检测网络的方法和装置制造方法及图纸

本发明专利技术实施例提供了一种检测网络的方法和装置。该方法包括：获取一个或多个目标网络性能指标的解析数据，每个目标网络性能指标的解析数据包括在多个采集时间点上该目标网络性能指标对应的测量值；分析该解析数据，得到多个数据序列，每个数据序列包括一个目标网络性能指标在该多个采集时间点上对应的多个测量值，该多个测量值在该数据序列中按照时间先后顺序排列；根据该多个数据序列，确定异常采集时间点或异常数据序列；确定该异常采集时间点或异常数据序列对应的网络性能指标为异常网络性能指标。本发明专利技术实施例提供的方法和装置，通过分析一个或者多个目标网络性能的多个数据序列，能够有效识别出异常网络性能指标。 1

Method and device for detecting network

The embodiment of the invention provides a method and device for detecting the network. The method includes: obtaining the analytical data of one or more target network performance indicators. The analytic data of each target network performance index includes the measured value of the target network performance index at multiple acquisition time points, analysis the analytic data, and get multiple data sequences, each of which includes a target network. The multiple measured values of the collaterals at the multiple time points, which are arranged in chronological order in the sequence of the data, and determine the time points of abnormal acquisition or the sequence of abnormal data according to the multiple data sequences, and determine the network performance corresponding to the time point of the anomaly collection or the abnormal data sequence. The index is the performance index of the abnormal network. The method and device provided by the embodiment of the invention can effectively identify the performance index of the abnormal network by analyzing the multiple data sequences of one or more target network performance. One

