)行調(diào)整，以使得被錯誤分類的點的數(shù)目最小。在優(yōu)化階段（或?qū)W習(xí)階 段）之后，模型M可被很容易地用來對新的數(shù)據(jù)點進(jìn)行分類。通常，M是統(tǒng)計模型，并且給 定輸入數(shù)據(jù)，成本函數(shù)與M的似然成反比。應(yīng)當(dāng)注意，上面的示例是對通常具有較高維的更 加復(fù)雜的回歸問題的過分簡化。
[0007] 學(xué)習(xí)機(jī)器（LM)是依賴于一個或多個ML算法的計算實體，該一個或多個ML算法用 于執(zhí)行學(xué)習(xí)機(jī)器尚未被明確編程來執(zhí)行的任務(wù)。具體地，LM能夠調(diào)整其行為來適應(yīng)其環(huán)境 (即，無需先驗配置靜態(tài)規(guī)則的"自適應(yīng)")。在LLN的情景中，并且更一般地在IoT (或萬聯(lián) 網(wǎng)（Internet ofEverything，IoE))的情景中，該能力將非常重要，因為網(wǎng)絡(luò)將面對變化的 狀況和需求，并且網(wǎng)絡(luò)對于網(wǎng)絡(luò)運營商的有效管理而言將變得太大。此外，LLN-般可以根 據(jù)其所期望的用途和所部署的環(huán)境而顯著不同。
[0008] 迄今為止，不論LLN的復(fù)雜性的總體水平如何，在"經(jīng)典的"方法（基于已知的算 法）效率低下的情況下或者當(dāng)數(shù)據(jù)量不能由人工處理以在考慮參數(shù)的數(shù)目的情況下預(yù)測 網(wǎng)絡(luò)行為時，LM尚未普遍用于LLN。
【附圖說明】
[0009] 本文的實施例可以通過結(jié)合附圖參照下文的描述進(jìn)行更好的理解，其中，相似的 參考標(biāo)號指示等同地或功能上類似的要素，其中：
[0010] 圖1示出了示例通信網(wǎng)絡(luò)；
[0011] 圖2示出了示例網(wǎng)絡(luò)設(shè)備/節(jié)點；
[0012] 圖3示出了圖1的通信網(wǎng)絡(luò)中的示例有向非循環(huán)圖（DAG);
[0013] 圖4示出了示例貝葉斯（Bayesian)網(wǎng)絡(luò)；
[0014] 圖5示出了用于線性回歸的示例貝葉斯網(wǎng)絡(luò)；
[0015] 圖6示出了示例學(xué)習(xí)機(jī)器網(wǎng)絡(luò)；
[0016] 圖7A-7C示出了示例學(xué)習(xí)機(jī)器網(wǎng)絡(luò)；
[0017] 圖8示出了示例特征樹；
[0018] 圖9示出了示例學(xué)習(xí)機(jī)器架構(gòu)；
[0019] 圖10示出了示例回歸圖；
[0020] 圖11示出了示例學(xué)習(xí)機(jī)器架構(gòu)實現(xiàn)方式；
[0021] 圖12尤其從邊界路由器的角度，示出了根據(jù)本文所描述的一個或多個實施例的 基于學(xué)習(xí)機(jī)器對異常網(wǎng)絡(luò)性能的檢測的示例簡化過程；
[0022] 圖13示出了根據(jù)本文所描述的一個或多個實施例的用于建立回歸函數(shù)并且確定 用作回歸算法的輸入的相關(guān)特征的示例簡化過程；
[0023] 圖14尤其從網(wǎng)絡(luò)管理服務(wù)器（匪S)的角度，示出了根據(jù)本文所描述的一個或多個 實施例的基于學(xué)習(xí)機(jī)器對異常網(wǎng)絡(luò)性能的檢測的示例簡化過程。
【具體實施方式】
[0024]
