摘要
本发明公开了基于图注意网络的动态深空网络流量预测方法及系统,涉及深空网络通信技术领域。本发明包括:接收深空网络流量数据,对网络流量数据进行预处理后划分为训练集与测试集;以RNN循环神经网络为基础结构,构建深空网络流量预测模型,所述深空网络流量预测模型分为编码器部分与解码器部分。本发明分别使用空间注意模块和序列卷积模块分析深空网络流量信息的空间相关性和时间相关性,对网络流量时空相关性的充分分析,使得预测的结果更加准确,并且考虑到未连接的节点之间也存在流量相关性,引入了图生成模块,能够根据当前及历史流量信息得到一个基于动态属性的邻接矩阵,该矩阵反映了从长期来看各节点之间的相关性,方便进行长期预测。
技术关键词
网络流量预测模型
网络流量预测方法
网络流量数据
网络流量信息
训练算法
网络流量预测系统
模块
编码器
基础结构
初始化解码器
计数器
节点特征
注意力机制
序列
动态滤波器
系统为您推荐了相关专利信息
虚拟局域网标签
网络控制器
强化学习模型
策略
历史流量数据
检测分析方法
网络流量数据
攻防随机博弈模型
资产
随机森林
业务流量识别方法
流量识别模型
样本类别标签
业务流量数据
GRU模型
网络漏洞检测方法
皮尔逊相关系数
特征选择算法
实时数据处理
预警机制