關(guān)鍵詞：深度置信網(wǎng)絡(luò)；互聯(lián)網(wǎng)流量；預(yù)測

隨著互聯(lián)網(wǎng)技術(shù)的進(jìn)一步發(fā)展與普及，它廣泛應(yīng)用于人們的日常生活中。近年來，我國寬帶網(wǎng)絡(luò)資費(fèi)成本逐年下降，但網(wǎng)絡(luò)流量的規(guī)?？焖僭鲩L，呈線性增長趨勢。因此，通過合理規(guī)劃互聯(lián)網(wǎng)網(wǎng)絡(luò)資源，既可以充分利用用戶網(wǎng)絡(luò)資源，又可以保證每個(gè)用戶網(wǎng)絡(luò)資源的有效使用價(jià)值與質(zhì)量。通過將實(shí)際流量與預(yù)測模型進(jìn)行預(yù)測比較，可以準(zhǔn)確識(shí)別出不規(guī)則數(shù)量的垃圾郵件，以及數(shù)據(jù)流量使用過程中涉及的其他安全攻擊?；诖?，本文重點(diǎn)研究深度置信網(wǎng)絡(luò)（DBN） 的結(jié)構(gòu)，以實(shí)現(xiàn)高預(yù)測精度。

一、推動(dòng)互聯(lián)網(wǎng)發(fā)展的關(guān)鍵性因素

（一）視頻

在我國信息技術(shù)飛速發(fā)展的背景下，3D 電視（3DTV）和超高清電視（UHDTV）技術(shù)已經(jīng)逐漸發(fā)展，且高清電視（HDTV）普及得越來越廣泛，能夠滿足人們對于信息資源獲取的需求。一般情況下，對于互聯(lián)網(wǎng)數(shù)據(jù)的獲取而言，一段20 分鐘時(shí)長、分辨率為7680×4320 像素的UHDTV2 原始視頻會(huì)占據(jù)很大的空間，一般而言可能需要整個(gè)空間的4TB。為減小空間占用，需要將其進(jìn)行相應(yīng)的壓縮，但經(jīng)過壓縮后也至少需要承載250Mbit/s 的實(shí)時(shí)傳輸帶寬。為滿足網(wǎng)絡(luò)承載需要，就需要提供1020Mbit/s 的接入帶寬。

（二）移動(dòng)

對于我國互聯(lián)網(wǎng)的使用而言，一般可以將其分為固定和移動(dòng)兩種模式。移動(dòng)接入互聯(lián)網(wǎng)的方式是一種有效方式，更是互聯(lián)網(wǎng)發(fā)展的重要特征類型之一。截至2020年上半年，國內(nèi)的手機(jī)上網(wǎng)用戶數(shù)量有所增加，甚至超過了臺(tái)式電腦上網(wǎng)用戶數(shù)的情況。如今，人們主要通過使用各種移動(dòng)終端設(shè)備獲取和接收移動(dòng)互聯(lián)網(wǎng)信息，其中包括智能手機(jī)、筆記本電腦等。這些設(shè)備在使用過程中會(huì)產(chǎn)生一定的數(shù)據(jù)流量，而智能手機(jī)流量是非智能手機(jī)流量的35 倍[1]。經(jīng)過相關(guān)分析，隨著未來5 年的發(fā)展，移動(dòng)接入數(shù)據(jù)流量將會(huì)繼續(xù)增長，并且其增速將是固定網(wǎng)絡(luò)接入流量增速的三倍。

（三）云計(jì)算

云計(jì)算涵蓋了許多不同的技術(shù)，其中包括分布式計(jì)算、網(wǎng)絡(luò)分布式云存儲(chǔ)、虛擬化、負(fù)載分布智能技術(shù)等，這些技術(shù)形式都是云計(jì)算的一種應(yīng)用形式。通過利用互聯(lián)網(wǎng)，用戶可以遠(yuǎn)程獲取處理信息能力和存儲(chǔ)信息的能力，并實(shí)現(xiàn)資源共享的目的。隨著我國互聯(lián)網(wǎng)技術(shù)的發(fā)展，“終端”這個(gè)概念逐漸引入互聯(lián)網(wǎng)應(yīng)用中。在此期間，大量的數(shù)據(jù)可以在本地終端與云端之間進(jìn)行轉(zhuǎn)化，主要以計(jì)算機(jī)與視頻傳輸?shù)男问竭M(jìn)行。由此可見，云計(jì)算技術(shù)對互聯(lián)網(wǎng)的發(fā)展有明顯的影響。由于云存儲(chǔ)系統(tǒng)對整個(gè)互聯(lián)網(wǎng)帶寬的要求更高。為了能夠滿足本地終端實(shí)時(shí)讀取云存儲(chǔ)數(shù)據(jù)的需求，視頻技術(shù)的應(yīng)用可以提供相應(yīng)的解決方案，從而為互聯(lián)網(wǎng)流量的爆發(fā)式增長提供支持。

