【技术实现步骤摘要】
信令分析方法和相关装置
本申请涉及人工智能领域，尤其涉及一种信令分析方法和相关装置。
技术介绍
为了使通信网络中的各种设备间能协调运转，信令作为设备间传递的一种控制指令，它不仅可以说明设备自身的运行情况，还可以提出对相关设备的接续要求。例如，当用户打电话时，指令需要按照特定协议的封装发送给对方，使对方能够识别并进行处理。指令的信息包含主叫方、被叫方以及音频格式等多种信息，使对方能够完成指令的要求；被叫方需要对指令进行回应，指示指令完成的情况，使通信双方知晓彼此的运行情况。作为记载业务流程最细粒度的数据，运维中的很多故障问题都需要分析信令数据才能完成异常识别、故障问题定界等工作。实际的信令数据分析具有以下三大特点。首先，数据分析规模大。工程师单次需要分析的信令数据常达数千、甚至上万条。其次，信令数据内容复杂。不仅不同协议的信令格式不同，而且每条信令除包含消息类型信息外，还包含至少几十个具有不同业务含义的信元。最后，不同协议背后互不相同的业务逻辑让信令分析变得更加复杂，其往往需要有丰富的业务知识和经验作为支撑。目...
【技术保护点】
1.一种信令分析方法，其特征在于，包括：/n获取待测信令流程，所述待测信令流程包括N条信令，所述N为大于1的整数；/n分别对所述N条信令中每一条信令包括的消息类型和信元进行第一特征构造，得到第一特征序列；所述第一特征序列包括N个第一特征向量，所述N个第一特征向量与所述N条信令一一对应；/n将所述第一特征序列输入至第一信令异常检测模型进行异常检测处理，输出第一异常检测结果，所述第一异常检测结果指示所述待测信令流程正常或者异常。/n
【技术特征摘要】
1.一种信令分析方法，其特征在于，包括：
获取待测信令流程，所述待测信令流程包括N条信令，所述N为大于1的整数；
分别对所述N条信令中每一条信令包括的消息类型和信元进行第一特征构造，得到第一特征序列；所述第一特征序列包括N个第一特征向量，所述N个第一特征向量与所述N条信令一一对应；
将所述第一特征序列输入至第一信令异常检测模型进行异常检测处理，输出第一异常检测结果，所述第一异常检测结果指示所述待测信令流程正常或者异常。
2.根据权利要求1所述的方法，其特征在于，所述分别对所述N条信令中每一条信令包括的消息类型和信元进行第一特征构造，得到第一特征序列之前，所述方法还包括：
分别对所述N条信令中每一条信令包括的消息类型进行第二特征构造，得到第二特征序列；所述第二特征序列包括N个第二特征向量，所述N个第二特征向量与所述N条信令一一对应；
将所述第二特征序列输入至第二信令异常检测模型进行异常检测处理，得到第二异常检测结果，所述第二异常检测结果指示所述待测信令流程正常或者异常；
所述分别对所述N条信令中每一条信令包括的消息类型和信元进行第一特征构造，得到第一特征序列包括：
在所述第二异常检测结果指示所述待测信令流程正常的情况下，分别对所述N条信令中每一条信令进行所述第一特征构造，得到所述第一特征序列。
3.根据权利要求1或2所述的方法，其特征在于，所述分别对所述N条信令中每一条信令包括的消息类型和信元进行第一特征构造，得到第一特征序列包括：
按照所述N条信令的时间戳先后顺序依次对所述N条信令进行所述第一特征构造，得到所述第一特征序列。
4.根据权利要求3所述的方法，其特征在于，所述按照所述N条信令的时间戳先后顺序依次对所述N条信令进行所述第一特征构造，得到所述第一特征序列包括：
将第一消息类型和目标信元的组合作为一个整体进行特征构造，得到第一向量；所述第一消息类型为第一信令包括的消息类型，所述目标信元为所述第一信令包括的信元，所述第一信令为所述N条信令中的任一条信令，所述第一向量包含于所述第一特征序列。
5.根据权利要求4所述的方法，其特征在于，所述目标信元包括指示所述第一信令的发送原因的信元。
6.根据权利要求3所述的方法，其特征在于，所述按照所述N条信令的时间戳先后顺序依次对所述N条信令进行所述第一特征构造，得到所述第一特征序列包括：
将第二信令中的M个信元作为自然语言处理NLP算法中包括一个或多个单词的文本进行特征构造，得到第二向量；所述第二信令为所述N条信令中的任一条信令，所述第二向量包含于所述第一特征序列，所述M为大于1的整数。
7.根据权利要求2至6任一项所述的方法，其特征在于，所述分别对所述N条信令中每一条信令包括的消息类型进行第二特征构造，得到第二特征序列包括：
按照所述N条信令的时间戳先后顺序依次对所述N条信令进行所述第二特征构造，得到所述第二特征序列。
