随着移动互联网技术以及新型业务的飞速发展,网络数据呈现爆炸式增长。提升用户感知,挖掘用户潜在价值成为当前网络服务提供商(Internet Service Provider,ISP)的研究重点。针对该问题,提出一种基于深度包检测(Deep Packet Inspection,D...随着移动互联网技术以及新型业务的飞速发展,网络数据呈现爆炸式增长。提升用户感知,挖掘用户潜在价值成为当前网络服务提供商(Internet Service Provider,ISP)的研究重点。针对该问题,提出一种基于深度包检测(Deep Packet Inspection,DPI)技术的用户行为分析系统。在传统信令监测系统的基础上结合DPI技术,对LTE网络S1接口的用户数据进行分析,实现了从海量数据中高效地挖掘用户群体的行为特征。经过现网数据验证,该方案能达到预期的效果,对ISP具有一定的参考价值。展开更多
为了实现对长期演进(Long Term Evolution,LTE)网络的业务识别,分析了S1接口用户面协议栈,利用模块化设计思想实现了对S1接口流量的业务识别。针对传统业务识别系统识别度低、统计能力不强的缺陷,在传统的业务识别系统基础上,提出了一...为了实现对长期演进(Long Term Evolution,LTE)网络的业务识别,分析了S1接口用户面协议栈,利用模块化设计思想实现了对S1接口流量的业务识别。针对传统业务识别系统识别度低、统计能力不强的缺陷,在传统的业务识别系统基础上,提出了一个多识别的业务识别方案,实现了对业务类型的精确识别。经过现网数据测试验证,所设计的多识别的业务识别方案达到了预期的效果,在LTE移动通信网络业务识别领域具有推广意义。展开更多
文摘随着移动互联网技术以及新型业务的飞速发展,网络数据呈现爆炸式增长。提升用户感知,挖掘用户潜在价值成为当前网络服务提供商(Internet Service Provider,ISP)的研究重点。针对该问题,提出一种基于深度包检测(Deep Packet Inspection,DPI)技术的用户行为分析系统。在传统信令监测系统的基础上结合DPI技术,对LTE网络S1接口的用户数据进行分析,实现了从海量数据中高效地挖掘用户群体的行为特征。经过现网数据验证,该方案能达到预期的效果,对ISP具有一定的参考价值。
文摘为了实现对长期演进(Long Term Evolution,LTE)网络的业务识别,分析了S1接口用户面协议栈,利用模块化设计思想实现了对S1接口流量的业务识别。针对传统业务识别系统识别度低、统计能力不强的缺陷,在传统的业务识别系统基础上,提出了一个多识别的业务识别方案,实现了对业务类型的精确识别。经过现网数据测试验证,所设计的多识别的业务识别方案达到了预期的效果,在LTE移动通信网络业务识别领域具有推广意义。