CN111292523B - 网络智能体*** - Google Patents

网络智能体*** Download PDF

Info

Publication number
CN111292523B
CN111292523B CN201811488431.1A CN201811488431A CN111292523B CN 111292523 B CN111292523 B CN 111292523B CN 201811488431 A CN201811488431 A CN 201811488431A CN 111292523 B CN111292523 B CN 111292523B
Authority
CN
China
Prior art keywords
network
data
intelligence
intelligent
networks
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811488431.1A
Other languages
English (en)
Other versions
CN111292523A (zh
Inventor
余少华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Information And Communication Technology Group Co ltd
Original Assignee
China Information And Communication Technology Group Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Information And Communication Technology Group Co ltd filed Critical China Information And Communication Technology Group Co ltd
Priority to CN201811488431.1A priority Critical patent/CN111292523B/zh
Publication of CN111292523A publication Critical patent/CN111292523A/zh
Application granted granted Critical
Publication of CN111292523B publication Critical patent/CN111292523B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明涉及可作为未来网络范式的网络智能体***。根据一示例性实施例，一种网络智能体***可包括：网络数据感知装置，布置于一个或多个基础网络中，用于感知所述一个或多个基础网络中的网络数据；以及网络智能处理装置，用于对从所述网络数据感知装置获得的网络数据进行人工智能处理，以获得与所述一个或多个基础网络相关的对象的信息。