【技术实现步骤摘要】
检测网络的方法和装置
本专利技术实施例涉及通信领域，并且更具体地，涉及一种检测网络的方法和装置。
技术介绍
网络设备在出现故障之前会出现一些异常现象，其中一些典型的异常现象包括网络的一些关键性能指标或者日志的事件记录出现异常，如内存缓慢泄露(内存占用率增加)，协议事件(例如，心跳丢失)数量缓慢增加等等。虽然出现这些异常现象的时候故障并未发生，但是人们可以根据这些异常现象对故障进行预警，从而可以在故障发生之前采取相应的措施，避免故障的发生。现有虽然有一些针对这些问题的预警方法，例如，针对内存泄露，可以根据应用程序或操作系统对内存的使用原理，在各个使用环节上进行判断，发现异常，但是这种方法需要对内存操作的原理非常了解，而且不能使用于其他类型的异常检测。对于协议事件，人们通常针对某个事件设置一个阈值，一旦事件频率超过这个阈值便认为出现异常。但是这种方法的异常识别率很低。通过指标或者事件发生的数据时间序列来分析发现异常的方法虽然具备了通用性，但是由于数据通常包含了各种干扰或者随机因素，异常的识别准确率也不高。因此，目前缺乏基于大批量性能指标和/或协议事件，有效识别异常的指标或事件的方法。
技术实现思路
本专利技术实施例提供了一种检测网络的方法和装置，基于大批量性能指标和/或协议事件，能够有效识别异常的网络性能指标。第一方面，提供了一种检测网络的方法，所述方法包括：获取一个或多个目标网络性能指标的解析数据，每个目标网络性能指标的解析数据包括在多个采集时间点上所述目标网络性能指标对应的测量值；分析所述解析数据，得到多个数据序列，每个数据序列包括一个目标网络性能指标在所述多个采集时间点上对应的多个测量值，所述多个测量值在所述数据序列中按照时间先后顺序排列；根据所述多个数据序列，确定异常时间点或异常数据序列；确定所述异常时间点或异常数据序列对应的网络性能指标为异常网络性能指标。在本专利技术实施例中，在性能指标和/或协议事件种类多的情况下，通过对目标网络性能指标对应的多个数据序列进行处理，能够有效识别异常网络性能指标。在一个可能的设计中，所述多个数据序列为在所述多个采集时间点上针对同一个目标网络性能指标在多条网络链路或多个网络设备上的采集的测量值；或，所述多个数据序列为在所述多个采集时间点上针对多个不同目标网络性能指标在同一条网络链路或者同一个网络设备上采集的测量值。在一个可能的设计中，所述根据所述多个数据序列，确定异常时间点包括：将所述多个数据序列进行组合，形成数据序列矩阵X，所述矩阵X为M行N列的矩阵；所述矩阵X的N个列向量与所述多个数据序列一一对应，所述矩阵X的M个行向量表示所述多个采集时间点；其中，M和N均为大于1的正整数；根据所述矩阵X，确定所述异常时间点。在本专利技术实施例中，通过对网络性能指标对应的数据序列矩阵或指定的数据序列矩阵分析，能够有效查找出的异常时间点对应的异常网络性能指标。在一个可能的设计中，所述根据所述矩阵X，确定所述异常时间点，包括：获取所述矩阵X的第一相似矩阵；根据所述矩阵X和所述第一相似矩阵对应的第一协方差矩阵的凸组合，获取第一拉普拉斯矩阵；根据所述第一拉普拉斯矩阵的第一奇异值对应的左奇异向量，构造第一投影矩阵，所述第一奇异值大于或者等于第一阈值，所述第一投影矩阵的列向量与所述第一奇异值对应的左奇异向量一一对应；根据所述第一投影矩阵对所述矩阵X的M个行向量分别进行投影计算，得到M个数据向量；根据所述M个数据向量组成的第一计算矩阵，分别计算所述矩阵X中每个行向量的时间点统计量，所述时间点统计量用于指示每个目标网络性能指标在所述矩阵X的行向量对应的采集时间点的状态；根据所述矩阵X中每个行向量的时间点统计量和第二阈值，确定所述异常时间点。