[0025] 根據(jù)本公開的一個或多個實施例，示出并描述了與基于學(xué)習(xí)機(jī)器對異常網(wǎng)絡(luò)性能 的檢測有關(guān)的技術(shù)。具體地，在一個實施例中，邊界路由器從網(wǎng)絡(luò)管理服務(wù)器（匪S)接收一 組網(wǎng)絡(luò)屬性X1和網(wǎng)絡(luò)性能度量^，然后攔截從邊界路由器的計算機(jī)網(wǎng)絡(luò)中的節(jié)點發(fā)送的X1 和M1。由此，邊界路由器然后可以基于\和M 1來建立回歸函數(shù)F，并且能夠基于回歸函數(shù)F 來檢測所攔截的^和M 的一個或多個異常。
[0026] 在另一實施例中，匪S確定一組網(wǎng)絡(luò)屬性X1和網(wǎng)絡(luò)性能度量11 i，將其發(fā)送至計算機(jī) 網(wǎng)絡(luò)的邊界路由器，并且從邊界路由器接收所攔截的從計算機(jī)網(wǎng)絡(luò)中的節(jié)點發(fā)送的^和M i 中的一個或多個檢測到的異常，其中，一個或多個檢測到的異常是基于由邊界路由器基于 \和M i所建立的回歸函數(shù)F檢測的。
【具體實施方式】 [0027] 說明
[0028] 計算機(jī)網(wǎng)絡(luò)是在地理上分布的節(jié)點的集合，這些節(jié)點通過分段和通信鏈路進(jìn)行互 連，以在端節(jié)點（例如，個人計算機(jī)和工作站或其他設(shè)備（例如，傳感器等））之間傳輸數(shù) 據(jù)。從局域網(wǎng)（LAN)到廣域網(wǎng)（WAN)的范圍內(nèi)的許多類型的網(wǎng)絡(luò)是可用的。LAN通常通過 位于大致相同的物理位置（例如，建筑物或校園）的專用私有通信鏈路來連接節(jié)點。另一方 面，WAN-般通過長距離通信鏈路（例如，公共載波電話線、光學(xué)光路、同步光網(wǎng)絡(luò)（SONET)、 同步數(shù)字體系（SDH)鏈路或諸如IEEE 61334、IEEE P1901. 2等的電線通信（PLC))來連接 地理上分散的節(jié)點。此外，移動Ad-Hoc網(wǎng)絡(luò)（MANET)是一種無線ad-hoc網(wǎng)絡(luò)，其一般被認(rèn) 為是由無線鏈路連接的移動路由器（以及相關(guān)聯(lián)的主機(jī)）的自配置網(wǎng)絡(luò)，它們的聯(lián)合形成 了任意的拓?fù)浣Y(jié)構(gòu)。
[0029] 具體地，智能對象網(wǎng)絡(luò)（例如，傳感器網(wǎng)絡(luò)）是具有空間分布的自主設(shè)備（例如， 傳感器、致動器等）的特定類型的網(wǎng)絡(luò)，這些自主設(shè)備以合作的方式監(jiān)控不同位置處的物 理或環(huán)境狀況，例如，能量/電力消耗、資源消耗（例如，對于高級的測量儀器或"AMI"應(yīng)用 而言，水/氣等）、溫度、壓力、振動、聲音、輻射、運動、污染等。其他類型的智能對象包括例 如負(fù)責(zé)開啟/關(guān)閉引擎或執(zhí)行任何其他動作的致動器。傳感器網(wǎng)絡(luò)（一種類型的智能對象 網(wǎng)絡(luò)）是典型的共享介質(zhì)網(wǎng)絡(luò)，例如，無線或PLC網(wǎng)絡(luò)。也就是說，除了一個或多個傳感器， 傳感器網(wǎng)絡(luò)中的每個傳感器設(shè)備（節(jié)點）一般可以裝備有無線電收發(fā)機(jī)或其他通信端口 (例如，PLC、微控制器以及諸如電池之類的能量源）。通常，智能對象網(wǎng)絡(luò)被看作現(xiàn)場區(qū)域 網(wǎng)絡(luò)（FAN)、鄰居區(qū)域網(wǎng)絡(luò)（NAN)、個人區(qū)域網(wǎng)絡(luò)（PAN)等。一般地，智能對象節(jié)點（例如， 傳感器）上的大小和成本約束導(dǎo)致對諸如能量、存儲器、計算速度以及帶寬之類的資源的 相應(yīng)約束。
