基於神經網絡模型優化傳送網路由的方法及裝置的製作方法
2023-10-04 13:19:44
專利名稱：基於神經網絡模型優化傳送網路由的方法及裝置的製作方法
技術領域：
本發明屬於網絡安全技術領域，尤其涉及一種基於神經網絡模型優化傳送網路由的方法及裝置。
背景技術：
傳送網作為通信信號的底層傳輸網絡，是通信網絡的基礎。隨著多業務融合的發展，傳送網上承載了語音、數據、圖像、多媒體、IP業務以及各種增值業務和智能業務，傳送網的網絡安全越來越重要。近年來，各種傳送網技術層出不窮，如PDH(準同步數字系列)、SDH(同步數字體系)、WDM(波分復用)、PTN(分組傳送網)分組傳送網等，雖然這些技術也提供了各種基於 OSI(開放式系統互聯)第二層和第三層的網絡保護方案，如基於數據鏈路層有線性組網中的1+1保護倒換、1 1保護倒換、1 N保護倒換，環形組網中的通道/光通道保護、復用段保護，基於網絡層有LSP (分層服務提供商)路由保護切換技術、MPLS (多協議標籤交換) 快速重路由技術等，但由於在物理層都必須通過光纜承載，往往受限於光纜和現實世界中光纜的載體-管道杆路的布放，導致上層的保護方案失效，造成各種網絡安全隱患。由於光纜物理路由隱患導致上層保護方案失效的典型例子就是在SDH/WDM環網中，環節點兩個方向的光纖在同一根光纜中承載，或環節點兩個光纖所在的光纜在同一根管道中承載，導致形成同路由隱患。
發明內容
為了解決上述問題，本發明的目的是提供一種基於神經網絡模型優化傳送網路由的方法及裝置，可有效防止傳送網中同路由隱患。為了達到上述目的，本發明提供一種基於神經網絡模型優化傳送網路由的方法， 所述方法包括步驟1、將傳送網轉換為脈衝耦合神經網絡模型支持的傳送網的路由圖；步驟2、進行同路由分析，對所述傳送網的路由圖中存在的同路由鏈路進行鏈路替換；步驟3、鏈路替換完成後，在得到的所述傳送網的路由圖上，計算出優化處理後的傳送網路由。優選的，所述步驟3中，通過基於脈衝耦合神經網絡模型的算法計算出優化處理後的傳送網路由。優選的，所述優化處理後的傳送網路由為傳輸路徑最短的傳送網路由或者為負載均衡的傳送網路由。優選的，所述步驟1具體包括將所述傳送網進行模型分層，得到傳送網網絡模型；根據所述脈衝耦合神經網絡模型，將所述傳送網網絡模型轉換為傳送網的路由圖。優選的，所述傳送網網絡模型包括傳輸通道層、光纖/光路層、光纜層和管道杆路層。優選的，所述進行同路由分析的步驟具體為提取所述傳輸通道層到所述光纜層的縱向關係，所述縱向關係包括傳輸通道到光路的關係、光路到光纖的關係和光纖到光纜的關係；關係提取後，形成傳輸通道——光路——光纜的二維描述；在所述二維描述中，判斷同環的不同光路是否經過相同光纜，如果是，則形成光纜同路由。優選的，所述進行同路由分析的步驟具體為提取所述傳輸通道層到所述管道杆路層的縱向關係，所述縱向關係包括傳輸通道到光路的關係、光路到光纖的關係、光纖到光纜的關係和光纜到管道杆路的關係；關係提取後，形成傳輸通道——光路——光纜——管道杆路的二維描述；判斷同環的不同光路下的光纜是否經過了相同的管道杆路，如果是，則形成管道杆路同路由。優選的，所述方法還包括在判斷出存在同路由時，將同路由的隱患信息根據傳送網網絡模型進行分級；根據各級設備之間的業務關聯關係，將所述同路由的隱患信息以聯動的方式進行展示。本發明還提供一種基於神經網絡模型優化傳送網路由的裝置，包括轉換模塊，用於將傳送網轉換為脈衝耦合神經網絡模型支持的傳送網的路由圖；同路由分析模塊，用於進行同路由分析，對所述傳送網的路由圖中存在的同路由鏈路進行鏈路替換；優化處理模塊，用於在鏈路替換完成後，在得到的所述傳送網的路由圖上，計算出優化處理後的傳送網路由。優選的，所述轉換模塊包括分層單元，用於將所述傳送網進行模型分層，得到傳送網網絡模型；轉換單元，用於根據所述脈衝耦合神經網絡模型，將所述傳送網網絡模型轉換為傳送網的路由圖。由上述技術方案可知，本發明的實施例具有如下有益效果
1)利用基於脈衝耦合神經網絡模型的算法進行安全優化，解決在安全優化過程中有可能造成二次同路由的隱患問題；2)利用基於脈衝耦合神經網絡模型的算法進行安全優化，算法並行度高，性能優於傳統靜態路徑算法；3)本發明中基於脈衝耦合神經網絡模型的算法的核心算法具有良好的可擴展性， 在需要的情況下可以通過權值的適配應用於不同的問題域，並對問題進行分析和解決。
圖1為本發明的實施例中基於神經網絡模型優化傳送網路由的方法流程圖；圖2為本發明的實施例中傳送網網絡模型的示意圖；圖3為本發明的實施例中神經網絡中神經元的結構模型的示意圖；圖4為本發明的實施例中脈衝耦合神經網絡支持的傳送網路由示意4