Description

网络智能体***
技术领域
本发明总体上涉及网络架构，更特别地，涉及一种作为未来网络范式的网络智能体***。
背景技术
为应对网络的可扩展性、安全性、用户体验保证、实时性、移动性和可管理性等重大技术挑战，开发新的杀手级应用，美欧日韩等先后启动了一批未来网络研究计划，其中包括美国的Internet2(1996年启动)、NewArch项目(2000年启动)、Clean Slate计划(2003年启动)、FIND(Future Internet Design，2006年启动)、GENI(Global Environment forNetwork Innovations，2006年启动)、NetSE(Network Science and Engineering，2009年启动)和FIA(Future Internet Architecture，2010年启动)；欧洲的FIRE(FutureInternet Research and Experimentation，2007年启动)；日本的NWGN(New GenerationNetwork，2005年启动)研究计划，以及NICT部署的AKARI项目(AKARI Architecture DesignProject，未来之光，2006年启动)；韩国的FIRST(Future Internet Research forSustainable Testbed，2009年启动)计划；国际电信联盟的ITU-T SG13 GII(GlobalInformation Infrastructure)、FG-NGN(Focus Group on Next Generation Network，2009年启动)、IMT2020 Fixed/Mobile Convergence、OTN(Optical Transport Network)beyond 100Gbit/S和FG-Net2030等，还有物联网(Internet of Things,IoT)、云计算、大数据、4G/5G、软件定义网络(Software Defined Network,SDN)/网络功能虚拟化(NetworkFunction Virtualizaiton,NFV)和开源等一系列标志性的研究，既有革命性路线又有演进性技术路线，这些对未来网络的研究起到了非常重要的作用，对网络技术未来发展具有里程碑意义。这些技术中，有的能解决地址不够的问题，但不能解决服务质量问题；有的能解决带宽问题，但不能解决安全问题；有的偏重理论，能解决局部和特定业务问题；有的偏重实验，难以解决监管问题；有的偏重有线和固定网络，难以解决无线网的问题等等。如果把所有问题和应用需求都考虑进去，网络很可能会不堪负重。
从1969年ARPANET正式投入运营到目前近50年，特别是九十年代中后期全球互联网大规模商用之后，全球所有运营商网络、所有各类专网、所有实验网、所有固定终端、所有手机(2G/3G/4G/5G)和其他移动终端，总投入超过100万亿元人民币，其中仅以手机为例，全球74亿用户，每部手机平均以4000元计，那就是近30万亿元资产。那么，未来网络所有新技术、新产品和新方案，都应考虑后向兼容和前向兼容性，以保护这些原有的100万亿投资。互联网是全程全网的全球性基础设施，是全球74亿人的群体的象征，覆盖全球两百多个国家和地区，与教育、医疗和工业制造等上百个不同的行业深度融合，有海底网络和空天网络，有前后近50年的历史和文化沉积，暗藏在其中的是隐形的看不见的手。所以，既能够充分保护这100万亿投资，同时又能把后面几十年各个国家、各个行业和各个组织不断创新的各类新技术纳入进来的未来网络新技术，才是既叫好又叫座的管用的技术。
发明内容
为此，本申请提出“网络智能体(Net-AI Agent)”(也叫Network AI,NAI)的概念，其可构成一种可缩放的网络体系架构，例如可以构造为超级智能体、企业智能体、学校智能体、医院智能体、交通智能体、省级智能体、军队智能体和舰队智能体等。“智能体”在大思路上完全不同于“美欧日韩等先后启动的各类未来网络研究计划”，不再仅仅局限于“纯网络”范畴的革新，也不再沉迷于仅从网络体系架构、Baseline技术、服务质量体验和网络安全等具体层面提出新方法解决网络各类问题，而是跳出“纯网络创新”范畴，从网络连接数从百亿巨增到人-网-物万物互联与融合的千亿和万亿需求层面着手，从未来互联网从消费领域全面向工业制造领域推进的巨大需求层面着手，从人类知识总量翻一番的时间由几百年巨减到半天(引自波音公司Michael Richey)的大数据需求层面着手，从与传统网络技术兼容、保护100万亿投资并可不断纳入各类新技术的思路着手，近期各大国和各大公司在信息领域的竞争重心已不仅仅在纯网络范围，中远期发展趋势的重心也不仅仅只在纯网络范围，而是大部分已转移到更高层次更大范围的信息网络大数据和人工智能范畴。本申请提出端到端的、全程全网角度的“网络(云网)+感知+大数据+算法处理+人工智能”类人行为意识和自我调控能力，互相协同和共同解决网路中存在的问题。
根据一实施例，提供一种网络智能体***，包括：网络数据感知装置，布置于一个或多个基础网络中，用于感知所述一个或多个基础网络中的网络数据；以及网络智能处理装置，用于对从所述网络数据感知装置获得的网络数据进行人工智能处理，以获得与所述一个或多个基础网络相关的对象的信息。
在一些示例中，所述网络数据感知装置包括用于感知人类社会的感知装置、用于感知自然世界的感知装置、以及用于感知网络空间的感知装置。
在一些示例中，所述用于感知网络空间的感知装置包括布置于所述一个或多个基础网络中的至少一个深度包检测装置，所述深度包检测装置用于从所述一个或多个基础网络中截取网络数据包。
在一些示例中，所述深度包检测装置包括检测功能实体，所述检测功能实体至少一个处理器和至少一个存储器，所述存储器上存储有指令，所述处理器运行所述指令以执行如下步骤：从所述一个或多个基础网络中截取网络数据包；解析所截取的网络数据包以确定所述网络数据包的业务类型和相关对象；以及基于解析结果将所述网络数据包重新打包成预定格式，并且发送给所述网络智能处理装置。
在一些示例中，所述深度包检测装置还包括检测管理实体，所述检测管理实体配置为根据所述网络智能处理装置的指令来管理所述检测功能实体的操作。
在一些示例中，所述用于感知人类社会的感知装置和所述用于感知自然世界的感知装置每个都包括：自动感知单元，用于自动地感知相关数据；以及感知控制单元，用于根据所述网络智能处理装置的指令来控制所述自动感知单元的操作。
在一些示例中，所述人工智能处理包括基于所述网络数据确定相关对象的行为和/或状态。
在一些示例中，所述人工智能处理还包括基于所述相关对象的行为和/或状态确定其属性。
在一些示例中，所述人工智能处理还包括基于所述相关对象的属性来控制所述相关对象的行为。
在一些示例中，所述人工智能处理还包括基于所述网络数据，通过机器学习来预测相关对象的未来行为和/或状态。
在一些示例中，所述网络智能处理装置配置为运行神经网络模型，所述神经网络模型利用已获得的网络数据进行训练学习，以对所述相关对象的未来行为和/或状态进行预测。
在一些示例中，所述网络智能处理装置还配置为通过与多个对象相关的多个网络数据确定所述多个相关对象的行为和/或状态之间的关联性。
在一些示例中，所述网络智能处理装置配置为执行如下步骤中的一个或多个：基于摄像头数据、交通工具票务数据、住宿数据来确定相关对象的行程信息；基于车辆位置和速度数据来确定相关道路的交通负荷信息，并且基于交通负荷信息来调节交通控制信号和/或规划导航路径；基于流量数据来确定相关对象的带宽需求信息，并且基于带宽需求信息来配置带宽和/或规划路由；基于网络浏览数据确定相关对象的偏好，并且基于相关对象的偏好来确定用于所述相关对象的推送内容；以及基于雾霾传感器确定空气雾霾数据，并且基于空气雾霾数据来确定雾霾污染源。
在一些示例中，所述一个或多个基础网络包括电信网络、因特网和/或物联网。
在一些示例中，所述一个或多个基础网络包括企业网络、社区网络、交通控制网络、能源控制网络、环境监视网络、政务网络、物流网络、银行网络、学校网络、医院网络、港口网络、楼宇网络、城域网络、以及骨干网络中的一个或多个。
在一些示例中，每个基础网络包括客户端、服务器、以及用于连接客户端和服务器的中间连接件。
在一些示例中，所述客户端包括个人计算机、手机、平板计算机、个人数字助理、以及传感器中的一种或多种，所述服务器包括云服务器、基站、服务器计算机、以及大型机中的一种或多种，且所述中间连接件包括中继器、桥接器、路由器、交换机、以及网关中的一种或多种。
在一些示例中，所述一个或多个基础网络包括软件定义网络(SDN)。
在一些示例中，所述软件定义网络包括：基础设施层，包括网络基础设施；控制层，包括用于对所述网络基础设施进行控制的控制器，其中所述控制器由软件定义；以及协同编排层，用于对网络数据进行协同编排并且通过开放端口提供给应用层。
