一种用于网络安全设备的CPU自适应动态调整方法与流程

本发明属于cpu控制领域，具体涉及一种用于网络安全设备的cpu自适应动态调整方法。

背景技术：

1、网络安全设备，如防火墙、入侵检测系统和vpn设备，通常需要处理大量且复杂的网络流量和安全任务，进而会导致消耗大量的计算资源。为了应对多任务处理需求，这些设备通常需要配备多核cpu。然而，在处理低负载或非关键任务时，全部核心频繁运作会导致非必要的能耗。如何在不同负载情况下动态调整cpu核心的频率和核心数量，以减少cpu调度和中断，从而实现节能减排，已成为一个重要的研究方向。

2、现有技术中，网络安全设备中的cpu通常仅基于单一类型的数据或简单的规则进行频率调整和核心管理，无法充分考虑复杂的时序和空间关系，导致能量优化效果有限。而且，现有技术中的调度策略往往是静态的，无法根据任务的实时变化进行动态调整，从而影响系统的整体能效。

技术实现思路

1、为了解决上述问题，本技术设计了一种用于网络安全设备的cpu自适应动态调整方法，以求通过基于算法优化的方式，对网络安全设备cpu的核心频率与核心数量进行动态调整的方法，能够在特定情况下通过减少cpu的调度和中断，来降低能耗，从而实现节能减排的目标。

2、一种用于网络安全设备的cpu自适应动态调整方法，包括以下步骤：

3、步骤s1、收集系统负载数据与cpu能耗数据，然后将系统负载数据与cpu能耗数据映射到高维特征空间中；

4、步骤s2、对系统负载数据与cpu能耗数据进行时序特征和空间特征的提取；

5、步骤s3、将提取出的时序特征与空间特征融合，形成完整的任务与系统状态的特征表示；

6、步骤s4、将融合后的特征表示进行任务优先级权重分析，得到不同任务的优先级，并为每个任务分配相应的权重，确保关键任务优先获得计算资源；

7、步骤s5、通过自适应动态调整算法进行cpu的动态调整，确保其能适应当前系统的负载和任务变化，以达成节能减排的目的。

8、优选地，所述步骤s1中，系统负载数据与cpu能耗数据以数据向量x(t)的形式映射到高维特征空间中；，

9、l(t)是系统当前的总体负载；h(t)是历史负载数据；c(t)是cpu核心状态；e(t)是能耗数据。

10、优选地，所述步骤s2中，时序特征的提取方法包括：

11、通过时序卷积操作cnn与长短期记忆网络lstm对处于高维特征空间下的数据进行时间序列特征提取，

12、经过时序卷积操作后的特征表示为：

13、

14、其中，卷积核为wc，偏置为bc，relu为线性整流函数；

15、将卷积后的特征fcnn(t)代入长短期记忆网络lstm中进行时序特征的提取，提取出的时序特征表示为

16、

17、将时序特征进行输出，得到

18、；

19、其中，h(t)为长短期记忆网络lstm的隐状态。

20、优选地，所述步骤s2中，空间特征的提取方法包括：

21、通过图神经网络gnn，对cpu核心之间的空间关系特征进行提取；

22、cpu核心状态表示为图( g = (v, e) )；

23、其中v是节点，即cpu核心；e即核心之间的通信，表示为是连接（e）的一个集合；（e）=（u,v)，其中u，v是两个相邻的节点，则空间特征表示为：

24、

25、hv(t)是节点(v)的隐状态，hu(t)是节点(u)的隐状态，n(v)是节点(v)的邻居节点(u)的集合，ws和bs是可训练参数，则空间特征输出：

26、。

27、优选地，所述步骤s3中，融合后的特征表示为ffusion(t)；

28、

29、其中，σ是标准差值，wf和bf是可训练参数。

30、优选地，所述步骤s4中，任务优先级权重分析包括：利用注意力机制，对融合后的特征ffusion(t)进行任务优先级权重分析；

31、任务(j)的特征为tj(t)，注意力得分为ej(t)，则：

32、

33、其中，q(·)和k(·)是线性变换函数，d是缩放因子，则任务权重表示为wj(t)，则任务优先级权重输出为

34、

35、v( )表示线性变换函数。

36、优选地，所述步骤s5中，自适应动态调整算法包括：多维度动态频率调整、动态核心数量调整、多任务调度频率优化、中断合并与优先级处理策略、核心频率与调度的综合控制；