圖5為本發明的實施例中優化分析之前的傳送網路由示意圖；圖6為本發明的實施例中調纖方案中可選的鏈路示意圖；圖7為本發明的實施例中優化分析後的傳送網路由示意圖；圖8為本發明的實施例中基於神經網絡模型優化傳送網路由的裝置結構示意圖。
具體實施例方式為了使本發明實施例的目的、技術方案和優點更加清楚明白，下面結合實施例和附圖，對本發明實施例做進一步詳細地說明。在此，本發明的示意性實施例及說明用於解釋本發明，但並不作為對本發明的限定。參見圖1，為本發明的實施例中基於神經網絡模型優化傳送網路由的方法流程圖， 具體步驟如下步驟101、將傳送網轉換為脈衝耦合神經網絡模型支持的傳送網的路由圖；在步驟101中，首先將傳送網進行模型分層，得到傳送網網絡模型；然後根據脈衝耦合神經網絡模型，將傳送網網絡模型轉換為傳送網的路由圖。在本實施例中，對傳送網進行模型分層的步驟如下a、根據傳送網設備的類型區分為點設備和線設備，點設備和線設備構成網絡拓撲；b、根據傳送網設備在傳送網中所起的作用，將傳送網劃分為承載、光纜、光路和傳輸系統四個層級；傳送網網絡模型自上而下包括如下四個網絡層次傳輸通道層(主要針對SDH傳輸通道和DWDM傳輸通道)、光纖/光路層、光纜層和管道杆路層。當然在本實施例中並不限定該傳送網網絡模型的具體結構，本領域技術人員可根據具體情況調整傳送網網絡模型的結構。在本實施例中，上述四個網絡層次的組成元素描述參見下表
權利要求
1.一種基於神經網絡模型優化傳送網路由的方法，其特徵在於，所述方法包括 步驟1、將傳送網轉換為脈衝耦合神經網絡模型支持的傳送網的路由圖；步驟2、進行同路由分析，對所述傳送網的路由圖中存在的同路由鏈路進行鏈路替換； 步驟3、鏈路替換完成後，在得到的所述傳送網的路由圖上，計算出優化處理後的傳送網路由。
2.根據權利要求1所述的方法，其特徵在於，所述步驟3中，通過基於脈衝耦合神經網絡模型的算法計算出優化處理後的傳送網路由。
3.根據權利要求2所述的方法，其特徵在於，所述優化處理後的傳送網路由為傳輸路徑最短的傳送網路由或者為負載均衡的傳送網路由。
4.根據權利要求1所述的方法，其特徵在於，所述步驟1具體包括 將所述傳送網進行模型分層，得到傳送網網絡模型；根據所述脈衝耦合神經網絡模型，將所述傳送網網絡模型轉換為傳送網的路由圖。
5.根據權利要求4所述的方法，其特徵在於，所述傳送網網絡模型包括傳輸通道層、 光纖/光路層、光纜層和管道杆路層。
6.根據權利要求5所述的方法，其特徵在於，所述進行同路由分析的步驟具體為提取所述傳輸通道層到所述光纜層的縱向關係，所述縱向關係包括傳輸通道到光路的關係、光路到光纖的關係和光纖到光纜的關係；關係提取後，形成傳輸通道——光路——光纜的二維描述；在所述二維描述中，判斷同環的不同光路是否經過相同光纜，如果是，則形成光纜同路由。
7.根據權利要求4所述的方法，其特徵在於，所述進行同路由分析的步驟具體為提取所述傳輸通道層到所述管道杆路層的縱向關係，所述縱向關係包括傳輸通道到光路的關係、光路到光纖的關係、光纖到光纜的關係和光纜到管道杆路的關係； 關係提取後，形成傳輸通道——光路——光纜——管道杆路的二維描述； 判斷同環的不同光路下的光纜是否經過了相同的管道杆路，如果是，則形成管道杆路同路由。
8.根據權利要求6或7所述的方法，其特徵在於，所述方法還包括在判斷出存在同路由時，將同路由的隱患信息根據傳送網網絡模型進行分級； 根據各級設備之間的業務關聯關係，將所述同路由的隱患信息以聯動的方式進行展示。
9.一種基於神經網絡模型優化傳送網路由的裝置，其特徵在於，包括轉換模塊，用於將傳送網轉換為脈衝耦合神經網絡模型支持的傳送網的路由圖； 同路由分析模塊，用於進行同路由分析，對所述傳送網的路由圖中存在的同路由鏈路進行鏈路替換；優化處理模塊，用於在鏈路替換完成後，在得到的所述傳送網的路由圖上，計算出優化處理後的傳送網路由。
10.根據權利要求9所述的裝置，其特徵在於，所述轉換模塊包括 分層單元，用於將所述傳送網進行模型分層，得到傳送網網絡模型；轉換單元，用於根據所述脈衝耦合神經網絡模型，將所述傳送網網絡模型轉換為傳送網的路由圖。
全文摘要
本發明提供一種基於神經網絡模型優化傳送網路由的方法及裝置，屬於網絡安全技術領域，該方法包括步驟1、將傳送網轉換為脈衝耦合神經網絡模型支持的傳送網的路由圖；步驟2、進行同路由分析，對所述傳送網的路由圖中存在的同路由鏈路進行鏈路替換；步驟3、鏈路替換完成後，在得到的所述傳送網的路由圖上，計算出優化處理後的傳送網路由，可有效防止傳送網中同路由隱患。
文檔編號H04L12/56GK102457419SQ20101052237
公開日2012年5月16日 申請日期2010年10月22日 優先權日2010年10月22日
發明者馮偉, 劉躍江, 吳欽雄, 張志鋒, 金偉, 陳景, 陳毓鋒, 魏峰 申請人:中國移動通信集團廣東有限公司