在一些示例中，所述网络智能处理装置通过配置所述一个或多个基础网络的控制层来控制所述一个或多个基础网络的基础设施层的操作。
在一些示例中，所述网络智能处理装置包括企业智能处理装置、社区智能处理装置、交通智能处理装置、能源智能处理装置、环境智能处理装置、政务智能处理装置、物流智能处理装置、银行智能处理装置、学校智能处理装置、医院智能处理装置、港口智能处理装置、楼宇智能处理装置、城域网智能处理装置、以及骨干网智能处理装置、以及超级智能处理装置中的一个或多个。
本发明的上述和其他特征和优点将通过下面对示范性实施例的描述而变得显而易见。
附图说明
图1示出根据本发明一示例性实施例的网络智能体***的架构框图。
图2示出根据本发明一示例性实施例的网络智能体***的结构框图。
图3示出根据本发明一示例性实施例的全球智能体的概念图。
图4示出根据本发明一示例性实施例的深度包检测(DPI)装置的结构框图。
图5示出根据本发明一示例性实施例的软件定义网络(SDN)的架构框图。
具体实施方式
对网络应用的需求已经使得传统网络不堪重负，网络重构势在必行。从用户数看，到2017年末，互联网已经覆盖超过了220个国家和地区，全球网民人数超过35.5亿，移动电话用户76亿，移动宽带用户41.9亿，固定电话用户9.57亿，固定宽带用户9.7亿(引自ITU数据)。无线移动网络发展到超过数百万用户，用了20年(1980年～1999年)，发展到超过数十亿用户，用了20年(2000年～2019年)，发展到包括IoT的上千亿用户，预计也会用到20年(2020年～2039年)。同样地，发展到5000万用户，报纸用了200多年，收音机用了38年，电视用了15年，而互联网只用了5年。网络通信是使用人数最多、产业带动最大、影响力最广的领域之一，正深刻改变着全球的经济格局、文化格局、安全格局和竞争格局。举例，目前仅网络应用APP的种类就超过400万种，这些业务的带宽差异为1Gbit/s/10kbit/s＝10万倍，时延差异为100ms/10ns＝1 000万倍。用户数量和业务类型剧增，差异巨大，流量压力之大从未有过，网络的可扩展性、安全性、用户体验保证、实时性、移动性和可管理性均受到空前的挑战，但网络正被动适应，网络重构和引入智能确实必要和紧迫。
从即将发放牌照的5G及3大应用场景看，用户体验速率的典型值是0.5～1.0Gbit/s，连接数密度为每平方公里百万用户，峰值速率为10Gbit/s，流量密度为每平方公里10Tbit/s，移动性＞500km/h，网络时延＜1ms。从人到人通信，会扩展到人到物、物到物和车联网等，连接数会从目前的百亿级发展到千亿级。5G的频谱会远高于4G，基站的密度也会是4G的3倍以上。2017年4G基站数已达328万，所以按3倍计算，仅增强移动宽带(EnhanceMobile Broadband,eMBB)类型的5G基站数最终将会达到1 000万以上。新的高带宽业务数量剧增会导致城域网、省级干线和国家干线等核心网络的流量呈指数增长，用户体验的压力增加数倍，核心网的可靠性和稳定性均受到极大挑战，边缘计算的引入又给网络带来了一些复杂性，IoT的部署增加了广覆盖、低功耗等难度，网络将继续被动适应，网络重构和引入智能确实必要和紧迫。
网络要勇挑工业互联网重担，把全球所有工厂的原材料、产成品、中间件和所有的制造装备全部联起来，技术流、资金流、物流(零配件、中间件、产成品)、信息流和人流混杂，连接数量和类型超过目前的人到人的连接数量。网络的可扩展性、用户体验保证、实时性、移动性和可管理性再次受到空前挑战，也面临设备安全、网络安全、控制安全、应用安全和数据安全等的挑战，网络正被动适应，网络重构和引入智能确实必要和紧迫。
从全球发展态势看，网络技术正处于重构创新和智能引领的重大机遇期，网络基础设施正加速向大带宽、广覆盖、云网一体和智能化方向发展，网络威胁与传统手段并举联动成为影响国家安全的重要来源，网络空间已成为赢得国家长期竞争优势的战略空间，城市智能体的基础由设备智能、网络智能和业务智能三角形支撑。到2040年，互联网如果持续发展不出现大变故的话，其规模大约是现在规模的30 000倍。到那时，“网络”的重心将不在网络自身上，而在业务及其智能上(就像有腾讯、阿里等对网络业务的带动远大于网络设备制造业体量一样)。
从网络的价值看，梅特卡夫定律将网络价值表述为：网络的价值与***内部链接节点的数量的平方成正比,V＝k×N2,式中：k为价值系数；N为联网节点数(世界人均联网设备的数量从2003年的0.08台增长到2010年的1.84台，2015年的3.47台，到2020年可能会增长到6.58台)。网络是国家核心资源，架构是灵魂，变革是战略性举措。结论：网络现阶段使用人数、产业带动、影响力前所未有；存在的问题、困难和挑战前所未有；面向未来发展的任务之重、压力之大、希望之高前所未有，而可供我们选择的技术手段有限，时间窗口也非常有限。
从现有网络存在的技术问题和挑战看，网络中的设备有大量的复杂封闭体系，大量私有/内部接口。网络缺少灵活性，设备功能扩展性弱，形成大批业务孤岛，业务难以融合，新业务开发困难，运维复杂，运营成本高。外部面临着OTT挑战，内部面临着业务创新难、增长乏力、业务量和业务收入剪刀差持续扩大。
综上所述，网络重构确有必要，而且仅仅是第一步，后续要进一步加大灵活性，加大智能化力度，引入网络智能体，实现设备智能、网络智能、业务智能三角形，共同支撑并形成网络智能体。
图1示出根据本发明一示例性实施例的网络智能体***的架构框图。如图1所示，网络智能体***10可包括感知层11、网络12和网络智能体(NAI，或简称智能体)13，其中网络智能体13可包括云服务器主体13a和智能指挥中枢13b。以一座城市为例，部署这些设施后，整座城市就像“一个人体”一样，通过大脑指挥手、脚、听、说、闻、味、皮肤及神经***，协同一致，自感知、自统计、自推理、自学习、自预测，成为一个有机整体。
感知层11可包括各种网络数据感知装置，用于感知各种网络数据并且借助于网络来传输感知数据。因此，感知层11，或者说网络数据感知装置，其本身可以部署在网络中。例如，感知层11可以感知人类社会、自然世界、以及网络空间相关的数据，简言之，感知层11可以感知人-网-物互联和融合产生的数据。归因于物联网、工业互联网、车联网、海洋网络、空天网络等技术的发展，感知层11可以感知的数据量越来越大，几乎可以涵盖绝大部分领域。如果需要，感知层11还可以对感知数据进行必要的处理，例如解析以识别业务类型，重新封装成预定格式等，然后发送给上层设备。
人类社会可包括与人类活动相关的数据，例如交通数据、人类对个人计算机、手机等的使用产生的数据(例如网页浏览数据、微信点击文档、网络购物)等。例如，交通数据可通过交通摄像头、车联网等产生。自然世界可包括例如工厂采购的原材料、生产装备、生产的中间件、产成品、仓库、室外温度、气候、空气质量、降雨量、风景点远程视频等，其可以通过各种传感器或RFID产生。网络数据则包括各种在网络中传输的数据(如工厂的资金流数据、物流数据、物流数据、管理数据、语音、视频、图片数据等)。感知层11可以通过各种手段来感知这些数据(注：不侵犯个人隐私，在法律法规允许范围操作)。例如，感知层11的用于感知网络空间数据的装置可包括深度包检测(DPI)装置，其部署在网络中以截取网络中传输的网络数据包，将在下面进一步详细描述。或者，感知层11的用于感测人类社会和自然世界的装置可包括自动感知单元11a和感知控制单元11b。自动感知单元11a可配置为自动地，例如持续地或者周期性地感知人类社会的活动所产生的数据。例如，摄像头可以捕捉个人移动数据、交通数据等，麦克风可捕捉人的语音数据等，人敲击键盘、点击鼠标等的动作所产生的数据也可以被捕捉到。并且，自动感知单元11a可配置为将感知数据经网络12发送到网络智能体13。如下面将描述的那样，网络智能体13可以基于接收到的网络数据来确定相关对象的信息，并且还能通过指令来控制数据感知过程。例如，网络智能体13可以将指令发送给感知控制单元11b，感知控制单元11b可以根据指令来控制自动感知单元11a的操作，例如控制其感知的数据业务类型、感知频率等。应理解，网络数据感知装置可以由软件、硬件或者其组合实现。
虽然未示出，但是网络12可以包括各种网络，例如一个或多个彼此不同或者相同的基础网络，其示例包括但不限于电信网络(包括2G、3G、4G、5G网络以及未来开发的电信网络)、因特网、物联网、局域网等。按照功能特性来说，一个或多个基础网络的示例包括但不限于企业网络、社区网络、交通控制网络、能源控制网络、环境监视网络、政务网络、物流网络、银行网络、学校网络、医院网络、港口网络、楼宇网络、城域网络、以及骨干网络等。如通过下面的详细描述将理解的那样，在一个或多个基础网络中，通过各种终端和服务器等，可产生许多网络数据，其在网络内以及网络间传输。