二、理論背景

由于互聯(lián)網(wǎng)能夠滿足人們的精神需求并為人們的生活帶來便利，為了提升互聯(lián)網(wǎng)的有效使用，需要加強(qiáng)對互聯(lián)網(wǎng)流量的使用監(jiān)測，為建設(shè)安全使用互聯(lián)網(wǎng)技術(shù)奠定基礎(chǔ)。深度置信網(wǎng)絡(luò)算法可以在訓(xùn)練過程中通過讓神經(jīng)網(wǎng)絡(luò)模型達(dá)到特定輸入匹配的目標(biāo)，從而保證其能夠適應(yīng)各種不同的輸入。同時(shí)，還可以選擇網(wǎng)絡(luò)理論中目標(biāo)輸入?yún)?shù)，并基于這些參數(shù)直接推導(dǎo)出給定目標(biāo)輸入?yún)?shù)之間的非線性關(guān)系。為了提高人工神經(jīng)網(wǎng)絡(luò)中神經(jīng)元計(jì)算的效率，需要增加神經(jīng)元的數(shù)量以及增加隱藏層，并構(gòu)建一個(gè)具有深層抽象結(jié)構(gòu)的神經(jīng)元計(jì)算模型。其中一個(gè)或多個(gè)隱藏層可作為更多抽象層單元被執(zhí)行。深度置信網(wǎng)絡(luò)的更深層架構(gòu)可以借助該方式，在實(shí)際應(yīng)用期間具有強(qiáng)大的優(yōu)勢。在深度置信網(wǎng)絡(luò)建立期間，應(yīng)基于隱藏層所具有的深度特征對神經(jīng)網(wǎng)絡(luò)進(jìn)行分析。神經(jīng)網(wǎng)絡(luò)會(huì)涉及許多非線性層，這些非線性層的建立構(gòu)成神經(jīng)網(wǎng)絡(luò)系統(tǒng)。深層網(wǎng)絡(luò)在層次結(jié)構(gòu)方面存在不同的性質(zhì)，這些性質(zhì)均可以表示為高度可變的非線性模型。然而，目前為止人們還不清楚如何進(jìn)一步設(shè)計(jì)深度網(wǎng)絡(luò)算法，為了解決這一實(shí)際的問題，需要采用一種全新的算法，有效提升互聯(lián)網(wǎng)流量預(yù)測的效果[2]。對于深度置信網(wǎng)絡(luò)而言，在構(gòu)建期間，通過訓(xùn)練一層深度網(wǎng)絡(luò)的方式。這種深度架構(gòu)算法的實(shí)際應(yīng)用可以通過疊加RBM（RestriCted Boltzmann Machines）網(wǎng)絡(luò)來實(shí)現(xiàn)，從而有效實(shí)現(xiàn)深度置信網(wǎng)絡(luò)模式。此外，DBN 算法也是當(dāng)前最簡單、常見、有效可行的設(shè)計(jì)方法。通過構(gòu)建DBN 模型，可以將若干個(gè)RBM 節(jié)點(diǎn)疊加組合而成，如圖1 所示。

三、構(gòu)建模型

基于深度置信網(wǎng)絡(luò)的流量預(yù)測模型主要包括三種不同的網(wǎng)絡(luò)架構(gòu)模式，可以選擇其中一種來建立模型。在建立網(wǎng)絡(luò)模型之后，可以利用該模型來預(yù)測相關(guān)的互聯(lián)網(wǎng)流量信息。具體可以根據(jù)模型預(yù)測未來超過1 小時(shí)的時(shí)間序列深度網(wǎng)絡(luò)流量數(shù)據(jù)，從而幫助人們更好地使用網(wǎng)絡(luò)。深度置信網(wǎng)絡(luò)對提升互聯(lián)網(wǎng)流量預(yù)測效果具有重要作用，具體結(jié)構(gòu)可以按照圖2 所示進(jìn)行構(gòu)建。該模型可以分為4 層，用于預(yù)測未來的流量負(fù)荷情況。在確定模型隱藏層寬度大小及其選擇因素時(shí)，需要考慮隱藏神經(jīng)元數(shù)目的范圍和DDBN 模型的神經(jīng)元數(shù)目設(shè)置方式。

