CN118984281B 网络流量生成方法、装置、电子设备及存储介质 （中国电信股份有限公司技术创新中心）

科技城南区中国电信北京信息科技创本公开提供了一种网络流量生成方法、装轨迹图用于描述目标通信阶段中各个操作的执2获取目标网络仿真任务中各个目标通信阶段对应的框架执行图，所述对各个框架执行图进行功能模拟与性能模拟，得到执行轨迹图，所述执在所述目标网络仿真任务运行过程中获取当前集合通信序列，基于通信特征对所述目标网络仿真任务进行目标通信阶段根据框架工具生成各个目标通信阶段对应的3.根据权利要求1或2所述的网络流量生成方通过全系统性能模拟对各个操作的执行时长进行计算，以将所述数据将所述框架执行图与辅助输入数据输入至数据流级功能模拟器，得到第一运行结果，在所述数据流轨迹图上标记各个操作的执行时长，以计算所述按照时间顺序对所述执行轨迹图依次进行处理，得到所述执行轨迹通过所述执行轨迹图对应的集合通信序列，对所述时空图卷积神经网络模型进行训3按照时间顺序对框架执行图依次进行如下处理，得到当前集合通信序列：若第在网络拓扑图上增加多个伪节点，得到更新后的网络拓扑图，任一其中，所述在网络拓扑图中加入所述时空特征，得到所述第在所述更新后的网络拓扑图中加入所述时空特征，得到所9.根据权利要求1或7所述的网络流量生成方法，其将所述当前集合通信序列输入预训练后的生成模型，得到下一时刻通过在所述训练任务中的各个目标通信阶段上运行全系统性能模拟框架执行图获取模块，用于获取目标网络仿真任务中各个目标通执行轨迹图确定模块，用于对各个框架执行图进行功能模拟集合通信操作提取模块，用于提取所述执行轨迹图中的集合通网络流量生成模块，用于在所述目标网络仿真任务运行过程中获取当前集合通信序其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～10中任意一项4被处理器执行时实现权利要求1～10中任意一项所述的网络~10中任意一项所述的网络流量生成方法。5[0002]流量生成是指模拟网络中的数据流传输过程，以产生与实际网络流量相似的数[0003]在相关技术中，可以使用负载生成工具或者网络流量生成器来实现网络流量生[0008]在一些实施例中，获取目标网络仿真任务中各个目标通信阶段对应的框架执行6程中获取当前集合通信序列，并基于训练后的时空图卷积神经网络模型进行强化学习反7信序列。练后的生成模型通过训练后的时空图卷积神经网络模型进8得该电子设备执行本公开任一实施例中的各种可选方式中提供的网构或特性可以以任何合适的方式结合在一个或更多实9[0044]图1示出了可以应用本公开实施例中网络流量生成方法的示例性应用系统架构示[0045]其中，终端设备101可以获取目标网络仿真任务中各个目标通信阶段对应的框架[0046]或者，服务器103可以获取目标网络仿真任务中各个目标通信阶段对应的框架执[0047]网络102用以在终端设备101和服务器103之间提供通信链路的介质，可以是有线TLS)、虚拟专用网络(VirtualPrivateNetwork，VPN)、互联网安全协议(InternetProtocolSecurity，IPSec)等常规加密技术来加密所有或者一些链路。在另一些实施例例中提供的网络流量生成方法包括如下步骤S20[0055]在一些实施例中，获取目标网络仿真任务中各个目标通信阶段对应的框架执行器GPGPU_Sim、CPU(CentralProcessingUnit，中央处理器)模拟器SimpleScalar以及[0060]示例性地，在预先通过离线过程准备数据流级功能模拟器与全系统性能模拟器[0063]以计算操作对应的节点为例，该计算操作是A2＝A0+A1，该节点对应的ID有节点向Root节点发送消息。Scatter可以为Root节点向所有其他节点发送不同的消息片[0078]本公开实施例中的时空图卷积神经网络模型可以表示为STGCN(Spatio_Temporal一个时空块的输出映射为一个单步预测，全连接层将其转化成转化为N+M个节点的特征预t-w:t[0080]其中，t可以表示任一时刻。c可以表示集合通信操作类型，r可以表示根节点，[0082]需要说明的是，训练后的时空图卷积神经网络模型的输入是前w个时刻的集合通[0087]示例性地，由于预训练后的生成模型可能仅适用于预训练过程的RLHF(ReinforcementLearningfromHumanFeedba模型为时空图卷积神经网络模型提供的关于生成模型输出的概率，作为PPO算法中的奖励[0089]在示例性实施例中，该生成模型中可以添加有一个NSP(NextSentence的强化学习反馈进行构建之后，即可以输入包含集合通信图特征表示的当前集合通信序对应的框架执行图进行集合通信操作的时空特征的提取；在网络拓扑图中加入时空特征，[0097]示例性地，在根据该生成模型进行基于目标网络仿真任可以基于一个一次性的离线过程来预先准备数据流级功能模拟器与全系统性能模拟器并[0105]需要说明是的，本公开实施例将生成模型与时空图卷积神经网络模型结合了起征的流量生成方法能够更准确地反映大模型训练时的网络流量特点，有效避免误差和偏[0111]框架执行图获取模块601，用于获取目标网络仿真任务中各个目标通信阶段对应[0114]网络流量生成模块604，用于在目标网络仿真任务运行过程中获取当前集合通信合通信序列。[0121]在一些实施例中，网络流量生成模块604，还用于在网络拓扑图上增加多个伪节训练后的生成模型通过训练后的时空图卷积神经网块与对应的步骤所实现的示例和应用场景相同，但不限于上述方法实施例所公开的内容。[0130]下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子[0133]存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元[0134]存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具[0135]总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储[0136]电子设备700也可以与一个或多个外部设备740(例如键盘、指向设备、蓝牙设备算机程序，计算机程序被处理器执行时可以实现本公开实施例提供的网络流量生成方法。该计算机可读存储介质可以是可读信号介质可读存储介质800上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执块或者单元的特征和功能可以进一步划分为由多个模块或者单者适应性变