网络智能体13，或者也可以称为网络智能处理装置，可以对从感知层11获得的网络数据进行人工智能处理，以获得与基础网络相关的对象的信息。这里，与基础网络相关的对象可以包括前面描述的人类社会(包括人)、自然世界(例如工厂采购的原材料、生产装备、生产的中间件、产成品、仓库、室外温度、气候、环境等)、或者网络本身(例如，各种网络设备)等。
网络智能体13可包括云主体13a和智能指挥中枢或中心13b。云主体13a可以云部署于网络12上，接收来自感知层11的通过网络12传输的网络数据。云主体13a可以对网络数据进行必要的处理，包括数据融合、分类、统计、存储等，或者还可以包括简单的推理、关联等。例如，云主体13a可以将某个对象例如人的相关数据分类存储，以保持这个人相关的信息。智能指挥中枢13b则可以基于云服务器主体13a的数据，来进行进一步的人工智能和算法处理处理，包括自感知、自统计、自推理、自学习、自预测等，这可以借助于目前已有的或者未来开发的与人工智能领域相关的软硬件来实现。网络智能处理装置13的一些功能示例将在下面进一步详细描述。
图2示出根据本发明一示例性实施例的网络智能体***的结构框图。作为示例，在图2中示出了两个基础网络10a和10b，但是应理解，网络智能体***可包括更多或更少的基础网络。
每个基础网络10a和10b可包括客户端、服务器、以及用于连接客户端和服务器的中间连接件。在图2的示例中，基础网络10a可以是例如因特网(或互联网)，其中客户端可包括例如平板计算机14、个人计算机15，还可包括例如个人数字助理、以及各种传感器(未示出)，例如接入到网络的雾霾传感器、水质传感器、交通摄像头、安防摄像头、RFID传感器、条码扫描仪、磁编码传感器等，这里不再一一举例。中间连接件可包括例如交换机16，还可包括例如中继器、桥接器、路由器、网关(未示出)等，其用于连接各种网络设备包括客户端和服务器以进行数据传输。服务器可包括例如服务器计算机17，还可包括例如大型机、超级计算机等，当然，服务器也可以部署为云端服务器群。基础网络10b可以是例如电信网络，其中客户端可包括例如手机18，服务器可包括例如基站19，此外还可包括网络管理服务器(未示出)等。应理解，这里的基础网络10a和10b仅是示例，本发明不限于此。
还应理解的是，上面作为示例给出的网络元件，可以作为客户端、服务器和中间连接件中的一种或多种。例如，基站19用于将不同的手机18连接起来，因此基站19也可视为中间连接件。个人计算机15也可以配置为服务器，来提供某种服务，例如HTTP网页服务，因此也可以作为服务器。再例如，例如手机、个人计算机等，也可以视为一种传感器，用于感测其用户的操作和行为等，因此广义上说，网络中的各种终端都可以视为一种传感器。
作为用于感知网络空间的网络数据感知装置11的示例，图2中示出了深度包检测(DPI)装置21。一个或多个深度包检测(DPI)装置21可以部署在基础网络10a和10b中，例如布置在中间连接件或者网络数据传输路径(例如光纤、电缆)附近，以截获网络数据包，并且将截获的网络数据包发送给网络智能处理装置30。深度包检测(DPI)装置21将在下面进行详细描述。虽然这里作为示例示出了深度包检测(DPI)装置21，但是应理解，用于感知网络空间的网络数据感知装置11也可以实现为其他方式。例如，网络数据感知装置11可以是基础网络中的中间连接件或者其一部分，用于将经过其转发的网络数据包拷贝并且发送至网络智能处理装置30。又例如，网络数据感知装置11可以是软件定义的控制器，其控制基础网络中的网络元件将其产生的、接收的、或者转发的网络数据包发送一份拷贝至网络智能处理装置30。
网络智能处理装置30可包括一个或多个子处理装置，分别用于对不同基础网络的网络数据进行人工智能处理。例如，图2示出了用于基础网络10a的子处理装置31和用于基础网络10b的子处理装置32。此外，网络智能处理装置30还可以包括能够处理多个基础网络的网络数据的处理装置33。根据其功能，处理装置又可以分为企业智能处理装置、社区智能处理装置、交通智能处理装置、能源智能处理装置、环境智能处理装置、政务智能处理装置、物流智能处理装置、银行智能处理装置、学校智能处理装置、医院智能处理装置、港口智能处理装置、楼宇智能处理装置、城域网智能处理装置、骨干网智能处理装置、以及超级智能处理装置等，其中骨干网智能处理装置例如可处理国家级网络的数据，超级智能处理装置例如可处理全球网络的数据。每个智能处理装置可用于实施图1所示的云服务器主体13a和智能指挥中枢(或大脑)13b。
这里，网络智能处理装置也可以称为网络智能体，其基于对网络数据的人工智能处理来确定与网络相关的对象的信息，包括相关对象的行为和/或状态等。所谓网络智能体，是指以网络及人-网-物三元万物互联为基础的各类群体智能行为，具有较为完整的网络化和智能化体系，具有一定的自感知、自学***台或网络予以人工实现(或体现)并不断升级、进化的、具有时效性、中心控制较弱的具有高度连接性的实体，它需要与“网络(云网)+感知+大数据+算法处理”协同、互动来共同解决未来网络中提出的各类问题。其转换是从感知到数据，从数据到信息，从信息到知识，从知识到智能，从智能到服务，网络仍然中立，需保护用户隐私，确保信息安全。
网络智能体的实现可充分利用现在已经发展的硬件和软件水平，包括近年来迅速发展的人工智能相关硬件和软件，以及将来发展的量子计算机等。尤其是，人工智能的飞速发展赋予了机器感知和学习的能力，这种能力的发展有可能使机器突破“奇点”，即超越人的能力。利用人工智能，已经能够通过机器来实现类人的感知、学习和预测过程。例如，利用人工智能处理，除了可以基于网络数据确定相关对象的行为和/或状态之外，还可以基于相关对象的行为和/或状态确定其属性，进而基于相关对象的属性来控制其行为。举例而言，基于网络数据可以确定某网络用户多次进行网络攻击行为，进而可以确定其为黑客。当确定该用户为黑客时，网络智能体可以通过配置网络来限制该用户的网络操作，尤其是限制其网络攻击行为，例如可以使其攻击指令不能被正确路由到目标网元或地址。传统网络只能通过提高网络本身的安全性来抵抗网络攻击，但是理论上几乎不可能建立完全没有安全漏洞的网络。本发明的网络可以通过主动确定某用户为黑客来限制其攻击行为，因此能够更有效地解决网络攻击问题。另举一例，基于从物联网获得的能源消耗数据和环境雾霾监测数据可以确定某对象(例如工厂或地点)为雾霾污染源，则可以限制该对象的能源消耗(例如电力分配)以降低雾霾污染。再举一例，通过某用户的网络流量数据可以确定该用户所需的网络带宽，从而可以为该用户配置其所需的带宽。可以针对大量用户应用该服务，从而实现网络带宽的合理、高效配置。
在一些实施例中，网络智能体的人工智能处理还可以利用近年来快速发展的机器学习技术，通过对已有数据的机器学习来预测相关对象的未来行为和/或状态。例如，网络智能处理装置可以运行针对特定应用场景建立的神经网络模型，利用已获得的网络数据来训练神经网络模型，然后即可利用训练好的模型来对相关对象的未来行为和/或状态进行预测。在预测过程中，还可以利用真值数据来不断修正该模型。例如，通过交通、天气等的历史数据可以预测未来数据。
在一些实施例中，网络智能处理装置还可以通过与多个对象相关的多个网络数据来确定多个相关对象的行为和/或状态之间的关联性。例如，可以基于全国范围内的雾霾分布与工厂、车辆等排放源密度分布，来确定二者之间的关系，从而确定主要排放源等。网络智能体可以利用从网络获得的大数据，站在更高的视角来观察网络相关的对象，从而更容易发现对象之间的关联性。
下面描述网络智能处理装置的具体应用的一些示例。
示例1：基于摄像头数据、交通工具票务数据、住宿数据来确定人的行程信息，实现人的跟踪。网络摄像头可以拍摄各种场景下的行人，获得其面部图像。在一些实施例中，可以利用边缘计算技术，在摄像头端通过软件或专用硬件例如芯片来提取面部特征，然后传送到网络智能体进行识别匹配，这可以大幅度降低智能体端的计算能力要求，并且减小网络带宽消耗。此外，交通票务数据例如铁路、飞机、轮船能购票信息，还有住宿信息等，都可以提供作为特定对象的人的行程信息。网络智能体通过提取和综合上述信息，即可实现对某人的行程跟踪。
示例2：基于车辆位置和速度数据来确定相关道路的交通负荷信息，并且基于交通负荷信息来调节交通控制信号和/或规划导航路径。5G网络的建设促进了车联网的发展，联网车辆可以将其位置、速度等信息发送给交通管理智能体，交通管理智能体通过这些数据即可确定交通路网的符合信息，从而可以调节交通控制信号和/或规划导航路径等。例如，如果某十字路口的东西向负荷远高于南北向负荷，则可以将东西向的绿灯时间延长，南北向的路灯时间缩短，从而加快交通流动，缓解交通压力。
示例3：基于流量数据来确定相关对象的带宽需求信息，并且基于带宽需求信息来配置带宽和/或规划路由。例如，如果某终端的网络流量较大，则可以为其配置较大的网络带宽。再例如，如果某路由路径的负荷较大，则可以规划新的路由路径，实现更快的访问。网络智能体的一个优点在于能够从全局上观察整个网络，从而实现资源的优化配置，提高网络的利用效率。
