【技术实现步骤摘要】
本申请涉及通信网络，具体而言，本申请涉及一种根因分析方法、装置、电子设备、存储介质和程序产品。
技术介绍
1、随着移动通信网络的发展，移动通信网络从提供通信连接功能的“通信通道”，逐渐向面向垂直行业提供为客户提供更多“业务服务”的方向转变。在此情况下，用户的业务体验感知分析、感知劣化后的根因分析及优化成为移动通信网络管理中极为重要的方面。
2、端到端(业务提供方到业务使用方)的业务服务系统所涉及的通信链路通常跨越了多个关联域，不同关联域协同工作共同提供业务服务。目前，相关技术中能够实现跨关联域根因分析的方法，需要在不同关联域中获取数据，以汇总后的数据进行感知和根因分析，进而实现感知劣化后的优化。该方法需采集并跨关联域传输大量数据，容易出现数据被泄露、篡改或破坏等情况，数据安全性不佳。
3、在此情况下，亟需提供一种提高跨关联域根因分析数据安全性的方案。
技术实现思路
1、本公开实施例提供了一种根因分析方法、装置、电子设备、计算机可读存储介质及计算机程序产品，用于解决跨学科研究结果的准确性较低的技术问题。
2、根据本公开实施例的一个方面，提供了一种根因分析方法，应用于管理域中的主节点，方法包括：
3、确定业务服务系统中业务服务出现劣化，生成根因分析任务，根因分析任务用于指示确定业务服务出现劣化的根因，业务服务系统包括多个关联域，业务服务由至少一个关联域提供；
4、从至少一个关联域中获取业务数据集，业务数据集中包括至少一项关联域
5、将业务数据集输入根因分析模型中，得到根因分析结果；
6、其中，根因分析模型通过以下方式生成：
7、分别从各个关联域中确定至少一个从节点，将初始模型下发至各个从节点，并重复执行以下迭代操作，直至满足训练停止条件，以下一轮迭代的初始模型作为根因分析模型：
8、指示各从节点以样本业务数据集为训练样本，以样本业务数据集对应的样本根因分析结果为训练标签，对所在关联域中的初始模型进行训练，获得各个关联域对应的域内模型，样本业务数据集中包括至少一项从节点本地的样本业务数据，不同关联域对应的样本业务数据集中样本业务数据的类型不尽相同；
9、根据各关联域对应的域内模型进行纵向联邦学习，更新本轮迭代的初始模型得到下一轮迭代的初始模型，并指示各从节点以下一轮迭代的初始模型作为下一轮迭代训练时从节点本地的初始模型。
10、在一个可能的实现方式中，根因分析结果指示劣化的节点、导致劣化的原因以及劣化对应的优化策略中至少一项；
11、方法，还包括：
12、根据关联域对应的根因分析结果，确定关联域内导致业务服务出现劣化的节点作为目标优化节点，并确定劣化对应的优化策略；
13、指示采取优化策略优化目标优化节点。
14、在一个可能的实现方式中，分别从各个关联域中确定至少一个从节点，包括：
15、根据存储的跨域联邦学习节点列表中各节点的节点信息，从每一关联域对应的具备纵向联邦学习能力的节点中确定一个节点作为第一从节点，跨域联邦学习节点列表中存储各关联域内具备纵向联邦学习能力的节点的节点信息。
16、在一个可能的实现方式中，方法还包括：
17、指示第一从节点在确定本地存储的所述训练样本数量小于预设数量阈值时，根据存储的域内联邦学习节点列表中各节点的节点信息，从关联域内具备横向联邦学习能力的节点中确定至少一个节点作为第二从节点，域内联邦学习节点列表中存储关联域内具备横向联邦学习能力的节点的节点信息。
18、在一个可能的实现方式中，指示各个第一从节点，根据存储的域内联邦学习节点列表中各节点的节点信息，确定至少一个第二从节点，包括：
19、指示第一从节点向域内联邦学习节点列表中各节点下发查询指令，并接收各节点对查询指令的应答，查询指令用于查询节点是否满足参与域内学习任务的任务需求，应答用于指示节点是否满足任务需求；
20、根据应答，从满足任务需求的节点中确定至少一个节点作为第二从节点。
21、在一个可能的实现方式中，关联域中从节点包括：第一从节点和至少一个第二从节点；第一从节点为具备纵向联邦学习能力的节点；第二从节点为具备横向联邦学习能力的节点；
22、域内模型通过以下方式生成：
23、指示第一从节点将初始模型下发至各个第二从节点；
24、指示每一从节点以样本业务数据集为训练样本，以样本业务数据集对应的样本根因分析结果为训练标签，对初始模型进行训练，获得各个从节点对应的本地模型，并将本地模型的梯度信息反馈给第一从节点，每一从节点的样本业务数据集中样本业务数据的类型相同；
