异常链路检测方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种异常链路检测方法、装置、设备及存储介质，方法包括：基于预设的第一检测模型和第二检测模型对实时链路样本进行检测，分别得到第一异常值和第二异常值，第一检测模型是基于历史数据训练确定，第二检测模型是基于当前会议之前的在线样本训练确定；对第一异常值和第二异常值进行加权计算，得到目标异常值；若目标异常值大于异常阈值，则确定数据链路存在异常，发出异常通知。采用历史数据训练相对普适化的离线孤立森林模型，采用会议中单个用户的流量数据训练对应于该用户的个性化在线孤立森林模型，进而得到双孤立森林模型，在用户参与会议的过程中，使用前述训练好的双孤立森林模型共同参与异常识别，进而保证异常识别的准确性。证异常识别的准确性。证异常识别的准确性。

【技术实现步骤摘要】
异常链路检测方法、装置、设备及存储介质


[0001]本申请涉及视频通信
，尤其涉及一种异常链路检测方法、装置、设备及存储介质。

技术介绍

[0002]当前音视频通信(如视频会议)异常链路检测主要有对异常样本标记训练监督模型，和对单个指标进行异常阈值检测判断的方式，其中，训练监督模型需要手动标记样本耗费大量人力，且异常样本覆盖不全造成模型不准确，而单个异常阈值判断只能检测简单场景，对复杂场景难以适应而检测不准确，因此，目前的音视频通信异常链路检测存在准确性低的问题。