示例4：基于网络浏览数据确定相关对象的偏好，并且基于相关对象的偏好来确定用于所述相关对象的推送内容。例如，如果某用户的浏览内容与服装饰品等相关，则可以为其推送服饰等流行元素信息；如果某用户的浏览内容与财经相关，则可以为其推送财经新闻或产品等。
示例5：基于雾霾传感器确定空气雾霾数据，并且基于空气雾霾数据来确定雾霾污染源等。这一示例在之前已经有所描述，这里不再重复。
上面仅是很小一部分示例，应理解，网络智能体可以根据其所服务的网络而具有各种功能，这些功能都是可以利用现有的硬件和软件水平来实现的。
从全球智能体看，其廉价，由光纤、无线电磁波、铜线、硅原子、比特、软件和算法等组成，消耗地球上相当于十几个大型核电站的电能，是一张难以想象的巨网，无处不在、无孔不入，覆盖全球5.1×1014平方米范围，涉及陆海空天和包括教育、医疗在内上百个大小行业，纵深近50年历史，是目前人类已建成的最大***，它对日常生活的影响力和穿透力比工业化大十倍至百倍。
从网络智能体(NAI)的类别上看，可以是超大的，如上述的全球智能体；可以是大型的，如国家智能体(按职能可分为很多智能体，如教育、科技、国防和进出口等)，例如现代政治信息智能体的出现，如果能够加以利用，其对国家的治理能力、水平和效率会比目前高很多倍；可以是中等的，如城市智能体、省级智能体、运营商智能体、全国的交通智能体、教育智能体、跨国公司智能体和腾讯/阿里智能体等；也可以是中小型的，如企业智能体(超企业体，与目前的“企业+信息化”相比，竞争力又上升了一大层次，效率可能会提高几倍到几十倍)。2000年的数据显示，全球100个最大的经济体中，有51个经济体是企业，仅有49个经济体是国家。若干年后如果它们成为智能体，其决策的影响对全球来讲是深远而广泛的，是举足轻重的。
人们每天通过手机和其他终端点击上千亿次来告诉NAI人类正在干什么，下一步可能会干什么，NAI从其中完成智能学习等功能。每天不断学习，不断对大数据进行智能化统计和分类，进行深度挖掘，不断发现内在的相关性(比如通过一批孤立分散的雾霾数据，找到雾霾源头；通过一批看似无关的公安视频信息，进行案件侦破，快速找到嫌疑犯等)，并升级到新的智能。其研究特征定义如下：
(1)以互联网、网络重构与SDN/NFV及其网络大数据为基础，研究、开发“云网+感知+大数据+算法+人工智能”的理论、方法和应用，实现人工智能的正当使用。
(2)可研制并生产出一种新的能以人类智能相似的方式做出反应的智能体实体(由软硬件组成，比如从SDN/NFV控制器软件升级产生)，该领域的研究包括网络自感知、自搜索、机器自学习、逻辑自推理、通过训练产生的一定自思考能力和专家***能力等，实现智能的原理和设计类似于人脑智能的算法，使计算机能实现更高层次的智能化应用。
(3)可像人类一样完成大量重复性初级脑力劳动，在大数据处理中，在数据相关性、时效性和个性化方面分析和统计能力超过人类，具有一定思考能力，后期会远远超过人的智能。经过训练能够完成一些通常需要人类智能才能完成的较复杂工作。不同行业、不同定位和不同人群对这种“复杂工作”的理解是不同的。
NAI的连接数量将从百亿级迅速发展到千亿级与万亿级，从人-网二元互联发展到人-网-物三元甚至多元互联与融合，从地面的平面互联将发展到空间三维互联及外太空和星际互联(NAI相当于在传统物理世界和人类社会层面上增加了一个神经层或控制层，其本质是深度信息化)，网络数据总量将从TB和PB级快速发展到EB、ZB、YB乃至BB级。这大大突破了人类自身能力和脑力局限，大大突破了空间和时间限制，大大突破了世界性的图书馆和大百科全书、世界性的大学、世界性的医院、世界性的电影院、世界性的工厂、世界性的商店和世界性的邮局等一大批人类设施和资源的局限。
从世界范围NAI看，一个遍布全球陆海空天的、无时无处不在的、草根阶层可随时随地使用的、无孔不入的巨大智能体，集中了74亿人的智慧，与74亿人动态相连，把74亿人的“松散”联系变成“紧密和动态的”连接，同时把地球上千亿级的孤立的“死”的物变成了“活的和动态相联”的物，这将会是人类有史以来最大的动态人造物，也是地球迄今为止人为出现的最复杂、难以想象的、不以人的意志为转移的事件，它由硅材料(硬件)、设备、0/1代码(软件)、网络、算法和数据等构成(网络仍然中立，必须保护用户隐私，信息安全问题会一直困扰我们)。人的大脑约由800亿个神经元组成，NAI可比人类的神经元至少多上亿倍，且其容量、知识量和智能性正加速递增。NAI具有较好的可适应性，能够在很大很宽的范围内对外界变化作出自调整；具有可进化能力，可将局部构建获得的适应性从一个区域传递到另一个区域，从一个应用类别传递到另一个类别；也具有一定的弹性，NAI建立在众多并联关系上，存在冗余，即便出现较大故障，在更高层级中也只相当于小事故；具有可扩展性，可构建更复杂的新结构，能够孕育出更多的有用信息；具有新颖性，大***中彼此关联的小个体所形成的组合呈指数增长。集群中允许个体差异，个体的差异通过进化可导致常新。
由其推动的经济体量将会接近和超过实体经济，这是必然趋势。有机构预计，到2020年全球人-网-物互动和融合产生的数据使用量将达到约44ZB(1ZB＝1012亿字节)，将涵盖经济社会发展的各个领域，会重构我们传统的生产、分配、交换、消费等环节，会改变我们的就业结构，冲击法律与社会伦理、侵犯个人隐私，对政府管理、经济安全、社会稳定和全球治理等产生深远影响，国家安全和国际竞争会更加复杂，会产生新的不确定性。由此产生的变革性影响将再次重塑生产力发展模式，重构生产关系，提升产业效率和管理水平，会深刻改变人类生产生活方式和思维模式，会不断提高政府治理的精准性、高效性、可预见性和服务水平。这些大数据将创造下一代互联网生态、下一代创新体系、下一代制造业形态以及下一代社会治理结构。
网络智能体的一个典型示例是服务于城域网的城市智能体，其概念很宽泛，对此有很多理解。它包含政治、经济、文化与技术等方面的内容。国际电联于2005年在互联网基础上正式提出了IoT的概念。
城市智能体具有较为完整的数字化、网络化和智能化体系，具有一定的自感知、自学习、自决策、自执行和自适应能力，具有城市智脑和类人行为意识的一种全新形态的城市，是现阶段智慧城市更高阶段的升级版。它需要与“网络(云网)+感知+大数据+算法处理”协同、互动，共同解决未来网络和城市发展中提出的各类问题。
再以城市交通智能体为例，它是指整个城市交通全程全网的调度指挥智能化，各交叉路口具有一定的车流量动态自感知、自学习、自决策、自我调控能力和路由迂回能力。驾驶员可以通过车内终端装置随时知道交通拥堵情况，也可以得到交通拥堵预报，交通事故信息会自动地发送到每一辆车。自动获取最短路径和目的地附近的停车场状况，预定停车位，车辆自动感应并通过直接银行联网记账。遇到劫匪劫车可随时报警。一旦车辆被盗可随时知道车辆的位置，自己的车如果存在重要安全隐患车内终端会及时提示。突发事件和重要天气变化也会自动提示。定时对交通信息和流量、车辆的年检和违章信息进行自动统计和分类，对道口红绿灯开关时间进行自动动态调整等。
城市智能体的建设与发展会催生出一种新的智能产业，并以它为纽带，推动整个城市的自我良性运转。城市智能体催生出的智能产业可以理解为：以现实城市物理世界和物理社会为基础，以信息、知识和脑力资源为支撑，利用信息处理技术对各种事物进行深入地智能分析、提炼而实现“具有较为完善的自感知、自学习、自决策、自我调控能力和行为意识”的新型产业体系(如网游、Facebook和虚拟社区等)。它不同于信息产业，也不同于知识产业。智能产业不仅能够形成不同于网络空间(Cyber Space)的巨大虚拟空间，放大城市的无形规模，而且能够对智能虚拟网络空间进行统筹综合开发和利用。
城市智能体与城市信息化的不同之处在于：
(1)城市智能体是以“发展更科学，管理更高效，社会更和谐，生活更美好”为高质量发展目标，整个城市具有较为完善的行为意识和自我调控能力，具有空天地多平台协同处理能力；
(2)整个城市具有较为完整的数字化、网络化和智能化体系，具有一定的智能感知、情境感知与认知能力；
(3)整个城市具有成熟的信息-知识-智能自我转换机制，一定的城市智脑和类人行为意识；
(4)整个城市具有一定的自我学习、自我成长和自我创新能力等。
城市智能体把城里分散的、各自为政的信息化***、IoT***和社区网络整合起来，提升为一个具有较好协同能力和自我调控能力的有机整体，这是以前所没有的，是传统意义上的智慧城市的升华和飞跃，并被赋予了新的内涵。
再与数字政府作个简单比较。数字政府的定位是要打造决策科学、管理精细、服务高效的数字政府，是指政府机构应用现代信息和通信技术，将管理和服务功能通过网络技术进行融合，在互联网上实现政府目标、组织结构和工作流程的优化重组，突破时间、空间及部门之间的界限，向市民提供优质和全方位的、规范而透明的、符合国际水准的管理与服务。数字政府在“应用现代信息和通信技术”、“实现政府目标、组织结构和工作流程的优化重组，打破部门界限”和“向社会提供优质和全方位的管理和服务”这3方面的特征点与“智慧政府”也是相同的，所不同的还是以上城市智能体与城市信息化不同，这4条，比如，“通过自感知、自检测、自学习、自决策等把智能体功能渗透到城市的每个角落”是数字政府没有涉及到的。