37、步骤s51、多维度动态频率调整包括：

38、系统的当前负载为l(t)，核心频率为fi(t)，每个任务的优先级权重为wj(t)，历史负载趋势为h(t)，最大频率为fmax，最低频率为fmin，负载阈值为lth；

39、根据步骤s4中的任务优先级权重和步骤s1中收集的实时系统负载数据，通过任务加权负载计算，得到任务加权负载值，从而确定需要调整的cpu资源，

40、其中，任务加权负载计算如下：

41、任务加权负载值为lw(t)，

42、

43、其中，tj(t)表示第j个任务的实时负载，wj(t)是任务 j的优先级权重，m是任务数量；

44、考虑到历史负载数据影响，需要修正加权负载lw(t)，设修正后的加权负载为lh(t)，则

45、

46、其中，α和β是调节参数，用于平衡当前负载和历史趋势的影响；

47、当修正后的负载lh(t)≥lth，通过动态频率调整，得到新的核心频率，即：

48、

49、当lh(t)≥lth时：

50、fi(t)=fmax；

51、步骤s52、动态核心数量调整包括：

52、当前系统负载为 l(t)，总核心数为ntotal，当前活跃核心数为nactive(t)，任务权重为wj(t)；最大负载阈值为lmax，核心切换成本为cswitch；

53、考虑核心切换成本，对活跃核心数进行修正，得到：

54、

55、根据修正后的核心利用率，调整活跃核心数：

56、

57、其中，cswitch反映了核心启停的代价，用以避免频繁的核心切换导致的不必要开销；

58、步骤s53、多任务调度频率优化如下：

59、系统调度频率为s(t)，优先级任务占比为pj(t)，历史中断发生率为ih(t)，调度时间开销为cs；

60、根据任务优先级调整调度频率，则：

61、

62、其中，pmax为最高优先级任务占比；sj(t)表示任务j的调度频率；smin表示系统调度频率最小值；smax表示系统调度频率最大值；结合历史中断率和调度开销，调整调度频率：

63、

64、γ和δ为调节系数，ih(t)表示历史中断率的影响，cs为调度时间的开销；

65、步骤s54、中断合并与优先级处理策略如下：

66、假设中断的发生频率为ij(t)，中断优先级为pj(t)，中断延迟容忍度为dj(t)，计算综合中断处理优先级：

67、

68、其中，λ是调节中断优先级和延迟的系数；

69、对低优先级进行合并中断：

70、

71、其中，低优先级中断j在合并后的处理频率会根据任务优先级和延迟容忍度进行调整；pmax表示最高优先级任务占比；low-priority 表示最小任务优先级的一种集合；

72、步骤s55、核心频率与调度的综合控制如下：

73、基于当前负载、任务优先级、历史趋势和中断情况，综合控制cpu核心频率和调度：

74、

75、其中，e(fi(t))表示核心i频率fi(t)对应的能耗，sj(t)是任务j的调度频率，cs是调度开销。

76、本技术的优点和效果如下：本技术设计的一种用于网络安全设备的cpu自适应动态调整方法，基于算法优化的方式，通过引入时序特征提取cnn + lstm和空间特征提取gnn技术，能够全面分析系统负载的时空变化规律，有效捕捉复杂的任务模式；进而实现对网络安全设备cpu的核心频率与核心数量进行动态调整，能够在特定情况下通过减少cpu的调度和中断，能够大幅减少能量消耗，在保证系统性能的前提下，使cpu能够达到更佳的能量优化效果。

77、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，从而可依照说明书的内容予以实施，并且为了让本技术的上述和其他目的、特征和优点能够更明显易懂，以下以本技术的较佳实施例并配合附图详细说明如后。

78、根据下文结合附图对本技术具体实施例的详细描述，本领域技术人员将会更加明了本技术的上述及其他目的、优点和特征。