一种高效安全可扩展的智能计算机网络系统的制作方法

本发明涉及计算机网络，尤其涉及一种高效安全可扩展的智能计算机网络系统。

背景技术：

1、传统的计算机网络系统通常将网络设备管理、安全防护和流量调度作为相互独立的子系统进行设计和部署，各子系统之间缺乏有效的数据共享与策略联动机制，导致网络资源配置效率低下、安全威胁响应滞后、消息调度无法适应混合业务负载的实时变化。

2、在容器化网络场景中，现有方案普遍依赖手动配置或复杂的第三方插件来管理容器跨宿主机通信，地址映射过程繁琐且容易出错，难以支持大规模动态节点的灵活接入；在网络行为异常检测方面，多源日志数据异构、用户身份信息分散且缺乏有效关联手段，使得传统检测方法难以构建统一的用户行为基线，漏报误报率较高；在rdma高性能网络环境下，小消息与微小消息共存时，现有统一调度机制无法有效区分消息类型并优化数据路径与控制路径的负载均衡，导致缓存未命中频发和硬件资源利用率不足。此外，现有系统普遍缺乏基于实时网络状态的动态自适应调节能力，运维管理仍高度依赖人工经验，难以实现大规模分布式网络的全链路智能监控与闭环自愈。

技术实现思路

1、本发明为解决现存的技术问题而提供一种高效安全可扩展的智能计算机网络系统，解决了现有网络系统中资源管理、安全防护与消息调度相互割裂、缺乏自适应协同机制的问题。

2、为解决上述技术问题，根据本发明的一个方面，更具体的说是一种高效安全可扩展的智能计算机网络系统，包括：

3、网络设备层，包括分布式部署的多个网络节点、网络控制器和网络配置管理器，每个网络节点配置有基于软件定义网络和网络功能虚拟化的虚拟化网络功能模块，其中网络控制器用于为每个网络节点分配网络资源并维护地址映射关系，并且网络配置管理器用于配置网络参数；

4、安全防护层，部署于各网络节点，包括异常行为检测引擎和协同防御模块，所述异常行为检测引擎用于基于多源日志数据检测用户异常行为，所述协同防御模块用于在各所述网络节点之间同步安全策略并实现分布式协同防御；

5、智能调度层，与网络设备层和安全防护层通信连接，包括优先级调度器、积分限制器、子消息轮询器、自适应学习模块和智能运维管理模块，用于对网络消息进行分级调度和并发控制，并根据网络负载和用户需求的变化自动调整网络配置和策略，以及实现网络设备的远程监控、故障预警和自动修复；

6、其中网络设备层、安全防护层和智能调度层共同构成分布式网络架构，支持大规模网络节点的接入和跨域跨层的网络优化与资源管理

7、更进一步的，所述异常行为检测引擎具体包括：

8、张量数据结构配置模块，用于根据每个数据源的类型配置与该数据源相对应的张量数据结构，其中张量数据结构定义需要从相应数据源中提取的关于用户行为的多个数据字段；

9、数据提取与聚合模块，利用已配置的张量数据结构分别从相应的数据源中提取关于用户行为的多个数据，并以考察主体和多个特征维度为键、在标量维度上进行累加聚合，生成张量数据；

10、图数据库模块，用于存储用户身份与考察主体之间的关联关系，其中关联关系用于将不包含用户身份的数据源中提取的数据与相应用户身份相关联；

11、异常检测器模块，基于经聚合得到的张量数据以及图数据库中存储的关联关系进行用户行为的异常检测。

12、更进一步的，所述异常检测器模块包括时间序列检测器、基于用户特征的异常检测器、基于组内特征的异常检测器和新关联关系检测器中的一种或多种；

13、所述时间序列检测器用于以数据聚合时间窗口为基础粒度、以滑动时间窗口为周期，检测用户行为在时间序列上偏离周期模式的异常；

14、所述基于用户特征的异常检测器用于从张量数据库中抽取一个或多个用户被考察的字段数据形成张量特征，通过矩阵分解算法、聚类算法或决策树算法检测偏离常规行为的特征；