城市智能体是虚拟经济与实体经济相结合的产物，可推动城市范围内生产、生活、管理方式和经济社会发展发生前所未有的深刻变化，在很大程度上可以减少和节约城市中各种物质和能源的投入，减少资源和能源的消耗，减少城市环境污染，使市场配置资源的效果进一步改善，劳动生产率进一步提高，走出一条科技含量高、经济效益好、资源消耗低、环境污染少、人力资源优势得到充分发挥的高质量发展的城市化道路。
NAI与城市智能体都是智能体，都是端到端和全程全网的“网络(云网)+感知+大数据+算法处理+人工智能”类人行为意识和自我调控能力的实体。其区别是：NAI更多地强调解决端到端和全程全网的网络问题，强调网络及人-网-物三元万物互联为基础的各类群体智能行为，强调建立较为完整的网络化和智能化体系，强调城市范围要建立具有一定的自感知、自学习、自决策、自执行和自适应能力，具有一定智脑和类人行为意识的一种全新形态的智能体。城市智能体更多地强调在城市范围，除解决城市范围端到端和全程全网的网络问题外，还要更多地强调城市以“发展更科学、治理更高效、生活更美好、社会更和谐”为高质量发展整体目标，建设具有较为完整的数字化、网络化和智能化体系，建设具有一定的自感知、自学习、自决策、自执行和自适应能力，具有城市智脑和类人行为意识的一种全新形态的城市，是现阶段智慧城市更高阶段的升级版。
网络智能体的另一个典型示例是服务于全球网络的全球智能体，或者也可称为超级智能体，图3示出其概念图。全球智能体可以收集全球网络的信息，通过大数据及人工智能处理等提取数据背后的信息(注：不得侵犯个人隐私，在相应法律法规允许范围操作)，以超越全人类的全球视角来观察和了解这个世界，从而能够更全面更深刻地理解这个世界，并且促进和优化全球发展。全球智能体可覆盖全世界网络领域，包括海洋、陆地以及太空网络，并且涉及各个行业，包括教育、医疗服务等，其将是人类历史上建立的最大的***，对人类日常生活的影响比工业化革命大10倍至100倍。全球智能体可以在任何时间在任何地点被使用，惠及全球74亿人口，将人与人之间松散的连接变为紧密动态的连接，将地球上成百上千亿孤立的事务转变为彼此关联的事务，深刻地改变人类的政治经济文化生活。
图4示出图2所示的深度包检测(DPI)装置21的框图。如图4所示，深度包检测装置21可包括检测功能实体41和检测管理实体42，下面将分别对其进行描述。
检测功能实体41是执行DPI检测功能的主体，其可包括存储器43和处理器45，处理器45可通过运行存储在存储器43中的指令来执行DPI检测过程，因此处理器45也可被称为DIP引擎，其可以由CPU例如ARM CPU实现。存储器43中除了存储有可执行指令代码之外，还可以存储有检测功能实体41的相关配置信息，例如所检测的业务类型(即，应用类型)、数据包解析规则等。处理器45可以通过运行存储器43中的指令，并且基于存储器43中的配置信息，来执行如下步骤：
从一个或多个基础网络10中截取网络数据包；
解析所截取的网络数据包以确定网络数据包的业务类型和相关对象；以及
基于解析结果将网络数据包重新打包成预定格式，并且发送给网络智能处理装置。
对于不同的网络和不同的应用，网络数据包的格式可能有所不同。因此，除了截取数据之外，检测功能实体41还可以按照配置的解析规则对数据包进行解析，识别其中有用的信息，然后按照预定格式将网络数据包重新打包封装，并且发送给网络智能处理装置。通过检测功能实体41对网络数据包的统一打包封装，可以形成便于网络智能处理装置使用的格式，从而减轻网络智能处理装置处的数据处理负荷。
检测管理实体42可以对检测功能实体41的操作进行管理。例如，检测管理实体42可以配置检测功能实体41能够检测的业务类型，检测功能实体41对网络数据包进行解析的解析规则等，解析规则可以用正则表达式来表示。虽然在图4中将检测功能实体41和检测管理实体42示为两个单独的模块，但是在一些实施例中，检测管理实体42也可以作为一个管理模块实施在检测功能实体41中。
网络的重构不仅体现在上面描述的整体架构上，还可以体现在基础网络12中。软件功能与硬件平台分离并解耦，基础网络走向SDN；软件功能云化并开源，不再是嵌入式软件部署运营自动化；从以办公室为中心组网转向以云数据中心(Data Center,DC)为中心组网；架构统一，开放网络能力，应用灵活调用，集中管控；由运营商定义业务转向由用户定义业务；从传统供应商买卖关系转向产业链生态***建构。网络SDN/NFV化后，硬件的管理与业务运营分离，网络与业务运营云化，从物理设备组网变成虚拟软件操作，集成后的云平台就成为未来网络架构的基础平台，再逐步升级到智能架构。下一步需在一种网络实体上建两种逻辑架构，新建智能的和重构传统的，最终目标是建“网络智脑和神经***”。新建智能的架构叠加一个神经层，神经***是超级智能体或城市智能体的组成部分。SDN/NFV是第一步，重构传统的架构，即重构网络躯体，但要确保与现网的互通互联及一致性。这两种逻辑架构各自有不同定位，但它们之间有深度的交叉和融合。
以运营商光网络为例，实现软件定义架构：用NFV实现服务和网络功能虚拟化、模块化，设备功能软件定义，软硬件分离，控制转发分离，架构灵活，业务集中控制，网络切片，实现网络和设备架构的按需定制，改变过去的架构单一、不灵活和死板问题。
实现SDN：用SDN实现网络的软定义和动态连接；用户为中心，功能模块化，资源全共享，能力全开放，策略易编排，业务紧耦合，服务易体验，网络能自愈，管理能统一；实现网络的智能、灵活、开放、可扩展、高效、大容量和按需定制，改变过去网络结构僵化、模式复杂和运行低效问题。
实现软件定义运营：业务与网络、用户与网络分离，用SDN和NFV实现用户、性能、流量、配置、计费和安全等按需管理；网络功能和业务开放，全程全网集中软管控，业务快速上线和统一运维，业务和策略按需定制，网络按需服务，大数据智能，产业链开放，改变过去的单一管道和固化的运营模式。
图5示出根据本发明一示例性实施例的软件定义网络(SDN)的架构框图，其可用于实现本发明的实施例中的基础网络12。如图5所示，SDN可包括基础设施层52、控制层54和协同编排层56，下面将分别进行描述。
基础设施层52可包括各种网络硬件设备，例如上面参照图2描述的那些，是将网络资源软硬件分离之后的底层部分。基础设施层52可以利用OpenFlow协议，基于流表(FlowTable)来对数据流进行编程，并且实现流表更新的一致性。
控制层54包括多个控制器，用于对基础设施层52进行控制，例如下发流表等。应理解，各个控制器是软件定义的控制器，从而基础网络10实现了网络功能虚拟化。控制层54集中控制网络资源，从而可以实现网络资源的弹性调度和协同控制。
协同编排层56负责对网络数据进行协同编排并且通过开放端口(API)提供给应用层(未示出)。根据业务需求，协同编排层56可以动态提供编排模板和控制策略，实现数据流的端到端编排。
可以理解，SDN网络是一种面向跨层优化的基于OpenFlow的统一资源模型，可对多层多域多约束的基础网络实施优化控制。在本发明的实施例中，通过SDN基础网络与上层网络智能体的协同作用，可以全局性、高效率地挖掘和发挥网络的更多作用，提升网络的价值，并且促进生产力的快速发展。
面对网络可扩展性、安全性、用户体验保证、实时性、移动性和可管理性等重大技术挑战，以及网络面对的拉动经济挑战、制造业转型挑战、大数据挑战和国家其他重大战略的挑战等，本申请跳出“纯网络创新”思维，提出通过端到端的、全程全网角度的“网络(云网)+感知+大数据+算法处理+人工智能”类人行为意识和自我调控方法综合解决，互相协同、共同解决网路中存在的问题(因为单靠纯网络自身已很难解决这一综合问题)，并兼顾与传统网络技术兼容、保护已发生的网络投资。因为引入了人工智能和大数据分析后，很多原来在纯网络范围不太好解决的问题可能变得相对简单了。比如，端到端的用户体验保证，可通过端到端的智能化带宽管理策略协调解决。再比如，可扩展性问题，可通过更大范围的端到端网络协同解决，问题的定位只会更精准，至少可以缓解。因为未来网络中出现问题的源头和根源还是人，而解决这类人的问题是智能体的强项。
网络的价值与网络中节点数N的平方成正比，N越大网络价值越高。网络是国家和城市的核心资源，而网络架构是网络的灵魂，网络变革是战略性举措，意义重大。网络重构和引入智能是必然的，无法回避，SDN/NFV只是第一步，目前尚处于发展初期。网络重构需要在一个实体上建两种逻辑架构：新建智能的架构(比如城市智能体，在传统网络架构上叠加神经层)和重构传统的架构(网络躯体，确保与现网互通互联及一致性)。最终目标是建NAI和网络智脑。
上面仅描述了本发明的一些实施例。应理解，在不偏离本发明的思想和范围的情况下，可以进行许多形式和细节上的改进，这些改进都应落入在权利要求及其等价物所限定的本发明的范围内。