例如，可以通過蒙特卡羅模擬，計(jì)算第一隱藏神經(jīng)元數(shù)目范圍為100—600 時(shí)效果最好。表1 展示了DDBN模型的神經(jīng)元數(shù)目首選設(shè)置方式。由表1 可知，通過預(yù)訓(xùn)練可以獲取參數(shù)值的具體情況，并為第一層神經(jīng)元構(gòu)造一組初始輸入?yún)?shù)值。然后，在掌握相關(guān)參數(shù)值的基礎(chǔ)上，從上一層獲得的輸出作為另一個(gè)新輸入的特征層集，并將參數(shù)值作為下一層的新輸入。在構(gòu)建模型期間，要想獲得更多的非線性表示內(nèi)容，需要進(jìn)行相應(yīng)的訓(xùn)練，并可以重復(fù)使用相關(guān)內(nèi)容進(jìn)行實(shí)際訓(xùn)練，以達(dá)到參數(shù)初始化的目的。當(dāng)前所涉及的DBN 網(wǎng)絡(luò)模型并沒有進(jìn)行深入分析，其中RBM 層模型也尚未進(jìn)行訓(xùn)練模式。為解決這一問題，就需要進(jìn)行微調(diào)訓(xùn)練干預(yù)，以有效解決存在的問題。此外，在互聯(lián)網(wǎng)流量預(yù)測過程中，可以利用監(jiān)督學(xué)習(xí)算法進(jìn)行訓(xùn)練，這種微調(diào)訓(xùn)練主要針對整個(gè)網(wǎng)絡(luò)模型，旨在有效確定預(yù)測模型的目標(biāo)[3]。

四、基于深度置信網(wǎng)絡(luò)的互聯(lián)網(wǎng)流量預(yù)測方法

（一）預(yù)測智能手機(jī)和功能手機(jī)的用戶

在基于深度置信網(wǎng)絡(luò)的流量預(yù)測中，應(yīng)對涉及的一定時(shí)間內(nèi)換機(jī)用戶數(shù)量進(jìn)行相應(yīng)分析。在分析期間，需要保證換機(jī)用戶占總用戶數(shù)的比例，并確保這個(gè)比例在分析期間保持不變。這說明用戶的換機(jī)需求穩(wěn)定且有一定的增長空間。因此，可以利用相對穩(wěn)定的換機(jī)率來預(yù)測換機(jī)用戶數(shù)量，只需要將總用戶數(shù)乘以換機(jī)率即可。還需要預(yù)測通話用戶總數(shù)，這是普通用戶的預(yù)測。由于用戶換機(jī)比例是穩(wěn)定的，可以根據(jù)歷史數(shù)據(jù)來確定。轉(zhuǎn)機(jī)用戶模型為： 轉(zhuǎn)機(jī)用戶數(shù)= 呼叫用戶總數(shù)× 轉(zhuǎn)機(jī)用戶比例。其中，總通話用戶數(shù)根據(jù)總用戶數(shù)的預(yù)測模型計(jì)算，轉(zhuǎn)機(jī)用戶占比使用歷史數(shù)據(jù)。

為了顯著提高互聯(lián)網(wǎng)流量預(yù)測的計(jì)算精度，只需要將輸入集的數(shù)據(jù)進(jìn)一步簡單拆分，轉(zhuǎn)化為一個(gè)小時(shí)、月、天、時(shí)刻以及一個(gè)t、t-1 和兩個(gè)t-2 的互聯(lián)網(wǎng)流量。目前，手機(jī)終端可分為智能手機(jī)和功能手機(jī)兩類。根據(jù)兩類手機(jī)在換機(jī)用戶中的占比分析，這兩類換機(jī)比例基本上與終端廠商的出貨量占比相對應(yīng)。這說明終端廠商的出貨量結(jié)構(gòu)直接影響用戶對換機(jī)的選擇。因此，在模型中，可以根據(jù)終端廠商的出貨結(jié)構(gòu)來確定更換用戶中智能手機(jī)和功能機(jī)用戶比例。