技术实现思路

[0003]本申请的主要目的在于提供一种异常链路检测方法、装置、设备及存储介质，旨在解决现有技术中音视频通信异常链路检测存在准确性低的技术问题。
[0004]为实现上述目的，本申请提供一种异常链路检测方法，所述异常链路检测方法包括：
[0005]基于预设的第一检测模型和第二检测模型对实时链路样本进行检测，分别得到第一异常值和第二异常值，所述第一检测模型是基于历史数据训练确定，所述第二检测模型是基于当前会议之前的在线样本训练确定；
[0006]对所述第一异常值和所述第二异常值进行加权计算，得到目标异常值；
[0007]若所述目标异常值大于异常阈值，则确定数据链路存在异常，发出异常通知。
[0008]可选地，所述基于预设的第一检测模型和第二检测模型对实时链路样本进行检测，分别得到第一异常值和第二异常值，所述第一检测模型是基于历史数据训练确定，所述第二检测模型是基于当前会议之前的在线样本训练确定的步骤之前，包括：
[0009]获取历史样本集合和初始检测模型；
[0010]基于所述历史样本集合对所述初始检测模型进行训练，当训练结果满足结束条件时，停止训练，得到第一模型参数；
[0011]将所述第一模型参数输入至所述初始检测模型中，得到第一检测模型。
[0012]可选地，所述基于预设的第一检测模型和第二检测模型对实时链路样本进行检测，得到第一异常值和第二异常值的步骤之前，包括：
[0013]获取当前会议之前的预设时间段内在线样本，形成在线样本集合；
[0014]将所述在线样本集合输入至所述初始检测模型中进行训练，当训练结果满足结束条件时，停止训练，得到第二模型参数；
[0015]将所述第二模型参数输入至所述初始检测模型中，得到第二检测模型。
[0016]可选地，所述对所述第一异常值和所述第二异常值进行加权计算，得到目标异常值的步骤，包括：
[0017]获取预设的加权参数；
[0018]基于加权参数对所述第一异常值和所述第二异常值进行加权计算，得到目标异常值。
[0019]可选地，所述若所述目标异常值大于异常阈值，则确定数据链路存在异常，发出异常通知的步骤，包括；
[0020]获取异常阈值；
[0021]比对所述目标异常值和所述异常阈值；
[0022]若所述目标异常值大于所述异常阈值，则确定所述实时链路样本为异常样本，数据链路存在异常，发出异常通知。
[0023]可选地，所述若所述目标异常值大于所述异常阈值，则确定所述实时链路样本为异常样本，数据链路存在异常，发出异常通知的步骤之后，所述方法包括：
[0024]获取通信链路中的链路特征信息；
[0025]基于所述链路特征信息的异常状态，输出所述异常状态对应的异常处理结果。
[0026]可选地，所述第一检测模型是离线孤立森林模型，第二检测模型是在线孤立森林模型。
[0027]本申请还提供一种异常链路检测装置，所述异常链路检测装置包括：
[0028]检测模块，用于基于预设的第一检测模型和第二检测模型对实时链路样本进行检测，分别得到第一异常值和第二异常值，所述第一检测模型是基于历史数据训练确定，所述第二检测模型是基于当前会议之前的在线样本训练确定；
[0029]计算模块，用于对所述第一异常值和所述第二异常值进行加权计算，得到目标异常值；
[0030]判断模块，用于若所述目标异常值大于异常阈值，则确定数据链路存在异常，发出异常通知。
[0031]本申请还提供一种异常链路检测设备，所述异常链路检测设备包括：存储器、处理器以及存储在存储器上的用于实现所述异常链路检测方法的程序，
[0032]所述存储器用于存储实现所述异常链路检测方法的程序；
[0033]所述处理器用于执行实现所述异常链路检测方法的程序，以实现上述所述异常链路检测方法的步骤。
[0034]本申请实施例提供了一种存储介质，且所述存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的异常链路检测方法的步骤。
[0035]本申请提供的一种异常链路检测方法、装置、设备及存储介质，与现有技术中音视频通信异常链路检测准确性低相比，在本申请中，基于预设的第一检测模型和第二检测模型对实时链路样本进行检测，分别得到第一异常值和第二异常值，所述第一检测模型是基于历史数据训练确定，所述第二检测模型是基于当前会议之前的在线样本训练确定；对所述第一异常值和所述第二异常值进行加权计算，得到目标异常值；若所述目标异常值大于异常阈值，则确定数据链路存在异常，发出异常通知。采用历史数据训练相对普适化的离线孤立森林模型，采用会议中单个用户的流量数据训练对应于该用户的个性化在线孤立森林模型，进而得到双孤立森林模型。在用户参与会议的过程中，使用前述训练好的双孤立森林
模型共同参与异常识别，进而保证异常识别的准确性。
附图说明
[0036]图1是本申请实施例方案涉及的硬件运行环境的设备结构示意图；
[0037]图2为为本申请异常链路检测方法第一实施例的流程示意图；
[0038]图3为本申请异常链路检测方法第一实施例的视频会议架构示意图；
[0039]图4为本申请异常链路检测装置中较佳实施例的功能模块示意图。
[0040]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0041]应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0042]如图1所示，图1是本申请实施例方案涉及的硬件运行环境的终端结构示意图。
[0043]本申请实施例终端可以是PC，也可以是智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面3)播放器、便携计算机等具有显示功能的可移动式终端设备。
[0044]如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线10本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常链路检测方法，其特征在于，所述异常链路检测方法包括：基于预设的第一检测模型和第二检测模型对实时链路样本进行检测，分别得到第一异常值和第二异常值，所述第一检测模型是基于历史数据训练确定，所述第二检测模型是基于当前会议之前的在线样本训练确定；对所述第一异常值和所述第二异常值进行加权计算，得到目标异常值；若所述目标异常值大于异常阈值，则确定数据链路存在异常，发出异常通知。2.如权利要求1所述的异常链路检测方法，其特征在于，所述基于预设的第一检测模型和第二检测模型对实时链路样本进行检测，分别得到第一异常值和第二异常值，所述第一检测模型是基于历史数据训练确定，所述第二检测模型是基于当前会议之前的在线样本训练确定的步骤之前，包括：获取历史样本集合和初始检测模型；基于所述历史样本集合对所述初始检测模型进行训练，当训练结果满足结束条件时，停止训练，得到第一模型参数；将所述第一模型参数输入至所述初始检测模型中，得到第一检测模型。3.如权利要求1所述的异常链路检测方法，其特征在于，所述基于预设的第一检测模型和第二检测模型对实时链路样本进行检测，得到第一异常值和第二异常值的步骤之前，包括：获取当前会议之前的预设时间段内在线样本，形成在线样本集合；将所述在线样本集合输入至所述初始检测模型中进行训练，当训练结果满足结束条件时，停止训练，得到第二模型参数；将所述第二模型参数输入至所述初始检测模型中，得到第二检测模型。4.如权利要求1所述的异常链路检测方法，其特征在于，所述对所述第一异常值和所述第二异常值进行加权计算，得到目标异常值的步骤，包括：获取预设的加权参数；基于加权参数对所述第一异常值和所述第二异常值进行加权计算，得到目标异常值。5.如权利要求1所述的异常链路检...

【专利技术属性】
技术研发人员：王勋，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：