一种基于软件定义无线电的专网异常检测方法技术

本发明专利技术公开了一种基于软件定义无线电的专网异常检测方法，属于软件定义无线电专网系统安全技术领域。该方法使用的设备包括软件无线电设备及相对应的接收和发射天线、接入层通用计算机设备、核心层服务器、设备运维服务器。本发明专利技术利用专网各模块实现功能以及业务运行情况不同造成通用计算机设备性能负载差异的特点对设备性能数据进行分类，同时利用计算机设备性能指标间的相关性，通过多维高斯分布对各类数据进行异常判定并结合分类结果，实现对专网系统运行情况的异常检测，可有效检测出传统设置固定阈值方式无法检测的异常情况。

【技术实现步骤摘要】
一种基于软件定义无线电的专网异常检测方法
本专利技术涉及软件定义无线电领域，尤其涉及一种软件定义无线电领域的专网异常检测方法。
技术介绍
随着人工智能、云计算、物联网、大数据等新兴应用的发展，以语音为主的陆上集群无线系统(TerrestrialTrunkedRadio，TETRA)和警用数字集群系统(PoliceDigitalTrunking，PDT)由于传输能力不足，难以适应目前集群通信日益激增的对视频、图片等数据的需求和应用。LTE(LongTermEvolution)作为4G无线通信技术的标准，具有灵活的带宽配置，网络时延低，用户容量大、移动状态支持能力强、安全保密度高等特征。基于LTE的专网系统则能对数据业务和图片视频需求都能提供良好的支持。然而LTE专网的缺点也很突出，传统通信系统通过设计专门的硬件电路来实现通信系统各模块功能，不仅开发周期长成本高且系统复杂部署成本高，而且不利于后续系统调试升级。且后续维护等操作需要熟悉LTE等通信协议的专业人员，专网用户缺少相应专业的网络管理人员，还需要培养一批专业的运维人员，导致后续运维成本较高，专网用户网络建设成本有限根本无法承担。软件定义无线电(SoftwareDefinedRadio,SDR)的核心思想是构建一个开放、标准化、模块化的通用硬件平台。其各种通信模块均可通过软件实现，如频带选择、调制解调、编解码、通信协议等。模拟-数字和数字-模拟转换器足够接近天线,使得SDR系统更加灵活和开放。因此，在技术升级的过程中，人们只需要更新软件而不需要更新硬件，这样可以大大节省研发的时间和开支。软件定义无线电技术不同于传统通信设备开发，软件无线电平台立足于信息技术(InformationTechnology，IT)技术，其基于通用的硬件平台，用软件来实现通信系统。软件定义无线电系统相比于传统的通信系统具有灵活可配置、开发成本低、系统易调试和易升级等特点。通过SDR与LTE实现的专网，可以满足专网通信的需求，同时通过通用硬件平台与通用计算机设备来代替传统通信设备，使得专网建设整体成本降低，而且基于通用设备的专网系统也降低了网络管理人员的运维门槛，便于专网的调试与维护。
技术实现思路
针对传统的专网网络建设中基于LTE的面向专网的网络架构复杂，组网成本高且维护成本也较高，专网用户网络建设成本有限且运维成本有限，缺少具有通信经验的网络管理人员的问题，本专利技术设计了一种基于软件定义无线电的专网异常检测方法。本专利技术通过开源软件无线电平台和通用设备实现小型化与轻量级面向专网的LTE系统，通用对运行专网系统的通用计算机设备上获取的性能数据，根据运行专网时各通用计算机根据实现专网功能时的CPU负载、内存负载、磁盘负载、网络IO、磁盘IO等性能数据不同的特点，经过数据分类算法进行分类后，对不同类的数据分别计算其高斯分布函数，并得到其概率密度从而判断其是否为异常性能数据，从而实现对计算机设备运行异常检测，进而判断专网运行是否异常。本专利技术能有效检测出传统运维中通过设置阈值的方式未能检测出的异常数据，同时运行硬件均为通用设备，有利于减少用户部署专网和维护的成本，满足专网用户的实用化需求。