25、指示第一从节点对各个本地模型的梯度信息进行梯度聚合，得到域内梯度信息，并根据域内梯度信息更新初始模型，得到域内模型。
26、在一个可能的实现方式中，关联域包括核心网域和无线接入网域；
27、核心网域中包括至少一个网络数据分析功能节点；
28、无线接入网域中包括至少一个无线智能控制器节点。
29、根据本公开实施例的另一个方面，提供了一种根因分析装置，包括：
30、任务确定模块，用于确定业务服务系统中业务服务出现劣化，生成根因分析任务，根因分析任务用于指示确定业务服务出现劣化的根因，业务服务系统包括多个关联域，业务服务由至少一个关联域提供；
31、数据获取模块，用于从至少一个关联域中获取业务数据集，业务数据集中包括至少一项关联域本地与根因分析任务对应的业务数据；
32、根因分析模块，用于将业务数据集输入根因分析模型中，得到根因分析结果；
33、其中，根因分析模型通过以下方式生成：
34、分别从各个关联域中确定至少一个从节点，将初始模型下发至各个从节点，并重复执行以下迭代操作，直至满足训练停止条件，以下一轮迭代的初始模型作为根因分析模型：
35、指示各从节点以样本业务数据集为训练样本，以样本业务数据集对应的样本根因分析结果为训练标签，对所在关联域中的初始模型进行训练，获得各个关联域对应的域内模型，样本业务数据集中包括至少一项从节点本地的样本业务数据，不同关联域对应的样本业务数据集中样本业务数据的类型不尽相同；
36、根据各关联域对应的域内模型进行纵向联邦学习，更新本轮迭代的初始模型得到下一轮迭代的初始模型，并指示各从节点以下一轮迭代的初始模型作为下一轮迭代训练时从节点本地的初始模型。
37、根据本公开实施例的另一个方面，提供了一种电子设备，该电子设备包括存储器、处理器及存储在存储器上的计算机程序，处理器执行计算机程序以实现上述任一实施例所提供的根因分析方法的步骤。
38、根据本公开实施例的再一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执本文档来自技高网...
【技术保护点】
1.一种根因分析方法，其特征在于，应用于管理域中的主节点，所述方法包括：
2.根据权利要求1所述的根因分析方法，其特征在于，所述根因分析结果指示劣化的节点、导致劣化的原因以及劣化对应的优化策略中至少一项；
3.根据权利要求1所述的根因分析方法，其特征在于，所述分别从各个关联域中确定至少一个从节点，包括：
4.根据权利要求3所述的根因分析方法，其特征在于，还包括：
5.根据权利要求4所述的根因分析方法，其特征在于，所述根据存储的域内联邦学习节点列表中各节点的节点信息，确定至少一个第二从节点，包括：
6.根据权利要求1-5任一项所述的根因分析方法，其特征在于，所述关联域中从节点包括：第一从节点和至少一个第二从节点；所述第一从节点为具备纵向联邦学习能力的节点；所述第二从节点为具备横向联邦学习能力的节点；
7.根据权利要求1-5任一项所述的根因分析方法，其特征在于，所述关联域包括核心网域和无线接入网域；
8.一种根因分析装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在存储
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。
11.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
...【技术特征摘要】
1.一种根因分析方法，其特征在于，应用于管理域中的主节点，所述方法包括：
2.根据权利要求1所述的根因分析方法，其特征在于，所述根因分析结果指示劣化的节点、导致劣化的原因以及劣化对应的优化策略中至少一项；
3.根据权利要求1所述的根因分析方法，其特征在于，所述分别从各个关联域中确定至少一个从节点，包括：
4.根据权利要求3所述的根因分析方法，其特征在于，还包括：
5.根据权利要求4所述的根因分析方法，其特征在于，所述根据存储的域内联邦学习节点列表中各节点的节点信息，确定至少一个第二从节点，包括：
6.根据权利要求1-5任一项所述的根因分析方法，其特征在于，所述关联域中从节点包括：第一从节点和至少一个第二从节点；所述第一...
【专利技术属性】
技术研发人员：李占武，王首峰，欧阳晔，
申请(专利权)人：亚信科技中国有限公司，
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。