（二）預(yù)測TD和非TD換機(jī)用戶

除了智能手機(jī)和功能手機(jī)的分類外，目前手機(jī)還能分為TD終端和非TD終端。因此，移動(dòng)終端類型又可以進(jìn)一步分為TD智能手機(jī)、非TD智能手機(jī)、TD功能機(jī)和非TD 終端。TD 功能手機(jī)市場部調(diào)研顯示，影響用戶終端選擇的主要因素是渠道推廣。針對TD 和非TD換機(jī)用戶模型可以推斷：換機(jī)TD 智能手機(jī)用戶= 換機(jī)智能手機(jī)用戶× 換機(jī)TD 智能手機(jī)用戶比例。其中，涉及的TD 智能手機(jī)換機(jī)用戶也具有一定比例，其比例也會(huì)占TD 功能機(jī)換機(jī)比例。具體的比例取決于市場部門對TD 終端發(fā)展態(tài)度，而補(bǔ)貼方式則是由市場部根據(jù)發(fā)展戰(zhàn)略來確定。

（三）城鄉(xiāng)各類終端用戶到達(dá)量預(yù)測

在對城鄉(xiāng)各類終端用戶到達(dá)量進(jìn)行預(yù)測時(shí)，可以根據(jù)移動(dòng)公司的TD 網(wǎng)絡(luò)建設(shè)情況進(jìn)行相應(yīng)分析。分析后發(fā)現(xiàn)，在TD 網(wǎng)絡(luò)的實(shí)際應(yīng)用中，其覆蓋主要針對城市地區(qū)，而沒有覆蓋農(nóng)村地區(qū)?；诋?dāng)前TD 和GSM 網(wǎng)絡(luò)的實(shí)際情況，還需要將替代用戶劃分為城鄉(xiāng)，并根據(jù)市場部的研究來評估城鄉(xiāng)替代率。影響城鄉(xiāng)替代率的主要因素是市場部對城鄉(xiāng)發(fā)展的戰(zhàn)略。同時(shí)，市場部門對城鄉(xiāng)終端的評價(jià)指標(biāo)基本一致，城鄉(xiāng)換機(jī)用戶可以按照以下方式計(jì)算：城市各類換機(jī)用戶= 各類換機(jī)用戶× 占比（城市中此類用戶的數(shù)量）。其中，城鄉(xiāng)終端置換用戶比例取決于市場部門對城鄉(xiāng)終端的發(fā)展戰(zhàn)略，可以通過市場部門的考核指標(biāo)和發(fā)展戰(zhàn)略綜合確定。需要注意的是，換機(jī)用戶是指使用新IMEI 號(hào)碼的手機(jī)用戶，但不等同于凈增用戶。例如，某用戶是TD 智能手機(jī)用戶，更換TD 智能手機(jī)后成為TD 智能手機(jī)換機(jī)用戶，但這并不表示TD 智能手機(jī)用戶的凈增，通過分析換機(jī)用戶和凈增用戶可以發(fā)現(xiàn)兩者存在一定的相關(guān)性。

（四）各類終端流量預(yù)測

各類終端的流量預(yù)測是根據(jù)用戶數(shù)乘以單個(gè)用戶流量。常用的單個(gè)用戶流量預(yù)測方法有回歸分析和類比法，但這些方法都沒有考慮流量和移動(dòng)應(yīng)用開發(fā)對用戶的影響。目前，在預(yù)測單用戶流量時(shí)，通常會(huì)考慮流量、速率和應(yīng)用之間的相關(guān)性。因此，各終端類型的流量預(yù)測模型可以表示為：各類終端流量= 各類終端用戶數(shù)× 該類終端單個(gè)用戶流量。在這個(gè)模型中，可以通過回歸分析、類比法和關(guān)聯(lián)分析等方法綜合判斷單個(gè)用戶的流量大小。

