【技术实现步骤摘要】
本申请涉及智能分析领域，且更为具体地，涉及一种基于大数据技术的通信网络故障检测系统及方法。
技术介绍
1、通信网络是指用于传输信息的系统，它允许不同地点的设备之间进行数据交换和通信。通信网络可以包括多种技术和设备，如计算机网络、电话网络、移动通信网络等。通信网络的作用非常广泛，它们在个人生活、商业、教育、医疗和政府等各个领域都发挥着重要的作用。它们使人们能够远程交流、共享信息、访问互联网和使用各种在线服务。同时，通信网络也为物联网、智能城市和数字化转型等领域的发展提供了基础设施和支持。
2、传统的通信网络故障检测方式通常基于规则和阈值的设定，网络环境复杂多变，不同网络设备和应用场景可能需要不同的规则和阈值，这导致了检测的不准确性和适应性不强。
3、因此，需要一种优化的基于大数据技术的通信网络故障检测方案。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于大数据技术的通信网络故障检测系统及方法，其采用基于深度学习的人工智能分析技术，通过对网络设备的日志信息进行特征提取以得到设备运行状态特征，通过对数据包传输过程中的丢包率、比特错误率和带宽利用率信息进行特征提取以得到网络性能状态特征，进而融合设备运行状态特征和网络性能状态特征以判断当前网络是否存在故障。
2、根据本申请的一个方面，提供了一种基于大数据技术的通信网络故障检测系统，其包括：
3、网络相关参数采集模块，用于获取数据包传输过程中的丢包率、比特错误
4、网络性能参数矩阵构造模块，用于将所述数据包传输过程中的丢包率、比特错误率和带宽利用率二维排列为网络性能参数矩阵；
5、网络性能参数编码模块，用于将所述网络性能参数矩阵通过包含多个混合卷积层的第一卷积神经网络模型以得到网络性能参数特征向量；
6、网络日志预处理模块，用于对所述各个网络设备的日志信息进行预处理以得到预处理后网络设备的日志信息；
7、设备运行状态特征提取模块，用于将所述预处理后网络设备的日志信息通过日志语义编码器以得到设备运行状态特征向量；
8、特征融合模块，用于将所述设备运行状态特征向量和所述网络性能参数特征向量进行融合以得到分类特征向量；
9、分类特征生成模块，用于计算所述分类特征向量与其自身转置的相乘以得到分类特征矩阵；
10、优化模块，用于对所述分类特征矩阵进行先验秩序性的几何非刚性一致化以得到优化分类特征矩阵；
11、网络故障检测结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前网络是否存在故障。
12、在上述基于大数据技术的通信网络故障检测系统中，所述网络性能参数编码模块，包括：第一尺度卷积单元，用于使用具有第一尺寸的第一卷积核对所述网络性能参数矩阵进行卷积编码以得到第一尺度特征图；第二尺度卷积单元，用于使用具有第一空洞率的第二卷积核对所述网络性能参数矩阵进行卷积编码以得到第二尺度特征图；第三尺度卷积单元，用于使用具有第二空洞率的第三卷积核对所述网络性能参数矩阵进行卷积编码以得到第三尺度特征图；第四尺度卷积单元，用于使用具有第三空洞率的第四卷积核对所述网络性能参数矩阵进行卷积编码以得到第四尺度特征图，其中，所述第一卷积核、所述第二卷积核、所述第三卷积核和所述第四卷积核具有相同的尺寸，且所述第二卷积核、所述第三卷积核和所述第四卷积核具有不同的空洞率；多尺度聚合单元，用于将所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图进行沿通道维度的聚合以得到聚合特征图；降维单元，用于对所述聚合特征图沿通道维度的各个特征矩阵进行池化以得到所述网络性能参数特征向量。
13、在上述基于大数据技术的通信网络故障检测系统中，所述设备运行状态特征提取模块，包括：日志信息分词单元，用于对所述预处理后网络设备的日志信息进行分词处理以获得多个运行状态相关词；词嵌入单元，用于将所述多个运行状态相关词通过所述日志语义编码器的嵌入层以将所述多个运行状态相关词中各个运行状态相关词转化为运行状态相关词嵌入向量以得到运行状态相关词嵌入向量的序列，其中，所述嵌入层使用可学习的嵌入矩阵对所述各个运行状态相关词进行嵌入编码；上下文语义编码单元，用于将所述运行状态相关词嵌入向量的序列输入所述日志语义编码器的转换器模块以得到多个运行状态相关特征向量；运作状态特征级联单元，用于将所述多个运行状态相关特征向量进行级联以得到所述设备运行状态特征向量。
14、在上述基于大数据技术的通信网络故障检测系统中，所述特征融合模块，用于：使用如下级联公式来融合所述设备运行状态特征向量和所述网络性能参数特征向量以得到所述分类特征向量；其中，所述级联公式为：
15、f(xi,xj)＝relu(wf[θ(xi),φ(xj)])