15、所述基于组内特征的异常检测器用于将属于同一部门或同一职能角色的用户组成用户组，将目标用户与同组其他用户的特征进行横向比较，检测偏离同组行为模式的特征；

16、所述新关联关系检测器用于按照时间顺序将用户与其他实体的关联关系从图数据库中抽取出来，检测超出设定基线时间段内稳定关联关系范围的新关联关系。

17、更进一步的，所述优先级调度器根据工作队列元素的负载大小动态区分小消息和微小消息，通过服务质量机制为小消息分配更高的优先级；

18、所述积分限制器对微小消息采用启发式的限流策略，基于信用系统控制每个队列对连续发送的工作队列元素的最大数量；

19、所述子消息轮询器为小消息和微小消息预生成子完成队列元素，确保应用程序以适配速率调度工作队列元素。

20、更进一步的，所述信用系统按照以下方式控制工作队列元素的发送:

21、步骤1、为每个处理微小消息的队列对设置信用值，信用值代表该队列对连续发送的最大工作队列元素数量;

22、步骤2、随着每个队列对发送的工作队列元素数量的增加，信用值相应减少;当所述信用值耗尽为零时，该队列对停止发送新的工作队列元素，并轮询其对应的完成队列以获取完成队列元素;

23、步骤3、轮询到完成队列元素后，信用值根据该队列对上工作队列元素的未发出信号的完成次数递增;

24、步骤4、在更新阶段，通过在不同信用值下监测单位时间内完成的队列对元素数量，选择使完成数量最大的信用值作为稳定阶段该队列对的信用值。

25、更进一步的，所述网络节点包括宿主机和运行于宿主机上的容器，各宿主机配置有容器隧道，所述容器隧道用于封装来自本宿主机的数据包和拆除封装其他宿主机发送到本宿主机的数据包；

26、所述网络控制器用于为每个宿主机上运行的容器分配容器网络子网段，并维护宿主机地址到容器网络子网段的一一映射关系；

27、所述网络配置管理器用于配置宿主机地址段、容器地址总段、每宿主机最大容器数和容器网关地址，并计算宿主机地址到容器地址段的映射。

28、更进一步的，所述宿主机地址到容器地址段的映射按照以下方式计算:

29、步骤1、根据配置的容器地址总段计算容器网络地址前缀长度;

30、步骤2、根据配置的每宿主机最大容器数计算容器实例地址长度;

31、步骤3、根据所述容器网络地址前缀长度和容器实例地址长度计算允许的容器网络地址后缀个数;

32、步骤4、判断所述允许的容器网络地址后缀个数是否大于等于允许的宿主机地址个数，若是则保存映射配置到网络控制器，若否则向用户提示网络段不足。

33、更进一步的，所述容器网络系统中数据包的发送包括：

34、步骤1、源容器发送数据包后判断目标宿主机是否为同一宿主机，若为同一宿主机则通过宿主机内部通信发送；若为不同宿主机则通过容器网关发送给宿主机路由模块；

35、步骤2、宿主机路由模块判断目标是否为容器网络总段，若是则将数据包发送给所述容器隧道处理；

36、步骤3、容器隧道获取目标容器网络映射的目标宿主机地址，将容器数据包封装为可发送到宿主机的数据包后发送到目标宿主机。

37、更进一步的，所述自适应学习模块通过机器学习和深度学习算法根据网络负载和用户需求的变化自动调整网络配置和策略；所述智能运维管理模块采用自然语言处理技术和图像识别技术实现网络设备的远程监控和故障诊断。

38、本发明提供的一种高效安全可扩展的智能计算机网络系统，相比现有技术，本方法取得的效果有：

39、1、本发明通过将网络设备层、安全防护层和智能调度层有机整合为分布式架构，实现了网络资源、安全策略与消息调度的协同联动，能够灵活支撑大规模节点接入，并跨域跨层完成全局化的网络优化与资源管理。

40、2、本发明在容器网络场景中采用宿主机地址到容器地址段的自动映射计算方法，结合容器隧道封装与解封装机制，实现了容器跨宿主机通信的高效路由，同时通过控制器集中维护映射关系，显著降低了网络配置的复杂度和人工干预成本。

41、3、本发明通过张量数据结构、图数据库关联和多种异常检测器（时间序列、用户特征、组内特征、新关联关系）的协同工作，能够从多源日志中精准识别偏离正常模式的用户行为，既覆盖个体行为异常，也发现群体性偏离和新出现的安全关联，大幅提升了内网威胁检测的全面性与准确性。

42、4、本发明引入自适应学习模块，利用机器学习和深度学习算法根据实时网络负载与用户需求自动调整调度参数和防护策略，同时结合自然语言处理和图像识别技术实现远程监控与故障预警，使系统具备闭环的智能运维能力，能够在不中断业务的前提下持续保持最优运行状态。