跨越本地网络的设备流量的自动优先级排序

摘要

一种用于网络流量的优先级排序的方法，包括为本地网络(104)收集表示一段时间通过本地网络的通信流量的流量数据；为包括在网络(104)中的每个网络设备(116)确定网络设备(116)的设备类型和网络设备的至少一个设备优先级值；使用设备(116)的流量数据和设备优先级值训练设备优先级排序模型(130)，通过设备优先级排序模型(130)为本地网络(104)接收，包括在本地网络中的网络设备(116)的列表；以及通过设备优先级排序模型(130)生成针对本地网络的优先级排序方案，优先级排序方案基于网络设备的设备类型和设备优先级值，对网络设备(116)之间的设备流量进行优先级排序。可以采用机器学习来训练设备优先排序模型，以在上下文中理解，关于本地网络中的一组用户设备，用户设备何时倾向于最多地被使用。这可以更有效地使用网络带宽，从而减少对网络资源的支出要求。另外，该模型可以针对不同时间段(例如，一周中的几天、一天中的时间和假日事件等)调整网络流量的优先级排序。另外，通过设备的优先级排序，当设备倾向于同步开销流量时可能发生的拥塞减少，因为基于优先化方案的设备将在不同时间结束报告。这样可以更好地利用可用带宽。示例性网络连接设备(116)包括个人计算机、移动通信设备、娱乐中心(例如，游戏系统)、诸如设施(例如、冰箱、洗衣机、咖啡机)的物联网(loT)网络连接设备、医疗设备(例如，起搏器、葡萄糖监测器)、建筑‑监测设备(例如，恒温器、安全系统、摄像机、烟雾检测器)以及可以通过本地网络(104)和网络(102)发送和接收数据的其他设备。