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()
【技术实现步骤摘要】
本专利技术涉及一种通信网络告警数据的根因告警定位方法,属于通信网络告警领域。
技术介绍
1、近年来,通信网络得到了快速发展,网络规模和复杂性不断增加,网络性能需求也不断提升,对网络运维质量提出了更大的挑战,并限制了可以应用的分析方法。在通信网络中,通常通过警报来识别异常情况,一个大规模的网络可以在一天内产生数百万个警报,由于网络结构相互关联,单个故障可能会引发来自多个相连设备的告警风暴,运维人员会分析所有相关警报和网络信息,基于规则或者专家经验进行故障诊断,需要耗费大量时间,并且只有部分警报是相互关联的,网络中实际存在着对故障定位最重要的警报子集,这些子集被称为根因告警,并且由于通信网络存在着实际的物理拓扑结构,因此需要从可观测的历史告警数据集识别出根因告警,充分挖掘实体之间的关系,构建告警间的关系图。具体来说,在实际场景中,产生事件序列的节点间由于物理拓扑的存在,会存在相互影响的关系,单一节点的事件序列不仅受其历史事件的影响,也会受到拓扑邻居的影响。如果忽视序列背后的拓扑网络,认为不同设备节点产生的事件序列是独立同分布的,并且在进行影响关系建模的过程中不引入相互影响关系,会使得最后的结果可靠性不足。例如在告警间的影响关系网络中,有两种告警分别来自没有物理连边的两个设备节点,但有着影响关系结构,这种冗余的影响关系会导致模型结果的不稳定性,因此对带有拓扑结构的时序数据进行结构发现,识别出拓扑结构带来的关联影响机制,是关系模型在实际应用场景中指导人类实践需要解决的一项重要问题。
2、目前时态数据中的影响关系发现方法主要包
技术实现思路
1、本专利技术所要解决的技术问题:通信网络中,如何建模时空域上的影响关系,以实现高效准确地根因定位。
2、为解决上述技术问题,本专利技术提供一种通信网络告警数据的根因告警定位方法,包括以下步骤:
3、步骤1:以告警日志数据的数据集为基础,计算告警类型变量间的影响效应强度;
4、步骤2:构建告警影响关系模型,用于实现神经网络整体架构中的数据时空编码;
5、步骤3:根据告警影响关系模型,构建霍克斯过程条件强度函数模型;
6、步骤4:根据霍克斯过程条件强度函数模型,利用基于bic评分的打分法,识别事件间的因果关系结构;
7、步骤5:若任务为根因告警定位,根据识别事件间的因果关系结构,得到最高得分影响关系图,并根据最高得分影响关系图输出根因告警定位结果。
8、前述的一种通信网络告警数据的根因告警定位方法,在步骤 1中,所述告警日志数据为带有物理拓扑结构的数据集,分别记录蜂窝网络在一周内发生的报警记录,每个数据集包括一个告警表和一个通信单元间的拓扑结构表,所述告警表包括五个字段,分别为告警类型、首次发生时间、消除时间、最后发生时间和告警来源;通信单元间的拓扑结构表包括四个字段,分别为节点标识path id、节点名nename、节点类型netype和路由跳数pathhop。
9、前述的一种通信网络告警数据的根因告警定位方法,在步骤 1中,利用结构因果发现算法中的do-calculus公式计算告警类型变量间的影响效应强度,并保留前d1%的连边作为初始连边。
10、前述的一种通信网络告警数据的根因告警定位方法,在步骤2中,所述告警影响关系模型为:
11、输入编码:
12、 (2)
13、计算注意力分数:
14、 (3-4)
15、事件序列的嵌入表征:
16、 (5)
17、其中,为编码器的输入编码,矩阵代表种类别的告警事件的嵌入表征,维数为,编码二代表事件序列的编码集合,编码三为位置编码;表示第个告警事件; 为数学概念中的实数域;
18、为注意力分数,是一个深度学习中的激活函数; 是查询向量集合、键值向量集合的列数,代表事件输入的值向量集合;
19、是完整的事件序列的嵌入表征,表示激活函数,、分别为权重矩阵一和权重矩阵二,、分别为残差项一和残差项二,是第个事件的嵌入表征,代表整个事件域;代表前馈神经网络中的权重参数, 为告警事件的发生时间。
20、前述的一种通信网络告警数据的根因告警定位方法,在步骤3中,霍克斯过程条件强度函数模型,分别为:
21、输入编码:
22、 (10)
23、计算注意力分数:
24、 (11)
25、事件序列的对数似然函数:
26、 (8)
27、图正则项:
28、 (13)
29、表示指数函数;
30、目标函数:
31、 (14)
32、为节点集的嵌入矩阵;
33、,是节点间的相似性矩阵;
34、 表示条件强度函数,代表最后一个事件的发生时间, l事件序列的长度;代表时刻之前发生的历史事件;
35、是学习模型参数的目标函数,、分别是图结构中的节点一和节点二,为度量矩阵;为阈值;表示权重系数; ,代表事件所属的节点, n为观测到的事件序列数量。
36、前述的一种通信网络告警数据的根因告警定位方法,在步骤4中,打分函数为:
37、 (15)
38、表示模型的参数数量,代本文档来自技高网...
