【技术实现步骤摘要】
本专利技术属于软件定义网络控制技术相关领域，具体地，涉及一种基于5gc告警智能分析自动监测方法及装置。
技术介绍
1、通常在进行网元告警智能分析诊断的时候，使用统计学方法对现网网元的告警信息进行实时检测，针对告警风暴场景对其进行告警降噪，实现相同告警去重，相似告警聚类，同时通过实时消费kafka消息将其与用户自定义告警监测进行自动化校验，将满足条件的告警消息通过深度学习算法进行智能分析，准确的定位到告警的根源所在，并结合“熵值”算法对告警进行智能定级，实现动态的优先级推荐，配合短信方式，轻松实现通知必答，一旦出现告警处理超时，系统会根据通知路由层层追溯逐级上报，降低对5gc系统的损失。
2、但现有技术中5gc核心网网元告警故障诊断过程并未进行告警风暴的检测，可能存在短时间内发出海量告警消息的现象，导致产生的告警消息数远超运维人员所能处理的最大极限，同时也无法根据用户需求个性化设置重点网元的监测，存在少量网元已知异常产生的大量关联告警等情况，增加运维工作量，降低告警运维效率，且无法考虑告警的重要性，存在重要告警通知不及时的情况，影响系统业务。
技术实现思路
1、针对现有技术中存在的问题，本专利技术提供了一种基于5gc告警智能分析自动监测方法及装置，缩短故障处理时间，降低对5g业务的影响。
2、为实现上述技术目的，本专利技术采用如下技术方案：一种基于5gc告警智能分析自动监测方法，具体包括如下步骤：
3、步骤1、将设备网元告警信息以kafka方式进行
4、步骤2、将设备网元告警信息进行预处理，提取告警关键信息，将告警关键信息输入训练好的fasttext多分类模型中，结合专家经验信息，输出告警根源；
5、步骤3、将告警根源通过拓扑熵算法计算节点熵，按照节点熵由大到小的顺序，作为告警根源推荐的优先级；
6、步骤4、按照告警根源推荐的优先级，将根源告警通过短信的方式通知运维人员进行告警清除。
7、进一步地，步骤1中设备网元告警信息包括：设备网元告警发生时间、设备网元告警状态、设备网元告警描述、设备网元名称、节点、ip信息。
8、进一步地，步骤1中设备网元告警信息以kafka方式进行实时消费前，需要将设备网元告警信息通过基于经验累积分布和copula函数结合的统计学方法，自适应检测所述设备网元告警信息是否存在告警风暴，若存在告警风暴，提取设备网元核心告警信息作为设备网元告警信息。
9、进一步地，所述设备网元核心告警信息的提取过程为：将告警风暴中重复值以及异常值进行剔除清洗后，输入dbscan模型进行聚类，得到每一类别的设备网元核心告警信息。
10、进一步地，步骤2包括如下子步骤：
11、步骤2.1、将设备网元告警信息通过embedding层进行切分处理，将切分处理后的设备网元告警信息向量化，并提取设备网元告警信息内的告警关键信息；
12、步骤2.2、将提取的告警关键信息输入训练好的fasttext多分类模型中，输出每条设备网元告警信息所属分类的n维概率向量；
13、步骤2.3、将输出的n维概率向量与专家经验信息进行加权平均，选择概率值最大的告警类别作为告警根源。
14、进一步地，所述fasttext多分类模型的训练过程为：
15、(i)采集各地区、各厂商不同类型的设备网元告警信息，将设备网元告警信息录入到文件仓库；
16、(ii)将文件仓库中的设备网元告警信息提取告警关键信息后，输入fasttext多分类模型中进行训练，直至交叉熵损失函数收敛，得到训练好的fasttext多分类模型。
17、进一步地，所述交叉熵损失函数j具体为：
18、
19、其中，k表示告警类别的数量，yic表示设备网元告警信息i属于告警类别的概率，取值为0或1；pic表示设备网元告警信息i属于告警类别的预测概率。
20、进一步地，所述拓扑熵算法为degree、neighbor degree、strength中的一种。
21、进一步地，步骤4中若告警根源与实际引发告警的原因不匹配，需要人工标记排查结果，作为新样本，用于fasttext多分类模型的训练。
22、进一步地，本专利技术还提供了一种所述的基于5gc告警智能分析自动监测方法的自动监测装置，包括依次连接的检测模块、处理模块、获取模块、校验模块、分析模块和派单模块；
23、所述检测模块用于将设备网元告警信息通过基于经验累积分布和copula函数结合的统计学方法自适应检测是否存在告警风暴；
24、所述处理模块用于将告警风暴中的数据进行聚类，得到每一类别的核心设备网元告警信息；
