无线网络异常的检测方法、装置、终端设备以及存储介质制造方法及图纸

本发明专利技术公开了一种无线网络异常的检测方法、装置、终端设备以及存储介质，所述检测方法包括：获取待检测的网络节点数据；将所述待检测的网络节点数据输入预先创建的检测模型中进行检测，得到检测结果，所述检测模型是基于网络节点之间的属性相关性与时空依赖性，融入网络外部因素得到检测结果；输出所述检测结果为异常的网络节点。本发明专利技术实现了对无线网络异常的准确预测和及时预警，解决了无线网络异常的有效检测问题。的有效检测问题。的有效检测问题。

【技术实现步骤摘要】
无线网络异常的检测方法、装置、终端设备以及存储介质


[0001]本专利技术涉及移动网络无线通信领域，尤其涉及一种基于时空图网络的无线网络异常的检测方法、装置、终端设备以及存储介质。

技术介绍

[0002]随着现代通信技术的不断发展，无线网络在生活和生产中的应用愈发深入，对于网络的质量要求也越来越高。由于无线网络自身的技术特点，在很多情况下无法做到像有线通信网络一样可靠，因此，无线网络异常检测是十分有意义的。
[0003]现有的无线网络异常检测的技术方案主要通过从网管平台获取整个网络的相关指标，并根据经验人为设置门限阈值，将超出门限的指标进行逻辑运算后综合判断异常情况并预警。然而，上述方案仅仅通过网管平台的指标来判断节点状态，未考虑无线通信网络中由于各节点自身特征及所处环境所导致的动态性和演变性；通过传统人为指标进行分析存在检测范围小、效率低、对人员个人技术能力要求高的缺陷，而且仅能在不利事件发生后被动核查，具有滞后性。综上所述，现有技术方案难以有效检测无线网络异常。
[0004]因此，有必要提出一种有效检测无线网络异常的的技术方案。

