System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种智能化的网络维护方法及装置制造方法及图纸_技高网

一种智能化的网络维护方法及装置制造方法及图纸

技术编号:41255324 阅读:2 留言:0更新日期:2024-05-11 09:15
本发明专利技术公开了一种智能化的网络维护方法,包括以下步骤:获取实时数据并进行实时监控;通过深度学习模型对实时数据进行实时性能预测,并根据实时性能预测的结果判断是否存在异常状态;通过深度学习模型判断异常状态的对应的错误类型,并根据错误类型在匹配对应的修复方案;其利用深度学习来预测网络拥塞和故障,以提前采取措施,也有效减少网络中断时间,且能够更准确地预测可能的网络问题。

【技术实现步骤摘要】

本专利技术涉及网络维护,特别涉及智能化的网络维护方法及装置


技术介绍

1、传统网络运维管理系统:这些系统通常依赖于手动配置和监控,缺乏自适应性。管理员需要手动调整网络资源和策略,这在大型网络中可能会导致效率低下和延迟。

2、sdn(软件定义网络)和nfv(网络功能虚拟化):sdn和nfv技术提供了一些程度的网络自适应性和虚拟化能力,但它们通常不涉及区块链、智能合约或深度学习。

3、网络性能优化工具:一些工具专注于网络性能优化,但通常需要管理员的手动干预,并不具备智能决策的能力。


技术实现思路

1、本专利技术的目的在于避免现有技术中的不足之处而提供一种能够将区块链、深度学习、智能合约和激励机制有机结合的网络维护技术。

2、本专利技术的目的通过以下技术方案实现:

3、根据本专利技术公开的一个方面,提供了一种智能化的网络维护方法,包括以下步骤:

4、s1:对深度学习模型进行初始化;

5、s2:获取实时数据并进行实时监控;实时数据包括流量、延迟、丢包率和带宽利用率;

6、s3:通过深度学习模型对实时数据进行实时性能预测,并根据实时性能预测的结果判断是否存在异常状态;若是,进入步骤s4:

7、s4:通过深度学习模型判断异常状态的对应的错误类型,并根据错误类型在匹配对应的修复方案。

8、具体的,步骤s4具体包括:判断错误类型是否存在匹配的修复方案,若是,进入步骤s41:

9、s41:根据匹配的修复方案进行修复;若不存在匹配的修复方案进入步骤s5;

10、s5:根据错误类型和修复程度,生成修复建议与修复难度等级;

11、s6:根据错误类型、修复建议和修复难度等级生成奖赏任务并发布至客户端。

12、更具体的,步骤s41后,还包括步骤s42:

13、s42:判断异常状态是否被修复,若否,进入步骤s5。

14、以上的,奖赏任务还包括对应的拓扑图信息,以及奖励信息;其中,奖励信息根据修复难度等级而定。

15、具体的,还包括以下步骤:

16、s7:客户端根据确定的奖赏任务显示对应的拓扑图信息,并根据拓扑图信息中确定的节点,显示对应的代码。

17、更具体的,还包括以下步骤:

18、s8:通过客户端上传奖赏任务对应的修复代码;

19、s9:若修复代码通过审核,则根据奖赏任务对应的奖励信息,把奖励信息对应的奖励发放至对应的区块链账号中。

20、另一具体的,步骤s3还包括:智能合约根据实时性能预测的结果,生成执行的决策结果,以调整网络配置、流量路由规则及带宽分配;同时,把智能合约执行的决策结果记录到区块链上。

21、根据本专利技术公开的另一个方面,提供了一种智能化的网络维护装置,采用上述的一种智能化的网络维护方法,包括:数据采集模块、数据处理模块、自主修复模块和任务生成模块和通讯模块;数据采集模块用于获取实时数据,实时数据包括流量、延迟、丢包率和带宽利用率;数据处理模块内置有深度学习模型,用于对实时数据进行实时性能预测,并根据实时性能预测的结果判断是否存在异常状态,以及判断异常状态的对应的错误类型,并根据错误类型在匹配对应的修复方案或生成对应的修复建议;自主修复模块用于根据匹配的修复方案进行修复;任务生成模块用于根据错误类型和修复建议生成奖赏任务,并通过通讯模块发布至客户端。

22、根据本专利技术公开的再一方面,提供了一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,处理器执行指令时实现如上一种电子曲谱的生成方法的步骤。

23、根据本专利技术公开的另一方面,提供了一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现如上一种电子曲谱的生成方法的步骤。

24、本专利技术的有益效果:本申请的一种智能化的网络维护方法,包括以下步骤:获取实时数据并进行实时监控;通过深度学习模型对实时数据进行实时性能预测,并根据实时性能预测的结果判断是否存在异常状态;通过深度学习模型判断异常状态的对应的错误类型,并根据错误类型在匹配对应的修复方案;其利用深度学习来预测网络拥塞和故障,以提前采取措施,也有效减少网络中断时间,且能够更准确地预测可能的网络问题。

本文档来自技高网...

【技术保护点】

1.一种智能化的网络维护方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种智能化的网络维护方法,其特征在于:

3.根据权利要求2所述的一种智能化的网络维护方法,其特征在于:

4.根据权利要求2或3所述的一种智能化的网络维护方法,其特征在于:

5.根据权利要求4所述的一种智能化的网络维护方法,其特征在于,还包括以下步骤:

6.根据权利要求5所述的一种智能化的网络维护方法,其特征在于,还包括以下步骤:

7.根据权利要求1所述的一种智能化的网络维护方法,其特征在于:

8.一种智能化的网络维护装置,采用权利要求1至7任一项所述的一种智能化的网络维护方法,其特征在于,包括:数据采集模块、数据处理模块、自主修复模块和任务生成模块和通讯模块;

9.一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,其特征在于,所述处理器执行所述指令时实现权利要求1至7任意一项所述方法的步骤。

10.一种计算机可读存储介质,其存储有计算机指令,其特征在于,该指令被处理器执行时实现权利要求1至7任意一项所述方法的步骤。

...

【技术特征摘要】

1.一种智能化的网络维护方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种智能化的网络维护方法,其特征在于:

3.根据权利要求2所述的一种智能化的网络维护方法,其特征在于:

4.根据权利要求2或3所述的一种智能化的网络维护方法,其特征在于:

5.根据权利要求4所述的一种智能化的网络维护方法,其特征在于,还包括以下步骤:

6.根据权利要求5所述的一种智能化的网络维护方法,其特征在于,还包括以下步骤:

7.根据权利要求1所述的一种智能化的网...

【专利技术属性】
技术研发人员:李俊凯蔡文生黄小强
申请(专利权)人:广东保伦电子股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1