（五）預(yù)測TD 和GSM 網(wǎng)絡(luò)承載流量

通過以上預(yù)測模型，城市TD 智能手機(jī)、城市非TD智能手機(jī)、城市TD 功能手機(jī)、城市非TD 功能手機(jī)、農(nóng)村TD 智能手機(jī)、農(nóng)村非TD 智能手機(jī)在實(shí)際使用期間，均會(huì)產(chǎn)生一定的流量數(shù)據(jù)，這些流量數(shù)據(jù)都是使用手機(jī)的主要形式。在使用期間，TD 網(wǎng)絡(luò)只會(huì)覆蓋在城市地區(qū)，城市地區(qū)使用時(shí)也會(huì)產(chǎn)生相應(yīng)的數(shù)據(jù)。農(nóng)村地區(qū)所有終端的數(shù)據(jù)流量都在GSM 網(wǎng)絡(luò)上進(jìn)行，雖然城市有TD 網(wǎng)絡(luò)覆蓋，但在實(shí)際使用期間，部分地區(qū)也會(huì)存在覆蓋盲點(diǎn)的情況，或者存在信號(hào)差的問題。通過分析DTT 客戶在GSM 網(wǎng)絡(luò)上承載的流量，傳輸率與DTT 網(wǎng)絡(luò)的覆蓋范圍和質(zhì)量有關(guān)，可以根據(jù)歷史數(shù)據(jù)和TD 網(wǎng)絡(luò)優(yōu)化策略綜合確定檢測率。

（六）后端網(wǎng)絡(luò)反推市場策略

在深度神經(jīng)網(wǎng)絡(luò)模型檢測期間，由于投入其中使用的相關(guān)數(shù)據(jù)資源具有有限的特點(diǎn)，這樣就會(huì)嚴(yán)重影響市場的建立效果，導(dǎo)致當(dāng)前建設(shè)的網(wǎng)絡(luò)模式無法滿足市場的實(shí)際需要。當(dāng)前互聯(lián)網(wǎng)網(wǎng)絡(luò)數(shù)據(jù)在運(yùn)行期間，市場部需要制定有關(guān)的TD 智能手機(jī)。在智能手機(jī)建設(shè)期間，相關(guān)人員只會(huì)考慮到自身的評價(jià)指標(biāo)。但是在網(wǎng)絡(luò)分析期間，并沒有考慮到涉及網(wǎng)絡(luò)的實(shí)際分配需求，這樣就會(huì)導(dǎo)致TD 網(wǎng)絡(luò)無法將網(wǎng)絡(luò)流量有效分配。而在深度置信網(wǎng)絡(luò)模型建立期間，也可以基于GSM 網(wǎng)絡(luò)容量具有一定特點(diǎn)的情況下，通過模型建立的方式，有效推斷城市TD 網(wǎng)絡(luò)應(yīng)分流的數(shù)據(jù)流量。在對流量數(shù)據(jù)分析期間，也可以獲得功能手機(jī)用戶數(shù)。在用戶數(shù)的建立之下，就可以形成一種前后端聯(lián)動(dòng)體系。在體系建立之下，也可以實(shí)現(xiàn)逆向計(jì)算的目標(biāo)。不僅能夠反推出相應(yīng)的市場策略模式，還可以推算每個(gè)終端類型的用戶數(shù)。

五、結(jié)束語

綜上所述，本文提出了一種基于DBN 的神經(jīng)網(wǎng)絡(luò)模型，用于預(yù)測互聯(lián)網(wǎng)流量數(shù)據(jù)的使用。深度置信網(wǎng)絡(luò)模型具有更好的預(yù)測性能，能夠減小誤差，主要是由于DBN 模型具有明顯的特征提取能力。同時(shí)，WLAN 業(yè)務(wù)作為CMNET 的核心業(yè)務(wù)，是中國移動(dòng)三網(wǎng)協(xié)同戰(zhàn)略的重要組成部分。而GSM、TD-SCDMA 網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)承載能力不足的問題，集團(tuán)客戶專線、家庭寬帶等業(yè)務(wù)也是中國移動(dòng)全業(yè)務(wù)競爭的必要手段之一。中國移動(dòng)互聯(lián)網(wǎng)作為上述業(yè)務(wù)的承載網(wǎng)絡(luò)，在帶寬提速、全業(yè)務(wù)承載、電信級以太網(wǎng)演進(jìn)等發(fā)展趨勢的推動(dòng)下，正面臨前所未有的發(fā)展機(jī)遇。CMNET 核心網(wǎng)建設(shè)應(yīng)注意保障有效網(wǎng)絡(luò)帶寬，積極引入網(wǎng)絡(luò)資源，并適時(shí)推廣高帶寬鏈路和路由器集群技術(shù)。

作者單位：李冉 中國電信股份有限公司北京分公司