【技术保护点】
1.一种通信网络告警数据的根因告警定位方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种通信网络告警数据的根因告警定位方法,其特征在于,在步骤 1中,所述告警日志数据为带有物理拓扑结构的数据集,分别记录蜂窝网络在一周内发生的报警记录,每个数据集包括一个告警表和一个通信单元间的拓扑结构表,所述告警表包括五个字段,分别为告警类型、首次发生时间、消除时间、最后发生时间和告警来源;通信单元间的拓扑结构表包括四个字段,分别为节点标识Path ID、节点名NENAME、节点类型NETYPE和路由跳数PATHHOP。
3.根据权利要求1所述的一种通信网络告警数据的根因告警定位方法,其特征在于,在步骤 1中,利用结构因果发现算法中的do-calculus公式计算告警类型变量间的影响效应强度,并保留前d1%的连边作为初始连边。
4.根据权利要求1所述的一种通信网络告警数据的根因告警定位方法,其特征在于,在步骤2中,所述告警影响关系模型为:
5.根据权利要求4所述的一种通信网络告警数据的根因告警定位方法,其特征在于,在步骤3中,霍克斯过程条
6.根据权利要求5所述的一种通信网络告警数据的根因告警定位方法,其特征在于,在步骤4中,打分函数为:
7.根据权利要求6所述的一种通信网络告警数据的根因告警定位方法,其特征在于,将打分函数式(15)的形式简化如下:
8.根据权利要求7所述的一种通信网络告警数据的根因告警定位方法,其特征在于,在构建的目标函数式(16)的基础上进行因果关系结构搜索,包括以下步骤:
9.一种通信网络告警数据的根因告警定位系统,其特征在于,包括以下模块:
10.根据权利要求9所述的一种通信网络告警数据的根因告警定位系统,其特征在于,在告警影响关系模型构建模块中,所述告警影响关系模型为:
...【技术特征摘要】
1.一种通信网络告警数据的根因告警定位方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种通信网络告警数据的根因告警定位方法,其特征在于,在步骤 1中,所述告警日志数据为带有物理拓扑结构的数据集,分别记录蜂窝网络在一周内发生的报警记录,每个数据集包括一个告警表和一个通信单元间的拓扑结构表,所述告警表包括五个字段,分别为告警类型、首次发生时间、消除时间、最后发生时间和告警来源;通信单元间的拓扑结构表包括四个字段,分别为节点标识path id、节点名nename、节点类型netype和路由跳数pathhop。
3.根据权利要求1所述的一种通信网络告警数据的根因告警定位方法,其特征在于,在步骤 1中,利用结构因果发现算法中的do-calculus公式计算告警类型变量间的影响效应强度,并保留前d1%的连边作为初始连边。
4.根据权利要求1所述的一种通信网络告警数据的根因告警定...
【专利技术属性】
技术研发人员:刘晓露,王祺英,贺岩岩,孟宁,陈都鑫,
申请(专利权)人:南京工程学院,
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。