16、其中，wf,θ(xi)和φ(xj)均表示对输入进行点卷积、relu为激活函数，[]表示拼接操作，xi表示所述设备运行状态特征向量中各个位置的特征值，xj表示所述网络性能参数特征向量中各个位置的特征值。
17、在上述基于大数据技术的通信网络故障检测系统中，所述优化模块，用于：以如下优化公式对所述分类特征矩阵进行先验秩序性的几何非刚性一致化以得到所述优化分类特征矩阵；其中，所述优化公式为：
18、
19、其中，mi,j表示所述分类特征矩阵中的第(i,j)位置的特征值，m表示所述分类特征矩阵中的所有特征值的均值，log表示以2为底的对数函数值，exp(·)表示以自然常数e为底的指数运算，m'i,j表示所述优化分类特征矩阵中的第(i,j)位置的特征值。
20、在上述基于大数据技术的通信网络故障检测系统中，所述网络故障检测结果生成模块，包括：展开单元，用于将所述优化分类特征矩阵按照行向量或列向量展开为优化分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；分类结果生成单元，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。
21、根据本申请的另一方面，提供了一种基于大数据技术的通信网络故障检测方法，其包括：
22、获取数据包传输过程中的丢包率、比特错误率和带宽利用率以及各个网络设备的日志信息；
23、将所述数据包传输过程中的丢包率、比特错误率和带宽利用率二维排列为网络性能参数矩阵；
24、将所述网络性能参数矩阵通过包含多个混合卷积层的第一卷积神经网络模型以得到网络性能参数特征向量；
25、对所述各个网络设备的日志信息进行预处理以得到预处理后网络设备的日志信息；
26、将所述预处理后网络设备的日志信息通过日志语义编码器以得到设备运行状态特征向量；
27、将所述设备运行状态特征本文档来自技高网...
【技术保护点】
1.一种基于大数据技术的通信网络故障检测系统，其特征在于，包括：
2.根据权利要求1所述的基于大数据技术的通信网络故障检测系统，其特征在于，所述网络性能参数编码模块，包括：
3.根据权利要求2所述的基于大数据技术的通信网络故障检测系统，其特征在于，所述设备运行状态特征提取模块，包括：
4.根据权利要求3所述的基于大数据技术的通信网络故障检测系统，其特征在于，所述特征融合模块，用于：使用如下级联公式来融合所述设备运行状态特征向量和所述网络性能参数特征向量以得到所述分类特征向量；
5.根据权利要求4所述的基于大数据技术的通信网络故障检测系统，其特征在于，所述优化模块，用于：以如下优化公式对所述分类特征矩阵进行先验秩序性的几何非刚性一致化以得到所述优化分类特征矩阵；
6.根据权利要求5所述的基于大数据技术的通信网络故障检测系统，其特征在于，所述网络故障检测结果生成模块，包括：
7.一种基于大数据技术的通信网络故障检测方法，其特征在于，包括：
8.根据权利要求7所述的基于大数据技术的通信网络故障检测方法，
9.根据权利要求8所述的基于大数据技术的通信网络故障检测方法，其特征在于，对所述分类特征矩阵进行先验秩序性的几何非刚性一致化以得到优化分类特征矩阵，包括：以如下优化公式对所述分类特征矩阵进行先验秩序性的几何非刚性一致化以得到所述优化分类特征矩阵；
10.根据权利要求9所述的基于大数据技术的通信网络故障检测方法，其特征在于，将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前网络是否存在故障，包括：
...【技术特征摘要】
1.一种基于大数据技术的通信网络故障检测系统，其特征在于，包括：
2.根据权利要求1所述的基于大数据技术的通信网络故障检测系统，其特征在于，所述网络性能参数编码模块，包括：
3.根据权利要求2所述的基于大数据技术的通信网络故障检测系统，其特征在于，所述设备运行状态特征提取模块，包括：
4.根据权利要求3所述的基于大数据技术的通信网络故障检测系统，其特征在于，所述特征融合模块，用于：使用如下级联公式来融合所述设备运行状态特征向量和所述网络性能参数特征向量以得到所述分类特征向量；
5.根据权利要求4所述的基于大数据技术的通信网络故障检测系统，其特征在于，所述优化模块，用于：以如下优化公式对所述分类特征矩阵进行先验秩序性的几何非刚性一致化以得到所述优化分类特征矩阵；
6.根据权利要求5所述的基于大数据技术的通信网络故障检测系统，其特征在于，所述网络故障检...
【专利技术属性】
技术研发人员：肖闯，
申请(专利权)人：东方身齐科技有限公司，
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。