8.根据权利要求7所述的方法，其特征在于，所述按照所述N条信令的时间戳先后顺序依次对所述N条信令进行所述第二特征构造，得到所述第二特征序列包括：
将第二消息类型作为自然语言处理NLP算法中的一个单词进行特征构造，得到第三向量；所述第二消息类型为第三信令包括的消息类型，所述第三信令为所述N条信令中的任一条信令，所述第三向量包含于所述第二特征序列。
9.根据权利要求1至8任一项所述的方法，其特征在于，所述第一特征序列中的第F个第一特征向量与所述N条信令中的第F条信令相对应；所述将所述第一特征序列输入至第一信令异常检测模型进行异常检测处理，输出第一异常检测结果包括：
在第F轮异常检测处理中，将第三特征序列输入至所述第一信令异常检测模型进行异常检测处理，得到第一集合；所述第一集合包括至少一个消息类型和信元的组合，所述第三特征序列中的特征向量依次为所述第一特征序列中的第(F-K)个第一特征向量至第(F-1)个第一特征向量；所述F为大于1的整数，所述K为大于1且小于所述F的整数；
在所述N条信令中的第F条信令的消息类型和信元的组合未包含于所述第一集合的情况下，输出所述第一异常检测结果；所述第一异常检测结果指示所述待测信令流程异常。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
在所述第F条信令的消息类型和信元的组合包含于所述第一集合，且所述F小于所述N的情况下，执行第(F+1)轮异常检测处理；
在所述第F条信令的消息类型和信元的组合包含于所述第一集合，且所述F等于所述N的情况下，输出所述第一异常检测结果；所述第一异常检测结果指示所述待测信令流程正常。
11.根据权利要求1至8任一项所述的方法，其特征在于，所述第二特征序列中的第F个第二特征向量与所述N条信令中的第F条信令相对应；所述将所述第二特征序列输入至第二信令异常检测模型进行异常检测处理，得到第二异常检测结果包括：
在第F轮异常检测处理中，将第四特征序列输入至所述第二信令异常检测模型进行异常检测处理，得到第二集合；所述第二集合包括至少一个消息类型，所述第四特征序列中的特征向量依次为所述第二特征序列中的第(F-K)个第二特征向量至第(F-1)个第二特征向量；所述F为大于1的整数，所述K为大于1且小于所述F的整数；
在所述N条信令中的第F条信令的消息类型未包含于所述第二集合的情况下，得到所述第二异常检测结果；所述第二异常检测结果指示所述待测信令流程异常。
12.根据权利要求11所述的方法，其特征在于，所述方法还包括：
在所述第F条信令的消息类型包含于所述第二集合，且所述F小于所述N的情况下，执行第(F+1)轮异常检测处理；
在所述第F条信令的消息类型包含于所述第二集合，且所述F等于所述N的情况下，得到所述第二异常检测结果；所述第二异常检测结果指示所述待测信令流程正常。
13.根据权利要求1至12任一项所述的方法，其特征在于，所述将所述第一特征序列输入至第一信令异常检测模型进行异常检测处理，输出第一异常检测结果之后，所述方法还包括：
在所述第一异常检测结果指示所述待测信令流程异常的情况下，确定所述待测信令流程中发生异常的位置。
14.根据权利要求13所述的方法，其特征在于，所述第一特征序列中的第H个第一特征向量与所述N条信令中的第H条信令相对应；所述确定所述待测信令流程中发生异常的位置包括：
在第H轮信令异常定位中，将第五特征序列输入至所述第一信令异常检测模型进行异常检测处理，得到第三集合；所述第三集合包括至少一个消息类型和信元的组合，所述第五特征序列中的特征向量依次为所述第一特征序列中的第(H-L)个第一特征向量至第(H-1)个第一特征向量；所述H为大于1的整数，所述L为大于1且小于所述H的整数；
在所述N条信令中的第H条信令的消息类型和信元的组合未包含于所述第三集合的情况下，确定所述第H条信令发生异常。
15.根据权利要求13所述的方法，其特征在于，所述第一特征序列中的第H个第一特征向量与所述N条信令中的第H条信令相对应；所述确定所述待测信令流程中发生异常的位置包括：
获得所述N条信令对应的异常概率序列，所述异常概率序列中的第G个概率表示所述N个信令中的前(D+G)个信令中包括异常信令的概率，所述G和所述D均为大于0的整数；
根据所述异常概率序列，确定所述待测信令流程中发生异常的位置。
16.根据权利要求15所述的方法，其特征在于，所述获得所述N条信令对应的异常概率序列包括：