25、所述获取模块用于实时传送设备网元告警信息；
26、所述校验模块用于校验用户自定义设备的网元告警监测条件；
27、所述分析模块用于智能分析满足监测条件的告警数据；
28、所述派单模块用于优先告知运维人员告警异常信息以及诊断结果，以短信形式进行推送。
29、与现有技术相比，本专利技术具有如下有益效果：本专利技术通过采控从不同厂家、不同设备类型等获取得到告警消息，为故障分析提供真实可靠的数据来源，自适应地实时检测告警风暴，并通过dbscan模型聚类，减少告警数量，获取核心的设备网元告警信息，缓解告警疲劳，并通过用户个性化设置实现重点网元告警自动化监测，同时使用fasttext多分类模型，快速定位故障根源，以及使用”熵值”算法智能定级，实现告警动态的优先级推荐，结合短信方式，推送告警以及告警根源通知，缩短故障处理时间，尽可能降低对5g业务的影响。本专利技术通过统计学、深度学习模型与实时周期性校验个性化监测设置相结合的方式，从而达到告警故障诊断和智能派送的效果，实现告警风暴的实时检测以及重点网元告警的智能诊断，提高运维效率，尽可能减小对5g业务的影响。
本文档来自技高网...【技术保护点】
1.一种基于5GC告警智能分析自动监测方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于5GC告警智能分析自动监测方法，其特征在于，步骤1中设备网元告警信息包括：设备网元告警发生时间、设备网元告警状态、设备网元告警描述、设备网元名称、节点、IP信息。
3.根据权利要求1所述的一种基于5GC告警智能分析自动监测方法，其特征在于，步骤1中设备网元告警信息以kafka方式进行实时消费前，需要将设备网元告警信息通过基于经验累积分布和copula函数结合的统计学方法，自适应检测所述设备网元告警信息是否存在告警风暴，若存在告警风暴，提取设备网元核心告警信息作为设备网元告警信息。
4.根据权利要求3所述的一种基于5GC告警智能分析自动监测方法，其特征在于，所述设备网元核心告警信息的提取过程为：将告警风暴中重复值以及异常值进行剔除清洗后，输入DBSCAN模型进行聚类，得到每一类别的设备网元核心告警信息。
5.根据权利要求1所述的一种基于5GC告警智能分析自动监测方法，其特征在于，步骤2包括如下子步骤：
6.根据权利要
7.根据权利要求6所述的一种基于5GC告警智能分析自动监测方法，其特征在于，所述交叉熵损失函数J具体为：
8.根据权利要求1所述的一种基于5GC告警智能分析自动监测方法，其特征在于，所述拓扑熵算法为degree、neighbor degree、strength中的一种。
9.根据权利要求1所述的一种基于5GC告警智能分析自动监测方法，其特征在于，步骤4中若告警根源与实际引发告警的原因不匹配，需要人工标记排查结果，作为新样本，用于FastText多分类模型的训练。
10.一种权利要求1-9任一项所述的基于5GC告警智能分析自动监测方法的自动监测装置，其特征在于，包括依次连接的检测模块、处理模块、获取模块、校验模块、分析模块和派单模块；
...【技术特征摘要】
1.一种基于5gc告警智能分析自动监测方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于5gc告警智能分析自动监测方法，其特征在于，步骤1中设备网元告警信息包括：设备网元告警发生时间、设备网元告警状态、设备网元告警描述、设备网元名称、节点、ip信息。
3.根据权利要求1所述的一种基于5gc告警智能分析自动监测方法，其特征在于，步骤1中设备网元告警信息以kafka方式进行实时消费前，需要将设备网元告警信息通过基于经验累积分布和copula函数结合的统计学方法，自适应检测所述设备网元告警信息是否存在告警风暴，若存在告警风暴，提取设备网元核心告警信息作为设备网元告警信息。
4.根据权利要求3所述的一种基于5gc告警智能分析自动监测方法，其特征在于，所述设备网元核心告警信息的提取过程为：将告警风暴中重复值以及异常值进行剔除清洗后，输入dbscan模型进行聚类，得到每一类别的设备网元核心告警信息。
5.根据权利要求1所述的一种...
【专利技术属性】
技术研发人员：谢迎凤，魏珂，李赛，刘宝，王宏科，郭建章，
申请(专利权)人：中电信数智科技有限公司，
类型：发明
国别省市：
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。