一种面向集中式接入网的故障检测方法技术

一种对集中式接入网执行异常检测的方法，包括：1)针对集中式接入网的网络架构中的一层，采用与该层对应的第一故障检测器进行异常事件检测，其中所述第一故障检测器基于该层自身的运行数据、采用否定选择算法训练得到；2)在所述第一故障检测器检测到一个部件存在多项故障信息时，采用第二故障检测器对该部件的多项故障信息执行交运算以确定所述部件的故障，其中一项所述故障信息被表示为在该部件上发生的一个异常事件与同该异常事件存在关联的所有异常事件的集合。

A Fault Detection Method for Centralized Access Network

【技术实现步骤摘要】
一种面向集中式接入网的故障检测方法
本专利技术涉及无线通信系统的故障检测，尤其涉及针对集中式接入网的故障检测。
技术介绍
集中式接入网(C-RAN)是一种新型的资源管控系统，其通过统一和开放接口在大规模集中式资源池中按需创建大量虚拟基站，以实现在多个虚拟基站之间共享资源。然而对于这样的共享资源池而言，一旦资源池中的资源出现问题，则可能导致与之关联的多个基站发生故障，从而对大范围内的接入用户的业务造成影响，甚至导致整个网络崩溃。因而需要为集中式接入网设置故障管理系统。故障检测作为故障管理的第一步，其检测效果将直接影响故障管理的效果。传统的故障检测方式的人工参与量大，这种故障检测方式非常依赖运维人员的经验，并且容易发生误判和漏判。而随着新业务的出现，集中式接入网设备的复杂性越来越高、网络规模逐渐壮大，这使得实现准确且高效的故障检测变得愈发困难。目前，本领域提出了一些新的可降低人工参与度的故障检测方法，大致上可分为两类：1、基于探针的方法，此类方法周期性地向网络发送探测数据，根据网络的响应情况来判断是否有故障发生。该方法检测率高，但是需要不断向网络发送探测包，而集中式接入网本身数据规模就比较庞大，发送探测数据的方式会为系统增加额外的开销。2、基于数据挖掘、神经网络的方法，此类方法将故障数据样本训练成相应的规则或模型进行故障检测，并且故障数据样本越大，训练出的规则或模型就越准确。然而对于大部分设备而言，一次性获取大量的故障样本比较困难，所以此类方法也不适合应用于集中式接入网。
技术实现思路
因此，本专利技术的目的在于克服上述现有技术的缺陷，提供一种对集中式接入网执行异常检测的方法，包括：1)针对集中式接入网的网络架构中的一层，采用与该层对应的第一故障检测器进行异常事件检测，其中所述第一故障检测器基于该层自身的运行数据、采用否定选择算法训练得到；2)在所述第一故障检测器检测到一个部件存在多项故障信息时，采用第二故障检测器对该部件的多项故障信息执行交运算以确定所述部件的故障，其中一项所述故障信息被表示为在该部件上发生的一个异常事件与同该异常事件存在关联的所有异常事件的集合。优选地，根据所述方法，其中包括：针对集中式接入网的网络架构中的一层执行上述步骤1)和/或步骤2)，在发现所述层的部件存在故障的情况下，针对所述层的相邻层执行上述步骤1)和/或步骤2)，直到确定当前层的部件不存在故障或遍历了所有层。优选地，根据所述方法，其中包括：针对集中式接入网的网络架构中的一个非底层执行上述步骤1)和/或步骤2)，在发现所述层的部件存在故障的情况下，针对所述层的较低层执行上述步骤1)和/或步骤2)，直到确定当前层的部件不存在故障或检测到最低层。优选地，根据所述方法，其中针对集中式接入网的网络架构中的下列各层分别从对应的集合中选取该层自身的运行数据以用于所述否定选择算法和所述第一故障检测器：计算资源层：设备的温度、设备的电压、CPU利用率、内存利用率、网络接口流量、网络接口速率；虚拟化层：虚拟CPU的使用率、虚拟内存的使用率、虚拟基带的使用率；网元层：虚拟基站的接入用户数量、上行速率、下行速率、信号强度、时延、丢包率、参考信号接收功率；网络层：区域的网络性能参数。优选地，根据所述方法，其中所述第一故障检测器通过以下方法训练得到，包括：I)针对集中式接入网的网络架构中一层，收集该层自身的n维的运行数据D'＝(z(1),z(2),...,zn)，以作为自体样本集；II)基于所述自体样本集、采用否定选择算法训练得到候选第一故障检测器，若所述候选第一故障检测器与自体样本的最小距离dmin大于或等于自体样本亲和半径rs，则将所述候选故障检测器加入故障检测器的集合；III)在所获得的所述故障检测器的集合满足设置的覆盖率时输出故障检测器的集合，否则重复上述步骤II)。优选地，根据所述方法，其中步骤III)判断所获得的所述故障检测器的集合是否达到了设置的覆盖率，包括：基于z＞zα来判断所获得的所述故障检测器的集合是否达到了设置的覆盖率，其中x为n个测试样本中所述故障检测器的集合所覆盖的数量，p为预定覆盖率，zα为与选择的显著水平α所对应的置信值。优选地，根据所述方法，其中在步骤II)和III)之间包括：若所述候选故障检测器的检测半径rdi＞dmin-rs，则将该候选故障检测器从用于所述故障检测器的集合中排除。优选地，根据所述方法，其中所述自体样本集D'＝(z(1),z(2),...,zn)对应于通过主成分分析算法对该层可选择的m维的运行数据进行降维处理所确定的n个维度，n<m。一种训练故障检测器的方法，包括：I)收集系统在运行时产生的n维的运行数据D'＝(z(1),z(2),...,zn)，以作为自体样本集；II)基于所述自体样本集、采用否定选择算法训练得到候选故障检测器，若所述候选故障检测器与自体样本的最小距离dmin大于或等于自体样本亲和半径rs，则将所述候选故障检测器加入故障检测器的集合；III)在所获得的所述故障检测器的集合满足设置的覆盖率时输出故障检测器的集合，否则重复上述步骤II)。优选地，根据所述方法，其中步骤III)判断所获得的所述故障检测器的集合是否达到了设置的覆盖率，包括：基于z＞zα来判断所获得的所述故障检测器的集合是否达到了设置的覆盖率，其中x为n个测试样本中所述故障检测器的集合所覆盖的数量，p为预定覆盖率，zα为与选择的显著水平α所对应的置信值。优选地，根据所述方法，其中在步骤II)和III)之间包括：若所述候选故障检测器的检测半径rdi＞dmin-rs，则将该候选故障检测器从用于所述故障检测器的集合中排除。优选地，根据所述方法，其中所述自体样本集D'＝(z(1),z(2),...,zn)对应于通过主成分分析算法对该层可选择的m维的运行数据进行降维处理所确定的n个维度，n<m。一种计算机可读存储介质，其中存储有计算机程序，所述计算机程序在被执行时用于实现上述任意一项所述的方法。与现有技术相比，本专利技术的实施例的优点在于：1.本专利技术可以持续自动检测出集中式接入网的异常状况，减少了人工参与量，提升了系统的自动化程度。2.一级故障检测采用的否定选择算法在进行异常检测模型训练时只需提供正常运行参数样本，而不需提供大量的故障样本，实现较为容易。3.本专利技术的二级故障检测建立了异常关联映射表进行异常推理，可以有效面对大规模异常情况，提升故障检测效率。附图说明以下参照附图对本专利技术实施例作进一步说明，其中：图1是根据本专利技术的一个实施例的超级基站的多层网络架构图；图2是根据本专利技术的一个实施例的集中式接入网执行异常检测的方法流程图；图3是根据本专利技术的一个实施例采用否定选择算法训练得到异常检测器的方法流程图；图4是根据本专利技术的一个实施例对检测器覆盖率的检验方法的流程图；图5是针对本专利技术方案的故障检测率的测试结果；图6是针对本专利技术的方案的检测时间分析的测试结果。具体实施方式专利技术人在研究集中式接入网故障检测时，发现当前故障检测机制存在的检测率比较低、人工参与量大、自动化程度不够的问题，提出采用基于人工免疫领域的否定选择算法(NSA)进行故障检测。该NSA算法借鉴了免疫细胞成熟时的“否定选择”过程，通过学习“自体”数据训练出的异常检测器本文档来自技高网...