为实现上述目的，本专利技术采用如下技术方案：一种基于软件定义无线电的专网异常检测方法，该方法在运行的专网系统中获取运行的各模块通用计算机设备性能数据，利用各模块通用计算机设备实现功能以及业务运行情况不同造成的各模块通用计算机设备性能数据的差异性，对各模块通用计算机设备性能数据进行分类，同时利用CPU负载、内存负载、磁盘IO负载、网络IO的各模块通用计算机设备性能数据的相关性，通过多维高斯分布模型对各模块通用计算机设备性能数据进行异常判定，并结合分类及判定结果，实现对专网系统运行情况的异常检测，具体步骤如下：(1)准备数据集，获取一定时间段内运行的专网各模块通用计算机设备的性能数据，包括专网业务量大及空闲时候的性能数据，获取的数据包括CPU负载、内存负载、磁盘IO负载、网络IO、进程数，根据实现功能不同以及业务运行情况不同，对各模块通用计算机设备性能数据进行标记分类；(2)分类训练，将准备好的数据集通过分类算法进行分类，并得到训练好的模型；(3)计算分类后各模块通用计算机设备性能数据的多维高斯分布概率密度函数；(4)专网系统初始化，将核心网与接入网按照归属用户服务器、移动管理实体、服务网关与公共数据网网关、SDR基站的顺序依次启动；(5)接入专网终端，将插入专网SIM卡的各类终端注册并接入到专网系统且正常通信；(6)获取专网系统运行时各模块通用计算机设备性能的实时数据，包括CPU负载、内存负载、磁盘负载的利用情况,保存并上传至运维服务器；(7)将获取到的各模块通用计算机设备性能的实时数据与预先设置的阈值比较，如果某个指标数据超过阈值，则直接输出异常数据设备编号及异常数据，若未有指标数据超过阈值，则跳转到步骤(8)；(8)将获取到的各模块通用计算机设备性能的实时数据，通过步骤(2)训练好的模型进行分类，并得到此数据属于每个类别的概率；(9)计算输入的各模块通用计算机设备性能的实时数据在步骤(3)中得到的每个类别的多维高斯分布模型中为异常值的概率；(10)权值叠加，将步骤(8)中得到的此数据属于每个类别的概率与步骤(9)中计算得到的输入的各模块通用计算机设备性能的实时数据在每个类别的多维高斯分布模型中为异常值的概率进行权值叠加，计算输入的各模块通用计算机设备性能实时数据为异常的概率，即为专网运行异常概率；(11)将得到的专网运行异常概率与预设置的异常概率阈值比较，若小于或等于此阈值则认为专网运行正常，若大于此阈值则认为专网运行异常，输出异常设备编号及异常性能数据。特别地，数据采集间隔设置为每分钟一次，系统运行后在每分钟采集数据的同时对采集到的数据实时监测，以确保任意一台设备的每一分钟运行情况都经过异常检测。本专利技术的有益效果在于，本方法利用各性能数据间的相关关系，通过多维高斯分布模型判断传统方法无法检测出的异常情况。区别于传统运维方法通过固定上下限阈值，超过阈值即出发异常告警的方式，异常告警准确率更高。同时通过分类算法解决因不同业务造成计算机性能数据分布差异无法统一用一个多维高斯分布进行异常检测的问题。对于采集到的需要检测设备是否异常的未知数据，首先将其进行分类，并得到预测各个类型的概率，以此为权重与该未知数据在各类高斯分布模型中为异常的概率加权累加，结果更加准确的同时实现了对各通用计算机设备异常检测统一模型，大大降低了运维人员工作难度。附图说明图1是本专利技术基于SDR平台的专网运行异常检测系统的整体结构图；图2是本专利技术基于SDR平台的专网运行异常检测方法的整体流程图。具体实施方式为了能够更清楚地描述本专利技术的
技术实现思路
，下面结合附图对本专利技术作进一步说明。本专利技术所述的一种基于SDR平台的专网运行异常检测方法的主要流程图如图1所示。具体步骤为：...