[0030] 圖1是示例計算機(jī)網(wǎng)絡(luò)100的示意性框圖，其說明性地包括通過各種通信方法進(jìn) 行互連的節(jié)點/設(shè)備11〇(例如，如所示出的標(biāo)簽，"根"、"11"、"12"... "45"以及下面圖2 中所描述的）。例如，鏈路105可以是有線鏈路或共享介質(zhì)（例如，無線鏈路、PLC鏈路等）， 其中，諸如路由器、傳感器、計算機(jī)之類的某些節(jié)點110可以例如基于距離、信號強度、當(dāng)前 的操作狀態(tài)、位置等與其他節(jié)點110進(jìn)行通信。說明性的根節(jié)點（例如，F(xiàn)AN的現(xiàn)場區(qū)域路 由器（FAR))可以通過WAN 130與局部網(wǎng)絡(luò)互連，其可以容納一個或多個其他相關(guān)的設(shè)備， 例如，管理設(shè)備或服務(wù)器150 (例如，網(wǎng)絡(luò)管理服務(wù)器（NMS)、動態(tài)主機(jī)配置協(xié)議（DHCP)服務(wù) 器、約束應(yīng)用協(xié)議（CoAP)服務(wù)器等）。本領(lǐng)域技術(shù)人員明白，任意數(shù)目的節(jié)點、設(shè)備、鏈路等 可以用于接收機(jī)網(wǎng)絡(luò)，并且本文所示出的視圖是出于簡化的目的。另外，本領(lǐng)域技術(shù)人員還 將理解，盡管網(wǎng)絡(luò)以某一方向示出，尤其具有"根"節(jié)點，但網(wǎng)絡(luò)100僅僅是一示例說明，其 不意欲限制本公開。
[0031] 數(shù)據(jù)分組140(例如，流量和/或消息）可以使用預(yù)定義的網(wǎng)絡(luò)通信協(xié)議（例如， 某些已知的有線協(xié)議、無線協(xié)議（例如，IEEE標(biāo)準(zhǔn)802. 15.4、WiFi、藍(lán)牙（Bluetooth?) 等）、PLC協(xié)議、或其他適當(dāng)?shù)毓蚕斫橘|(zhì)協(xié)議）在計算機(jī)網(wǎng)絡(luò)100的節(jié)點/設(shè)備之間進(jìn)行交 換。在該上下文中，協(xié)議包括定義節(jié)點彼此如何交互的一組規(guī)則。
[0032] 圖2是可以被用于本文所描述的一個或多個實施例的示例節(jié)點/設(shè)備200 (例如， 如上面圖1所示的任意節(jié)點或設(shè)備）的示意性框圖。該設(shè)備可以包括通過系統(tǒng)總線250互 聯(lián)的一個或多個網(wǎng)絡(luò)接口 210(例如，有線、無線、PLC等）、至少一個處理器220和存儲器 240以及電源260 (例如，電池、外接電源等）。
[0033] (-個或多個）網(wǎng)絡(luò)接口 210包含用于通過耦合至網(wǎng)絡(luò)100的鏈路105來傳輸數(shù) 據(jù)的機(jī)械電路、電學(xué)電路以及信令電路。網(wǎng)絡(luò)接口可以被配置為使用各種不同的通信協(xié)議 來發(fā)送和/或接收數(shù)據(jù)。還應(yīng)當(dāng)注意