【技术保护点】
1.一种对集中式接入网执行异常检测的方法，包括：1)针对集中式接入网的网络架构中的一层，采用与该层对应的第一故障检测器进行异常事件检测，其中所述第一故障检测器基于该层自身的运行数据、采用否定选择算法训练得到；2)在所述第一故障检测器检测到一个部件存在多项故障信息时，采用第二故障检测器对该部件的多项故障信息执行交运算以确定所述部件的故障，其中一项所述故障信息被表示为在该部件上发生的一个异常事件与同该异常事件存在关联的所有异常事件的集合。

【技术特征摘要】
2019.01.30 CN 20191009123251.一种对集中式接入网执行异常检测的方法，包括：1)针对集中式接入网的网络架构中的一层，采用与该层对应的第一故障检测器进行异常事件检测，其中所述第一故障检测器基于该层自身的运行数据、采用否定选择算法训练得到；2)在所述第一故障检测器检测到一个部件存在多项故障信息时，采用第二故障检测器对该部件的多项故障信息执行交运算以确定所述部件的故障，其中一项所述故障信息被表示为在该部件上发生的一个异常事件与同该异常事件存在关联的所有异常事件的集合。2.根据权利要求1所述的方法，其中包括：针对集中式接入网的网络架构中的一层执行上述步骤1)和/或步骤2)，在发现所述层的部件存在故障的情况下，针对所述层的相邻层执行上述步骤1)和/或步骤2)，直到确定当前层的部件不存在故障或遍历了所有层。3.根据权利要求2所述的方法，其中包括：针对集中式接入网的网络架构中的一个非底层执行上述步骤1)和/或步骤2)，在发现所述层的部件存在故障的情况下，针对所述层的较低层执行上述步骤1)和/或步骤2)，直到确定当前层的部件不存在故障或检测到最低层。4.根据权利要求1所述的方法，其中针对集中式接入网的网络架构中的下列各层分别从对应的集合中选取该层自身的运行数据以用于所述否定选择算法和所述第一故障检测器：计算资源层：设备的温度、设备的电压、CPU利用率、内存利用率、网络接口流量、网络接口速率；虚拟化层：虚拟CPU的使用率、虚拟内存的使用率、虚拟基带的使用率；网元层：虚拟基站的接入用户数量、上行速率、下行速率、信号强度、时延、丢包率、参考信号接收功率；网络层：区域的网络性能参数。5.根据权利要求1所述的方法，其中所述第一故障检测器通过以下方法训练得到，包括：I)针对集中式接入网的网络架构中一层，收集该层自身的n维的运行数据D'＝(z(1),z(2),...,zn)，以作为自体样本集；II)基于所述自体样本集、采用否定选择算法训练得到候选第一故障检测器，若所述候选第一故障检测器与自体样本的最小距离dmin大于或等于自体样本亲和半径rs，则将所述候选故障检测器加入故障检测器的集合；III)在所获得的所述故障检测器的集合满足设置...

【专利技术属性】
技术研发人员：叶冠文，王园园，张宗帅，孙茜，
申请(专利权)人：北京中科晶上科技股份有限公司，
类型：发明
国别省市：北京,11