一种网络预警方法及计算机存储介质技术

本发明专利技术涉及网络监控技术领域，特别涉及一种网络预警方法及计算机存储介质，网络预警方法包括以下步骤：获取历史网络请求信息，并分析得到历史网络状态数据；基于神经网络模型，通过历史网络状态数据进行训练和优化获得异常检测模型；基于异常检测模型，预测当前网络状态，基于预测结果，调整得到网络预警阈值；异常检测模型实时监控网络状态，并根据调整后的网络预警阈值进行比较，判断是否需要进行网络预警。采用本方法可根据不同时刻的预测结果动态调整网络预警阈值，以更准确地反映当前城市的当前网络状态，采用动态调整的网络预警阈值进行预警判断，可大大提高判断的精准性，减少误判的情况发生。误判的情况发生。误判的情况发生。

【技术实现步骤摘要】
一种网络预警方法及计算机存储介质


[0001]本专利技术涉及网络监控
，其特别涉及一种网络预警方法及计算机存储介质。

技术介绍

[0002]随着网络技术的快速发展，网络环境以及网络的安全性、稳定性成为社会发展最重要的因素之。网络配置错误、网络拥塞、负载不均衡等将导致服务瘫痪、丢包、重传、超时等，也严重影响到服务质量、用户体验。
[0003]目前的网络预警，是全国范围的慢请求和错误请求的预警，基于固定阈值的网络预警方法；固定阈值网络预警方法是根据管理员的历史经验，为各个性能参数赋予固定阈值。当某个性能参数或者多个性能参数小于系统配置阈值，则判定当前网络运行状态正常，没有预警事件；相反，当出现大于阈值的性能参数，系统产生网络预警信息。该方法直观简单，能够及时快速的发现以往出现过的导致网络性能降低故障。
[0004]但是这样容易导致网络预警内容、预警区域不聚焦、不灵活，网络预警阈值不精准，容易错判，出现问题不能快速排查原因。

技术实现思路

[0005]为了解决网络预警容易错判的问题，本专利技术提供一种网络预警方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络预警方法，其特征在于：包括以下步骤：获取历史网络请求信息，并分析得到历史网络状态数据；基于神经网络模型，通过历史网络状态数据进行训练和优化获得异常检测模型；基于异常检测模型，预测当前网络状态，基于预测结果，调整得到网络预警阈值；异常检测模型实时监控网络状态，并根据调整后的网络预警阈值进行比较，判断是否需要进行网络预警。2.如权利要求1所述的网络预警方法，其特征在于：历史网络状态数据包括网络连接速度、延迟时间、丢包率、带宽利用率、DNS解析耗时、TCP连接耗时、SSL/TLS链接耗时、数据上行耗时、header上行耗时、body上行耗时、等待应答耗时、数据下行耗时、header下行耗时、body下行耗时、首包耗时、剩余包耗时、数据解析耗时、header加密耗时、body加密耗时、body解密耗时、总耗时，以及时间、地点。3.如权利要求1所述的网络预警方法，其特征在于：所述网络预警包括一级网络预警，一级网络预警为基于网络基础指标的预警，其中通过历史网络状态数据进行训练和优化获得异常检测模型包括以下步骤：对历史网络状态数据进行特征提取得到历史网络基础指标，基于历史网络基础指标建立第一异常检测模型，第一异常检测模型用于执行基于网络基础指标的预警。4.如权利要求3所述的网络预警方法，其特征在于：异常检测模型实时监控网络状态，并根据调整后的网络预警阈值进行比较，判断是否需要进行网络预警包括以下步骤：第一异常检测模型实时监控网络状态，收集网络指标数据，与对应的网络预警阈值进行比较判断是否需要进行一级网络预警；若是，则还判断网络异常的严重程度，并进行二级网络预警判断。5.如权利要求4所述的网络预警方法，其特征在于：二级网络预警包括基于网络请求关联规则的预警，基于网络拓扑的预警以及基于用户行为的预警；则步骤通过历史网络状态数据进行训练和优化获得异常检测模型还包括以下步骤：分析历史网络请求信息，获得域名和接口、慢请求和错误请求之间的关联规则，根据关联...

【专利技术属性】
技术研发人员：于海生，
申请(专利权)人：北京阿帕科蓝科技有限公司，
类型：发明
国别省市：