在本专利技术实施例中，通过对网络性能指标对应的数据序列矩阵或指定的数据序列矩阵分析，能够有效查找出异常时间点对应的异常网络性能指标。在一个可能的设计中，所述获取所述矩阵X的第一相似矩阵，包括：根据以下公式对所述矩阵X进行变换，形成所述矩阵X的第一相似矩阵；S＝[Sij]其中，所述S为所述第一相似矩阵，所述Sij为所述第一相似矩阵的第i行和第j列对应的元素，所述Xi为所述矩阵X中的第i行行向量，所述Xj为所述矩阵X中的第j行行向量，所述ε为所述矩阵X的局部特征分析参数，所述σ为所述矩阵X的归一化程度分析参数。在一个可能的设计中，所述根据所述矩阵X和所述第一相似矩阵对应的第一协方差矩阵的凸组合，获取第一拉普拉斯矩阵，包括：根据所述矩阵X和以下公式，获取第一拉普拉斯矩阵；其中，所述为所述第一拉普拉斯矩阵，所述C为所述第一协方差矩阵，所述XT为所述矩阵X的转置矩阵，所述λ表示所述矩阵X的总体特征和所述矩阵X的局部特征的权重，λ∈(0,1)。在一个可能的设计中，所述根据所述第一投影矩阵对所述矩阵X的M个行向量分别进行投影计算，得到M个数据向量，包括：根据以下公式对所述矩阵X的M个行向量分别进行投影计算，得到M个数据向量；其中，所述为yi为所述矩阵X的第i行行向量对应的数据向量，所述U为所述第一投影矩阵，所述为所述矩阵X中的第i行行向量的转置向量。在一个可能的设计中，所述根据所述M个数据向量组成的第一计算矩阵，分别计算所述矩阵X中每个行向量的时间点统计量，包括：将所述M个数据向量作为M个列向量组成所述第一计算矩阵；根据以下公式计算所述矩阵X中每个行向量的时间点统计量；Y＝[y1y2y3...yM]其中，所述Y为所述第一计算矩阵，所述y1y2y3...yM分别为所述矩阵X的行向量对应的数据向量，所述YT为所述矩阵Y的转置矩阵，所述为所述矩阵X的第i行行向量对应的数据向量的转置矩阵，所述N为所述矩阵X的列向量的数量，所述Ti2为所述矩阵X的第i行行向量的时间点统计量。在一个可能的设计中，所述根据所述矩阵X中每个行向量的时间点统计量和第二阈值，确定所述异常时间点，包括：根据以下公式确定所述第二阈值；将大于或者等于所述第二阈值的时间点统计量确定为所述异常时间点。其中，所述T为所述第二阈值，所述L和所述M-L为F分布函数的自由度，所述α为F分布函数的分位点，所述L为所述第一投影矩阵的列向量的数量，所述M为所述矩阵X的行向量的数量，所述N为所述矩阵X的列向量的数量。在本专利技术实施例中，通过计算公式确定该第二阈值，避免通过人工经验设定阈值来判断，能够进一步有效提高识别异常网络性能指标的准确性。在一个可能的设计中，所述方法还包括：将所述矩阵X进行转置，形成所述矩阵X的转置矩阵XT，所述转置矩阵XT的行向量与所述多个数据序列一一对应；获取所述矩阵XT的第二相似矩阵；根据所述矩阵XT和所述第二相似矩阵对应的第二协方差矩阵的凸组合，获取第二拉普拉斯矩阵；根据所述第二拉普拉斯矩阵的第二奇异值对应的左奇异向量，构造第二投影矩阵，所述第二奇异值大于或者等于第三阈值；根据所述第二投影矩阵对所述矩阵XT的N个行向量分别进行投影计算，得到N个数据向量；根据所述N个数据向量组成的第二计算矩阵，分别计算所述矩阵XT中每个行向量的指标统计量，所述指标统计量用于表示所述网络性能指标的状态；根据所述矩阵XT中每个行向量的指标统计量和第四阈值，在所述多个数据序列中确定所述异常数据序列，所述异常数据序列对应的行向量的指标统计量大本文档来自技高网...