技术实现思路

[0005]本申请的主要目的在于提供一种基于时空图网络的无线网络异常的检测方法、装置、终端设备以及存储介质，旨在解决无线网络异常的有效检测问题。
[0006]为实现上述目的，本申请提供了一种无线网络异常的检测方法，所述无线网络异常的检测方法包括：
[0007]获取待检测的网络节点数据；
[0008]将所述待检测的网络节点数据输入到预先创建的检测模型中，得到检测结果，所述检测模型基于网络节点之间的属性相关性与时空依赖性，融入网络外部因素进行训练得到；
[0009]输出所述检测结果为异常的网络节点。
[0010]可选地，所述获取待检测的网络节点数据的方式包括以下至少一种：
[0011]通过网络平台对接自动获取OMC
‑
R测量数据；
[0012]自动采集MDT数据；
[0013]自动采集软采数据；
[0014]自动采集XDR数据；
[0015]获取工参数据；
[0016]获取地理及环境数据；
[0017]获取网络外部活动保障及事件数据。
[0018]可选地，所述将所述待检测的网络节点数据输入预先创建的检测模型中进行检测，得到检测结果的步骤之前还包括：
[0019]创建基于时空图网络的动态多元异常检测模型。
[0020]可选地，所述创建基于时空图网络的动态多元异常检测模型的步骤包括：
[0021]对所述待检测的网络节点数据进行处理，形成数据样本集；
[0022]基于所述数据样本集提取网络节点之间的属性相关性与时空依赖性，融入网络外部因素，经过处理得到网络节点的特征与边特征；
[0023]将所述网络节点的特征与边特征输入到边加权时空图网络预测及异常探测层，得到预测结果；
[0024]基于所述预测结果评估初始检测模型的表现，得到评估结果；
[0025]基于所述评估结果和数据样本集迭代初始检测模型，得到所述基于时空图网络的动态多元异常检测模型。
[0026]可选地，所述对所述待检测的网络节点数据进行处理，形成数据样本集的步骤包括：
[0027]对所述网络节点样本数据进行清洗，将物理意义相同的数据字段统一命名格式和采集周期；
[0028]将所述经过清洗的网络节点样本数据进行整理，将特定数据进行关联，形成数据样本集；
[0029]将所述数据样本集存储至数据单元。
[0030]可选地，所述基于所述数据样本集提取网络节点之间的属性相关性与时空依赖性，融入网络外部因素，经过处理得到网络节点的特征与边特征的步骤包括：
[0031]基于所述数据样本集中网络节点之间的空间相关性构建空间邻接矩阵；
[0032]基于所述数据样本集中网络节点之间的属性相关性构建属性邻接矩阵；
[0033]基于所述数据样本集中网络节点之间的时间序列模式相似性构建时间序列邻接矩阵；
[0034]基于所述网络节点之间的空间邻接矩阵、属性邻接矩阵、时间序列邻接矩阵构建网络节点之间的综合邻接矩阵；
[0035]将网络外部因素融入所述综合邻接矩阵中，得到节点嵌入特征矩阵；
[0036]将所述节点嵌入特征矩阵进行线性变换，得到网络节点的特征与边特征。
[0037]可选地，所述将将所述网络节点的特征与边特征输入到边加权时空图网络预测及异常探测层，得到检测结果的步骤包括：
[0038]将所述网络节点的特征与边特征输入到边加权时空图网络预测及异常探测层；
[0039]基于所述输入的网络节点的特征与边特征，通过所述边加权时空图网络预测及异常探测层聚合具有相似模式的网络节点；
[0040]基于所述具有相似模式的网络节点之间的特征与边特征，预测网络节点的状态，得到预测结果；
[0041]可选地，所述基于所述评估结果和数据样本集训练初始检测模型，得到所述基于时空图网络的动态多元异常检测模型的步骤包括：
[0042]通过所述评估结果和数据样本集迭代所述初始检测模型；
[0043]通过多次执行所述迭代所述初始检测模型的步骤，得到基于时空图网络的动态多元异常检测模型。
[0044]可选地，所述输出所述检测结果为异常的网络节点的步骤包括：
[0045]输出所述检测结果为异常的网络节点的节点特征；
[0046]输出所述检测结果为异常的网络节点与其他网络节点的交互模式。
[0047]可选地，所述输出所述检测结果为异常的网络节点步骤之后还包括：
[0048]输出所述检测结果为异常的网络节点的预警报告；
[0049]输出所述检测结果为异常的网络节点的整改措施。
[0050]可选地，所述输出所述检测结果为异常的网络节点的整改措施的步骤之前还包括：
[0051]对所述检测结果为异常的网络节点，基于网络节点的网络侧状态进行分类；
[0052]对所述检测结果为异常的网络节点，基于网络节点的特征计算整改优先级；
[0053]基于分类的类别及整改优先级确定整改措施；
[0054]输出所述整改措施。
[0055]此外，本申请还提出一种无线网络异常的检测装置，所述无线网络异常的检测装置包括：
[0056]数据获取模块，用于获取待检测网络节点的数据；
[0057]数据检测模块，用于将所述待检测的网络节点数据输入到预先创建的检测模型中，得到检测结果，所述检测模型基于网络节点之间的属性相关性与时空依赖性，融入网络外部因素进行检测；
[0058]数据输出模块，用于输出所述检测结果为异常的网络节点。
[0059]可选地，所述无线网络异常的检测装置还包括：
[0060]模型训练模块，用于对初始检测模型进行训练，得到基于时空图网络的动态多元异常检测模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无线网络异常的检测方法，其特征在于，所述无线网络异常的检测方法包括：获取待检测的网络节点数据；将所述待检测的网络节点数据输入到预先创建的检测模型中，得到检测结果，所述检测模型基于网络节点之间的属性相关性与时空依赖性，融入网络外部因素进行训练得到；输出所述检测结果为异常的网络节点。2.根据权利要求1所述的无线网络异常的检测方法，其特征在于，所述获取待检测的网络节点数据的方式包括以下至少一种：通过网络平台对接自动获取OMC
‑
R测量数据；自动采集MDT数据；自动采集软采数据；自动采集XDR数据；获取工参数据；获取地理及环境数据；获取网络外部活动保障及事件数据。3.根据权利要求1所述的无线网络异常的检测方法，其特征在于，所述将所述待检测的网络节点数据输入预先创建的检测模型中进行检测，得到检测结果的步骤之前还包括：创建基于时空图网络的动态多元异常检测模型。4.根据权利要求3所述的无线网络异常的检测方法，其特征在于，所述创建基于时空图网络的动态多元异常检测模型的步骤包括：对所述待检测的网络节点数据进行处理，形成数据样本集；基于所述数据样本集提取网络节点之间的属性相关性与时空依赖性，融入网络外部因素，经过处理得到网络节点的特征与边特征；将所述网络节点的特征与边特征输入到边加权时空图网络预测及异常探测层，得到预测结果；基于所述预测结果评估初始检测模型的表现，得到评估结果；基于所述评估结果和数据样本集迭代初始检测模型，得到所述基于时空图网络的动态多元异常检测模型。5.根据权利要求4所述的无线网络异常的检测方法，其特征在于，所述对所述待检测的网络节点数据进行处理，形成数据样本集的步骤包括：对所述网络节点样本数据进行清洗，将物理意义相同的数据字段统一命名格式和采集周期；将所述经过清洗的网络节点样本数据进行整理，将特定数据进行关联，形成数据样本集；将所述数据样本集存储至数据单元。6.根据权利要求4所述的无线网络异常检测方法，其特征在于，所述基于所述数据样本集提取网络节点之间的属性相关性与时空依赖性，融入网络外部因素，经过处理得到网络节点的特征与边特征的步骤包括：基于所述数据样本集中网络节点之间的空间相关性构建空间邻接矩阵；基于所述数据样本集中网络节点之间的属性相关性构建属性邻接矩阵；
基于所述数据样本集中网络节点之间的时间序列模式相似性构建时间序列邻接矩阵；基于所述网络节点之间的空间邻接矩阵、属性邻接矩阵、时间序列邻接矩阵构建网络节点之间的综合邻接矩阵；将网络外部因素融入所述综合邻接矩阵中，得到节点嵌入特征矩阵；将所述节点嵌入特征矩阵进行线性变换，得到网络节点的特征与边特征。7.根据权利要求4所述的无线网络异常检测方法，其特征在于，所述将将所述网络节点的特征与边特征输入到边加权时空图网...

【专利技术属性】
技术研发人员：何蕊馨，
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：