将第六特征序列输入至所述第一信令异常检测模型进行异常检测处理，得到所述异常概率序列中的所述第G个概率；所述第六特征序列包括的特征向量依次为所述第一特征序列中的前(D+G)个第一特征向量。
17.根据权利要求15或16所述的方法，其特征在于，所述根据所述异常概率序列，确定所述待测信令流程中发生异常的位置包括：
在所述异常概率序列中的所述第G个概率与第(G-1)个概率的差值大于概率阈值的情况下，确定第一信令区间的信令发生异常，所述第一信令区间包括所述N条信令中的第(G+D-1)至第N条信令，所述G为大于1的整数；
在所述异常概率序列中的各概率均不小于其前面的概率的情况下，确定第二信令区间中的信令发生异常；所述第二信令区间包括所述N条信令中的第(P+D)至第N条信令，所述异常概率序列中第P个概率与第(P+1)个概率的差值不小于所述异常概率序列中任意两个相邻概率的差值，所述P为大于0的整数；
在所述异常概率序列中的概率存在由第一值递增至第二值且保持所述第二值之前由第三值递减至所述第一值的情况下，确定第三信令区间中的信令发生异常；所述第一值小于第一阈值，所述第二值和所述第三值均大于第二阈值，所述第一阈值小于所述第二阈值，所述第三信令区间包括所述N条信令中的第(Q+D)至第N条信令，所述异常概率序列中的第Q个概率为所述异常概率曲线中最后一个上升段的起点的概率，所述Q为大于0的整数；
在所述异常概率序列中的各概率均不小于所述概率阈值的情况下，确定第四信令区间中的信令发生异常，所述第四信令区间包括所述N个信令中的第D个信令至第N个信令。
18.根据权利要求1至17任一项所述的方法，其特征在于，所述获取待测信令流程之前，所述方法还包括：
采集信令数据；所述信令数据包括所述N条信令；
解析所述信令数据中的每条信令，得到每条信令对应的接口、时间戳、协议以及流程标识；
将所述信令数据中对应的接口、协议以及流程标识均相同的信令分到相同组，得到至少一组信令；
按照目标组信令中各信令包括的时间戳的先后顺序对所述目标组信令中的各信令进行先后排序，得到所述待测信令流程，所述目标组信令为所述至少一组信令中任一组信令。
19.一种训练方法，其特征在于，包括：
分别对训练信令流程中每一条信令包括的消息类型和信元进行特征构造，得到第一向量序列；所述第一向量序列中的特征向量与所述训练信令流程中的信令一一对应；
将所述第一向量序列中的第(R)个特征向量至第(R+W)个特征向量作为第一训练特征序列输入至第一训练模型进行无监督学习，得到第一信令异常检测模型；所述第一训练模型为W元语言模型，所述W为大于1的整数，所述R和所述S均为大于0的整数。
20.一种训练方法，其特征在于，包括：
分别对训练信令流程中每一条信令包括的消息类型进行特征构造，得到第二向量序列；所述第二向量序列中的特征向量与所述训练信令流程中的信令一一对应；
将所述第二向量序列中的第(R)个特征向量至第(R+W)个特征向量作为第二训练特征序列输入至第二训练模型进行无监督学习，得到第二信令异常检测模型；所述第二训练模型为W元语言模型，所述W为大于1的整数，所述R和所述S均为大于0的整数。
21.一种训练方法，其特征在于，包括：
分别对训练信令流程中每一条信令包括的消息类型和信元进行特征构造，得到第一训练样本；所述第一训练样本中的特征向量与所述训练信令流程中的信令一一对应；
将第一训练样本和第一标注信息输入至第三训练模型进行异常检测处理，得到第一异常检测处理结果；所述第一异常检测处理结果指示所述第一训练样本为正常信令流程或者异常信令流程；
根据所述第一异常检测处理结果和第一标准结果，确定所述第一训练样本对应的损失；所述第一标准结果为所述第一标注信息指示的所述第一训练样本的真实结果；
利用所述第一训练样本对应的损失，通过优化算法更新所述第三训练模型的参数，得到第一信令异常检测模型。
22.一种训练方法，其特征在于，包括：
分别对训练信令流程中每一条信令包括的消息类型进行特征构造，得到第二训练样本；所述第二训练样本中的特征向量与所述训练信令流程中的信令一一对应；
将第二训练样本和第二标注信息输入至第四训练模型进行异常检测处理，得到第二异常检测处理结果；所述第二异常检测处理结果指示所述第二训练样本为正常信令流程或者异常信令流程；
根据所述第二异常检测处理结果和第二标准结果，确定所述第一训练样本对应的损失；所述第二标准结...
【专利技术属性】
技术研发人员：秦臻，饶思维，叶强，吕佳，田光见，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。