【技术保护点】
1.一种检测网络的方法，其特征在于，所述方法包括：

【技术特征摘要】
1.一种检测网络的方法，其特征在于，所述方法包括：获取一个或多个目标网络性能指标的解析数据，每个目标网络性能指标的解析数据包括在多个采集时间点上所述目标网络性能指标对应的测量值；分析所述解析数据，得到多个数据序列，每个数据序列包括一个目标网络性能指标在所述多个采集时间点上对应的多个测量值，所述多个测量值在所述数据序列中按照时间先后顺序排列；根据所述多个数据序列，确定异常时间点或异常数据序列；确定所述异常时间点或异常数据序列对应的网络性能指标为异常网络性能指标。2.根据权利要求1所述的方法，其特征在于，所述多个数据序列为在所述多个采集时间点上针对同一个目标网络性能指标在多条网络链路或多个网络设备上的采集的测量值；或所述多个数据序列为在所述多个采集时间点上针对多个不同目标网络性能指标在同一条网络链路或者同一个网络设备上采集的测量值。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述多个数据序列，确定异常时间点包括：将所述多个数据序列进行组合，形成数据序列矩阵X，所述矩阵X为M行N列的矩阵；所述矩阵X的N个列向量与所述多个数据序列一一对应，所述矩阵X的M个行向量表示所述多个采集时间点；其中，M和N均为大于1的正整数；根据所述矩阵X，确定所述异常时间点。4.根据权利要求3所述的方法，其特征在于，所述根据所述矩阵X，确定所述异常时间点，包括：获取所述矩阵X的第一相似矩阵；根据所述矩阵X和所述第一相似矩阵对应的第一协方差矩阵的凸组合，获取第一拉普拉斯矩阵；根据所述第一拉普拉斯矩阵的第一奇异值对应的左奇异向量，构造第一投影矩阵，所述第一奇异值大于或者等于第一阈值，所述第一投影矩阵的列向量与所述第一奇异值对应的左奇异向量一一对应；根据所述第一投影矩阵对所述矩阵X的M个行向量分别进行投影计算，得到M个数据向量；根据所述M个数据向量组成的第一计算矩阵，分别计算所述矩阵X中每个行向量的时间点统计量，所述时间点统计量用于指示每个目标网络性能指标在所述矩阵X的行向量对应的采集时间点的状态；根据所述矩阵X中每个行向量的时间点统计量和第二阈值，确定所述异常时间点。5.根据权利要求4所述的方法，其特征在于，所述获取所述矩阵X的第一相似矩阵，包括：根据以下公式对所述矩阵X进行变换，形成所述矩阵X的第一相似矩阵；S＝[Sij]其中，所述S为所述第一相似矩阵，所述Sij为所述第一相似矩阵的第i行和第j列对应的元素，所述Xi为所述矩阵X中的第i行行向量，所述Xj为所述矩阵X中的第j行行向量，所述ε为所述矩阵X的局部特征分析参数，所述σ为所述矩阵X的归一化程度分析参数。6.根据权利要求4或5所述的方法，其特征在于，所述根据所述矩阵X和所述第一相似矩阵对应的第一协方差矩阵的凸组合，获取第一拉普拉斯矩阵，包括：根据所述矩阵X和以下公式，获取第一拉普拉斯矩阵；其中，所述为所述第一拉普拉斯矩阵，所述C为所述第一协方差矩阵，所述XT为所述矩阵X的转置矩阵，所述λ表示所述矩阵X的总体特征和所述矩阵X的局部特征的权重，λ∈(0,1)。7.根据权利要求4至6中任一项所述的方法，其特征在于，所述根据所述第一投影矩阵对所述矩阵X的M个行向量分别进行投影计算，得到M个数据向量，包括：根据以下公式对所述矩阵X的M个行向量分别进行投影计算，得到M个数据向量；其中，所述为yi为所述矩阵X的第i行行向量对应的数据向量，所述U为所述第一投影矩阵，所述为所述矩阵X中的第i行行向量的转置向量。8.根据权利要求4至7中任一项所述的方法，其特征在于，所述根据所述M个数据向量组成的第一计算矩阵，分别计算所述矩阵X中每个行向量的时间点统计量，包括：将所述M个数据向量作为M个列向量组成所述第一计算矩阵；根据以下公式计算所述矩阵X中每个行向量的时间点统计量；Y＝[y1y2y3...yM]其中，所述Y为所述第一计算矩阵，所述y1y2y3...yM分别为所述矩阵X的行向量对应的数据向量，所述YT为所述矩阵Y的转置矩阵，所述为所述矩阵X的第i行行向量对应的数据向量的转置矩阵，所述N为所述矩阵X的列向量的数量，所述Ti2为所述矩阵X的第i行行向量的时间点统计量。9.根据权利要求4至8中任一项所述的方法，其特征在于，所述根据所述矩阵X中每个行向量的时间点统计量和第二阈值，确定所述异常时间点，包括：根据以下公式确定所述第二阈值；其中，所述T为所述第二阈值，所述L和所述M-L为F分布函数的自由度，所述α为F分布函数的分位点，所述L为所述第一投影矩阵的列向量的数量，所述M为所述矩阵X的行向量的数量，所述N为所述矩阵X的列向量的数量；将大于或者等于所述第二阈值的时间点统计量确定为所述异常时间点。10.根据权利要求4至9中任一项所述的方法，其特征在于，所述方法还包括：将所述矩阵X进行转置，形成所述矩阵X的转置矩阵XT，所述转置矩阵XT的行向量与所述多个数据序列一一对应；获取所述矩阵XT的第二相似矩阵；根据所述矩阵XT和所述第二相似矩阵对应的第二协方差矩阵的凸组合，获取第二拉普拉斯矩阵；根据所述第二拉普拉斯矩阵的第二奇异值对应的左奇异向量，构造第二投影矩阵，所述第二奇异值大于或者等于第三阈值；根据所述第二投影矩阵对所述矩阵XT的N个行向量分别进行投影计算，得到N个数据向量；根据所述N个数据向量组成的第二计算矩阵，分别计算所述矩阵XT中每个行向量的指标统计量，所述指标统计量用于表示所述目标网络性能指标的状态；根据所述矩阵XT中每个行向量的指标统计量和第四阈值，在所述多个数据序列中确定所述异常数据序列，所述异常数据序列对应的行向量的指标统计量大于或者等于所述第四阈值。11.根据权利要求1至10中任一项所述的方法，其特征在于，所述方法还包括：根据所述异常时间点和/或所述异常数据序列，确定所述异常网络性能指标的处理方案。12.根据权利要求11所述的方法，其特征在于，所述根据所述异常时间点和/或所述异常数据序列，确定所述异常网络性能指标的处理方案，包括：根据所述异常时间点和/或所述异常数据序列，以及故障树确定所述异常网络性能指标对应的故障类型，其中，所述故障树包括所述异常网络性能指标与所述...

【专利技术属性】
技术研发人员：程康，李健，包德伟，吴俊，彭东红，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44