【技术保护点】
1.一种基于软件定义无线电的专网异常检测方法，该方法在运行的专网系统中获取运行的各模块通用计算机设备性能数据，利用各模块通用计算机设备实现功能以及业务运行情况不同造成的各模块通用计算机设备性能数据的差异性，对各模块通用计算机设备性能数据进行分类，同时利用CPU负载、内存负载、磁盘IO负载、网络IO的各模块通用计算机设备性能数据的相关性，通过多维高斯分布模型对各模块通用计算机设备性能数据进行异常判定，并结合分类及判定结果，实现对专网系统运行情况的异常检测，具体步骤如下：/n(1)准备数据集，获取一定时间段内运行的专网各模块通用计算机设备的性能数据，包括专网业务量大及空闲时候的性能数据，获取的数据包括CPU负载、内存负载、磁盘IO负载、网络IO、进程数，根据实现功能不同以及业务运行情况不同，对各模块通用计算机设备性能数据进行标记分类；/n(2)分类训练，将准备好的数据集通过分类算法进行分类，并得到训练好的模型；/n(3)计算分类后各模块通用计算机设备性能数据的多维高斯分布概率密度函数；/n(4)专网系统初始化，将核心网与接入网按照归属用户服务器、移动管理实体、服务网关与公共数据网网关、SDR基站的顺序依次启动；/n(5)接入专网终端，将插入专网SIM卡的各类终端注册并接入到专网系统且正常通信；/n(6)获取专网系统运行时各模块通用计算机设备性能的实时数据，包括CPU负载、内存负载、磁盘负载的利用情况,保存并上传至运维服务器；/n(7)将获取到的各模块通用计算机设备性能的实时数据与预先设置的阈值比较，如果某个指标数据超过阈值，则直接输出异常数据设备编号及异常数据，若未有指标数据超过阈值，则跳转到步骤(8)；/n(8)将获取到的各模块通用计算机设备性能的实时数据，通过步骤(2)训练好的模型进行分类，并得到此数据属于每个类别的概率；/n(9)计算输入的各模块通用计算机设备性能的实时数据在步骤(3)中得到的每个类别的多维高斯分布模型中为异常值的概率；/n(10)权值叠加，将步骤(8)中得到的此数据属于每个类别的概率与步骤(9)中计算得到的输入的各模块通用计算机设备性能的实时数据在每个类别的多维高斯分布模型中为异常值的概率进行权值叠加，计算输入的各模块通用计算机设备性能实时数据为异常的概率，即为专网运行异常概率；/n(11)将得到的专网运行异常概率与预设置的异常概率阈值比较，若小于或等于此阈值则认为专网运行正常，若大于此阈值则认为专网运行异常，输出异常设备编号及异常性能数据。/n...

【技术特征摘要】
1.一种基于软件定义无线电的专网异常检测方法，该方法在运行的专网系统中获取运行的各模块通用计算机设备性能数据，利用各模块通用计算机设备实现功能以及业务运行情况不同造成的各模块通用计算机设备性能数据的差异性，对各模块通用计算机设备性能数据进行分类，同时利用CPU负载、内存负载、磁盘IO负载、网络IO的各模块通用计算机设备性能数据的相关性，通过多维高斯分布模型对各模块通用计算机设备性能数据进行异常判定，并结合分类及判定结果，实现对专网系统运行情况的异常检测，具体步骤如下：
(1)准备数据集，获取一定时间段内运行的专网各模块通用计算机设备的性能数据，包括专网业务量大及空闲时候的性能数据，获取的数据包括CPU负载、内存负载、磁盘IO负载、网络IO、进程数，根据实现功能不同以及业务运行情况不同，对各模块通用计算机设备性能数据进行标记分类；
(2)分类训练，将准备好的数据集通过分类算法进行分类，并得到训练好的模型；
(3)计算分类后各模块通用计算机设备性能数据的多维高斯分布概率密度函数；
(4)专网系统初始化，将核心网与接入网按照归属用户服务器、移动管理实体、服务网关与公共数据网网关、SDR基站的顺序依次启动；
(5)接入专网终端，将插入专网SIM卡的各类终端注册并接入到专网系统且正常通信；
(6)获取专网系统运行时各模块通用计算机设备性能的实时...

【专利技术属性】
技术研发人员：刘琚，王磊，孙国霞，于山山，姚仕聪，王京，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37