Claims (17)

1.一种网络智能体***，包括：
网络数据感知装置，布置于多个基础网络中，用于感知所述多个基础网络中的网络数据，并且将感知数据封装成预定格式，所述多个基础网络包括电信网络和因特网；
云主体，用于对从所述网络数据感知装置获得的感知数据进行处理，所述处理包括数据融合、分类、统计、存储、简单推理和关联；以及
智能指挥中枢，用于基于所述云主体的数据进行人工智能处理，所述人工智能处理包括自感知、自统计、自推理、自学习和自预测，以获得与所述多个基础网络相关的对象的信息，
其中，所述云主体和所述智能指挥中枢由网络智能处理装置实现，所述网络智能处理装置包括分别用于对不同基础网络的网络数据进行人工智能处理的多个第一子处理装置和用于处理多个基础网络的网络数据的第二子处理装置，所述网络智能处理装置通过与多个对象相关的多个网络数据来确定多个相关对象的行为和/或状态之间的关联性，
其中，所述人工智能处理包括基于所述网络数据确定相关对象的行为和/或状态，基于所述相关对象的行为和/或状态确定其属性，基于所述相关对象的属性来控制所述相关对象的行为。
2.如权利要求1所述的网络智能体***，其中，所述网络数据感知装置包括用于感知人类社会的感知装置、用于感知自然世界的感知装置、以及用于感知网络空间的感知装置。
3.如权利要求2所述的网络智能体***，其中，所述用于感知网络空间的感知装置包括布置于所述多个基础网络中的至少一个深度包检测装置，所述深度包检测装置用于从所述多个基础网络中截取网络数据包。
4.如权利要求3所述的网络智能体***，其中，所述深度包检测装置包括检测功能实体，所述检测功能实体至少一个处理器和至少一个存储器，所述存储器上存储有指令，所述处理器运行所述指令以执行如下步骤：
从所述多个基础网络中截取网络数据包；
解析所截取的网络数据包以确定所述网络数据包的业务类型和相关对象；以及
基于解析结果将所述网络数据包重新打包成预定格式，并且发送给所述网络智能处理装置。
5.如权利要求4所述的网络智能体***，其中，所述深度包检测装置还包括检测管理实体，所述检测管理实体配置为根据所述网络智能处理装置的指令来管理所述检测功能实体的操作。
6.如权利要求2所述的网络智能体***，其中，所述用于感知人类社会的感知装置和所述用于感知自然世界的感知装置每个都包括：
自动感知单元，用于自动地感知相关数据；以及
感知控制单元，用于根据所述网络智能处理装置的指令来控制所述自动感知单元的操作。
7.如权利要求1所述的网络智能体***，其中，所述人工智能处理还包括基于所述网络数据，通过机器学习来预测相关对象的未来行为和/或状态。
8.如权利要求7所述的网络智能体***，其中，所述网络智能处理装置配置为运行神经网络模型，所述神经网络模型利用已获得的网络数据进行训练学习，以对所述相关对象的未来行为和/或状态进行预测。
9.如权利要求1所述的网络智能体***，其中，所述网络智能处理装置还配置为通过与多个对象相关的多个网络数据确定所述多个相关对象的行为和/或状态之间的关联性。
10.如权利要求1所述的网络智能体***，其中，所述网络智能处理装置配置为执行如下步骤中的一个或多个：
基于摄像头数据、交通工具票务数据、住宿数据来确定相关对象的行程信息；
基于车辆位置和速度数据来确定相关道路的交通负荷信息，并且基于交通负荷信息来调节交通控制信号和/或规划导航路径；
基于流量数据来确定相关对象的带宽需求信息，并且基于带宽需求信息来配置带宽和/或规划路由；
基于网络浏览数据确定相关对象的偏好，并且基于相关对象的偏好来确定用于所述相关对象的推送内容；以及
基于雾霾传感器确定空气雾霾数据，并且基于空气雾霾数据来确定雾霾污染源。
11.如权利要求1所述的网络智能体***，其中，所述多个基础网络还包括企业网络、社区网络、交通控制网络、能源控制网络、环境监视网络、政务网络、物流网络、银行网络、学校网络、医院网络、港口网络、楼宇网络、城域网络、以及骨干网络中的一个或多个。
12.如权利要求1所述的网络智能体***，其中，每个基础网络包括客户端、服务器、以及用于连接客户端和服务器的中间连接件。
13.如权利要求12所述的网络智能体***，其中，所述客户端包括个人计算机、手机、平板计算机、个人数字助理、以及传感器中的一种或多种，
所述服务器包括云服务器、基站、服务器计算机、以及大型机中的一种或多种，且
所述中间连接件包括中继器、桥接器、路由器、交换机、以及网关中的一种或多种。
14.如权利要求1所述的网络智能体***，其中，所述多个基础网络包括软件定义网络(SDN)。
15.如权利要求14所述的网络智能体***，其中，所述软件定义网络包括：
基础设施层，包括网络基础设施；
控制层，包括用于对所述网络基础设施进行控制的控制器，其中所述控制器由软件定义；以及
协同编排层，用于对网络数据进行协同编排并且通过开放端口提供给应用层。
16.如权利要求15所述的网络智能体***，其中，所述网络智能处理装置通过配置所述多个基础网络的控制层来控制所述多个基础网络的基础设施层的操作。
17.如权利要求1所述的网络智能体***，其中，所述网络智能处理装置包括企业智能处理装置、社区智能处理装置、交通智能处理装置、能源智能处理装置、环境智能处理装置、政务智能处理装置、物流智能处理装置、银行智能处理装置、学校智能处理装置、医院智能处理装置、港口智能处理装置、楼宇智能处理装置、城域网智能处理装置、以及骨干网智能处理装置、以及超级智能处理装置中的一个或多个。
CN201811488431.1A 2018-12-06 2018-12-06 网络智能体*** Active CN111292523B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811488431.1A CN111292523B (zh) 2018-12-06 2018-12-06 网络智能体***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811488431.1A CN111292523B (zh) 2018-12-06 2018-12-06 网络智能体***

