网络维护方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种网络维护方法、装置、计算机设备和存储介质。首先，获取目标通信网络中建立有通信连接的任意两个节点设备之间的流量数据，得到流量数据集合，该目标通信网络中包括多个节点设备；接着，将该流量数据集合输入至故障判别神经网络模型中，获取该故障判别神经网络模型输出的概率信息，该概率信息用于指示该目标通信网络出现故障的概率；最后，当根据该概率信息确定该目标通信网络出现故障时，对该目标通信网络进行维护。本申请提供的网络维护方法可以加快对目标通信网络故障的判别。

Network maintenance methods, devices, computer equipment and storage media

【技术实现步骤摘要】
网络维护方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种网络维护方法、装置、计算机设备和存储介质。
技术介绍
随着移动互联网的高速发展，人们工作生活越来越离不开网络。网络的稳定性为人们获得服务提供了基本保证，因此如何快速对网络故障进行识别是十分重要的。相关技术中，网络故障识别的准确性取决于所使用的算法和获取的网络状态，网络状态数据可以通过主动探测方法获得。在主动探测方法中，通过在网络中额外部署多个探测端点或探测中间点，在这些探测端点或探测中间点注入附加的控制分组，给这些附加的控制分组贴上时间标签，用来测量两个特定节点之间的延迟，根据该延迟时间可以识别网络故障。然而，主动探测方法注入了额外的探测点，增加了通信开销，从而增加了网络故障识别的等待时间，因而，难以快速对网络故障进行识别。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够快速对网络故障进行识别的网络维护方法、装置、计算机设备和存储介质。第一方面，提供了一种网络维护方法，该方法包括：获取目标通信本文档来自技高网...

【技术保护点】
1.一种网络维护方法，其特征在于，所述方法包括：/n获取目标通信网络中建立有通信连接的任意两个节点设备之间的流量数据，得到流量数据集合，所述目标通信网络中包括多个节点设备；/n将所述流量数据集合输入至故障判别神经网络模型中，获取所述故障判别神经网络模型输出的概率信息，所述概率信息用于指示所述目标通信网络出现故障的概率；/n当根据所述概率信息确定所述目标通信网络出现故障时，对所述目标通信网络进行维护。/n

【技术特征摘要】
1.一种网络维护方法，其特征在于，所述方法包括：
获取目标通信网络中建立有通信连接的任意两个节点设备之间的流量数据，得到流量数据集合，所述目标通信网络中包括多个节点设备；
将所述流量数据集合输入至故障判别神经网络模型中，获取所述故障判别神经网络模型输出的概率信息，所述概率信息用于指示所述目标通信网络出现故障的概率；
当根据所述概率信息确定所述目标通信网络出现故障时，对所述目标通信网络进行维护。


2.根据权利要求1所述的方法，其特征在于，所述获取目标通信网络中建立有通信连接的任意两个节点设备之间的流量数据，包括：
根据软件定义网络SDN流表获取所述目标通信网络中每个节点设备的网络转发状态；
根据所述目标通信网络中每个节点设备的网络转发状态获取所述目标通信网络中建立有通信连接的任意两个节点设备之间的流量数据。


3.根据权利要求1所述的方法，其特征在于，所述故障判别神经网络模型包括两个卷积层、两个池化层、一个全连接层以及一个分类输出层。


4.根据权利要求3所述的方法，其特征在于，所述卷积层的神经元个数为n(n-1)/2个；所述池化层采用2*2的最大值池化；所述全连接层的神经元个数为1000个；所述分类输出层采用2分类，n为所述目标通信网络的节点设备个数。


5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
构建模拟通信网络，所述模拟通信网络的拓扑结构与所述目标通信网络的拓扑结构相同；
获取根据所述模拟通信网络得到的多个模拟流量数据集合；
根据所述多个模拟流量数据集合对初始故障判别神经网络模型进行训练，得到训练后的所述故障判别神经网络模型。

【专利技术属性】
技术研发人员：陈昌娜，毛为民，衷宇清，崔兆阳，吴刚，姚建，李俊浩，王敏，王浩，陈文文，陈永涛，李昭桦，陈辉煌，
申请(专利权)人：广州供电局有限公司，
类型：发明
国别省市：广东;44