Publications (2)

Publication Number Publication Date
CN111292523A CN111292523A (zh) 2020-06-16
CN111292523B true CN111292523B (zh) 2023-04-07

Family

ID=71026335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811488431.1A Active CN111292523B (zh) 2018-12-06 2018-12-06 网络智能体***

Country Status (1)

Country Link
CN (1) CN111292523B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111836409B (zh) * 2020-06-30 2023-06-09 镇江宇诚智能装备科技有限责任公司 一种多智能体***结构及其控制方法
CN115242630B (zh) * 2021-04-23 2023-10-27 ***通信集团四川有限公司 一种5g网络切片的编排方法、装置及电子设备
WO2022237987A1 (en) * 2021-05-14 2022-11-17 NEC Laboratories Europe GmbH A method for decision-making regarding a decision in an environment by means of a data processing system and a corresponding data processing system
CN113411819B (zh) * 2021-05-30 2022-07-12 西安电子科技大学 一种5g nfv切片重配方法、***、无线通信***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102035855A (zh) * 2010-12-30 2011-04-27 江苏省电力公司 网络安全事件关联分析***
US8713138B1 (en) * 2006-08-15 2014-04-29 Sprint Communications Company L.P. Extensible framework for client-based active network measurement
CN104780099A (zh) * 2014-01-10 2015-07-15 瞻博网络公司 利用网络服务链化的跨多个网络层的动态端到端网络路径设立
CN107005587A (zh) * 2014-11-18 2017-08-01 思科技术公司 链接网络环境中的分布式应用的***和方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101071424B (zh) * 2006-06-23 2010-08-25 腾讯科技（深圳）有限公司 一种个性化信息推送***和方法
US8274377B2 (en) * 2007-01-10 2012-09-25 Decision Sciences International Corporation Information collecting and decision making via tiered information network systems
US7873052B2 (en) * 2007-04-16 2011-01-18 Pivotal Systems Corporation System and method for controlling process end-point utilizing legacy end-point system
CN101345713B (zh) * 2008-09-01 2011-02-09 华为技术有限公司 一种网络资源的分配方法、装置和***
CN102185927A (zh) * 2011-05-31 2011-09-14 北京亿赞普网络技术有限公司 一种知识即服务云计算平台
CN102663887B (zh) * 2012-04-13 2014-06-11 浙江工业大学 基于物联网技术的道路交通信息云计算和云服务实现***及方法
US20150063349A1 (en) * 2012-08-30 2015-03-05 Shahab Ardalan Programmable switching engine with storage, analytic and processing capabilities
JP2016508353A (ja) * 2013-01-10 2016-03-17 ネットフロー ロジック コーポレーション ネットワークメタデータを処理する改良されたストリーミング方法およびシステム
US20160050104A1 (en) * 2013-03-15 2016-02-18 Hewlett-Packard Development Company, L.P. Network device architecture adjustments
CN103235823A (zh) * 2013-05-06 2013-08-07 上海河广信息科技有限公司 根据相关网页和当前行为确定用户当前兴趣的方法和***
CN105302012B (zh) * 2014-06-30 2017-11-17 湖北省科技信息研究院 农业领域中信息采集方法和***
CN105323114A (zh) * 2014-07-31 2016-02-10 宇龙计算机通信科技(深圳)有限公司 一种路由设备及状态调整方法
CN104834669A (zh) * 2015-03-18 2015-08-12 广西师范学院 一种基于时空语义转移矩阵的疑犯多阶位置预测方法
CN105049353B (zh) * 2015-07-28 2018-11-16 华为技术有限公司 一种为业务配置路由路径的方法及控制器
CN106713380A (zh) * 2015-08-14 2017-05-24 江贻芳 一种基于位置感知的信息共享、推送与交换***
CN106355166B (zh) * 2016-10-13 2021-09-24 北京师范大学 一种基于监控视频与遥感图像的灰霾扩散路径绘制与来源确定方法
CN107425997B (zh) * 2017-03-27 2019-08-06 烽火通信科技股份有限公司 类人网的网络架构及实现方法
CN107248959B (zh) * 2017-06-30 2020-07-24 联想(北京)有限公司 一种流量优化方法及装置
CN107909206B (zh) * 2017-11-15 2021-06-04 电子科技大学 一种基于深层结构循环神经网络的pm2.5预测方法
CN108897926B (zh) * 2018-06-11 2024-02-23 青岛慧拓智能机器有限公司 一种人工车联网***及其建立方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8713138B1 (en) * 2006-08-15 2014-04-29 Sprint Communications Company L.P. Extensible framework for client-based active network measurement
CN102035855A (zh) * 2010-12-30 2011-04-27 江苏省电力公司 网络安全事件关联分析***
CN104780099A (zh) * 2014-01-10 2015-07-15 瞻博网络公司 利用网络服务链化的跨多个网络层的动态端到端网络路径设立
CN107005587A (zh) * 2014-11-18 2017-08-01 思科技术公司 链接网络环境中的分布式应用的***和方法

Also Published As

Publication number Publication date
CN111292523A (zh) 2020-06-16

Similar Documents

Publication Publication Date Title
CN111292523B (zh) 网络智能体***
Yang et al. Edge intelligence for autonomous driving in 6G wireless system: Design challenges and solutions
Manias et al. Making a case for federated learning in the internet of vehicles and intelligent transportation systems
Baldin et al. Fabric: A national-scale programmable experimental network infrastructure
Elfatih et al. Internet of vehicle's resource management in 5G networks using AI technologies: Current status and trends
Ning Unit and ubiquitous internet of things
While et al. Urban robotic experimentation: San Francisco, Tokyo and Dubai
Tzafestas Synergy of IoT and AI in modern society: The robotics and automation case
Rathore et al. Efficient graph-oriented smart transportation using internet of things generated big data
CN116368355A (zh) 物联网***
Ashraf A proactive role of IoT devices in building smart cities
Hahanov et al. Cloud-driven traffic monitoring and control based on smart virtual infrastructure
Jameel et al. Security in modern smart cities: An information technology perspective
Pushpa et al. Using fog computing/edge computing to leverage Digital Twin
Ahammed et al. 6G and AI: The emergence of future forefront technology
Li et al. Tourism information data processing method based on multi-source data fusion
Embarak Smart Cities New Paradigm Applications and Challenges
Bai et al. A study of taxi service mode choice based on evolutionary game theory
Mishra et al. Sustainable Smart Cities: Enabling Technologies, Energy Trends and Potential Applications
Bariah et al. Digital twin-empowered smart cities: A new frontier of wireless networks
Klymash et al. Emerging Networking in the Digital Transformation Age: Approaches, Protocols, Platforms, Best Practices, and Energy Efficiency
Goundar et al. Architecture and Security Issues in Fog Computing Applications
Wang Edge‐driven ubiquitous wireless communication for robust cluster intelligent piano presentation platform considering system security
Getu et al. A survey on goal-oriented semantic communication: Techniques, challenges, and future directions
Rui et al. 5g enabling technologies in rail

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant