【技术实现步骤摘要】
本专利技术涉及通信故障处理，具体涉及一种智能运维网络故障监控方法、系统、设备和介质。
技术介绍
1、随着信息技术的飞速发展，通信网络已经成为现代社会的基础设施之一。光缆作为通信网络中的关键组成部分，承载着大量的数据传输任务。光缆网络的稳定性和可靠性对于保障通信质量、提升用户体验至关重要。因此，对光缆网络进行有效的故障监测和诊断，是通信运营商和网络维护人员面临的重要挑战。故障监测的目的在于及时发现并解决网络中的异常情况，防止故障的扩散和影响的扩大。通过故障监测，可以减少网络中断时间，提高网络的可用性和服务质量。此外，故障监测还能为网络优化提供数据支持，帮助运营商更好地规划和调整网络资源。现有的光缆故障监测技术主要包括以下几种方法：
2、1.定期巡检：通过人工或自动化设备定期对光缆线路进行检查，记录光缆的状态和性能指标。这种方法虽然能够发现一些明显的故障，但往往缺乏实时性和预测性；
3、2.性能监控：利用网络管理系统(nms)对光缆网络的关键性能指标(kpis)进行监控，如信号强度、误码率等。这种方法能够提供实时的网络状态信息，但对于复杂的故障原因分析和定位能力有限；
4、3.故障报告系统：依赖用户报告的故障信息进行处理。这种方法响应速度快，但往往只能解决用户直接体验到的问题，对于潜在的或未被用户察觉的故障无能为力；
5、4.基于模型的预测：使用历史数据和统计模型来预测可能发生的故障。这种方法具有一定的前瞻性，但模型的准确性受限于数据的质量和模型的复杂度。
6、因此，现有技
技术实现思路
1、本专利技术所要解决的技术问题是监测精度低且不实时，故障考虑因素单一缺乏多维度分析，目的在于提供一种智能运维网络故障监控方法、系统、设备和介质，通过全链路拓扑还原和实时拓扑绘制使得通信网络架构可视化，便于监控和维护，能够及时发现和解决问题；通过结合gis和otdr技术，可以对通信光缆故障点进行精确定位；通过全链路拓扑还原和实时拓扑绘制使得通信网络架构可视化，便于监控和维护，能够及时发现和解决问题；通过对通信数据流特征的实时差异性监测，可以快速识别出通信数据中的故障数据；通过对识别到的故障数据进行溯源，并预测故障的传播路径，能够进行多维度的故障原因分析和预测，提高了通信网络的故障检测、定位、溯源和预测能力，增强了网络的智能运维能力，从而提升了网络的可靠性和业务的连续性。
2、本专利技术通过下述技术方案实现：
3、本专利技术第一方面提供一种智能运维网络故障监控方法，包括以下具体步骤：
4、获取目标检测区域的光缆数据，通过全链路拓扑还原绘制实时拓扑，生成通信网络架构；
5、基于网络架构提取通信传输线，基于gis与光时域反射仪otdr技术对通信传输线进行定位和标识；
6、基于定位和标识对通信数据按照五元组对流量数据进行会话分割，基于分割后的通信数据进行通信数据流特征提取；
7、对通信数据流特征的实时差异性进行监测，进行通信数据中的故障数据识别；
8、基于跨层分析对识别到的故障数据溯源，设置采样率和报文截取长度，对故障数据的源端口报文进行解析，得到故障数据的多维时序数据；
9、对多维时序数据进行跨层分析，对识别到的故障数据溯源，预测故障的传播路径；
10、根据预测得到的故障数据进行智能运维网络调整。
11、进一步的，所述基于gis与光时域反射仪otdr技术对通信传输线进行定位和标识，具体包括：
12、获取通信传输线，基于gis与光时域反射仪otdr技术对通信传输线对应的地图拓扑关系进行提取，对提取的网络数据数字化；
13、基于数字化数据进行光脉冲的时域反射特征提取；
14、基于时域反射特征，采用光纤布拉格光栅对通信线路进行标记，得到带有定位和标识的通信传输线。
15、进一步的，所述基于定位和标识对通信数据进行通信数据流特征提取，具体包括：
16、根据通信数据采集网络流量和数据指标，对采集到的数据进行清洗和脱敏；
17、按照五元组对流量数据进行会话分割，将具有相同五元组的所有包定义为一个通信数据流；
18、根据通信数据流各个属性数据类型的不同进行划分；
19、根据划分的通信数据流进行每个会话的关键特征提取和分类，得到通信数据流特征。
20、进一步的，所述基于定位和标识对通信数据按照五元组对流量数据进行会话分割，基于分割后的通信数据进行通信数据流特征提取，具体包括：
21、根据通信数据采集网络流量和数据指标，对采集到的数据进行清洗和脱敏；
22、按照五元组对流量数据进行会话分割，将具有相同五元组的所有包定义为一个通信数据流；
23、根据通信数据流各个属性数据类型的不同进行划分；
24、根据划分的通信数据流进行每个会话的关键特征提取和分类，得到通信数据流特征。
25、进一步的，所述对多维时序数据进行跨层分析，对识别到的故障数据溯源，具体包括：
26、构建深度自编码器网络结构，在多维时序下分别使用多个深度自编码器对无标签的高维数据；
27、使用无标签的多维时序数据集成多个深度自编码器进行训练，使用自编码器的隐藏层输出作为数据的特征表示，得到异常特征；
28、基于异常特征，学习异常特征到隐空间的映射，进行数据的隐空间特征重构；
29、基于提取的异常特征进行深度自编码器网络结构每一层的重构误差的计算，根据计算结果反向迭代优化深度自编码器的结构和参数，得到通信网络的故障生成模型。
30、进一步的，所述预测故障的传播路径，具体包括：
31、基于通信网络的故障生成模型，对故障节点进行端到端的逐跳检测，逐跳收集故障节点的故障检测数据；
32、根据故障节点的故障检测数据和通信网络标识对故障节点进行定位；
33、计算出错节点及其邻居节点的表示，识别出受影响的区域；
34、动态调整网络状态，通过聚合邻居节点实时更新每个节点的表示，预测故障传播路径。
35、本专利技术第二方面提供一种智能运维网络故障监控系统，应用于一种智能运维网络故障监控方法，包括：
36、数据采集模块，用于获取目标检测区域的光缆数据；
37、拓扑生成模块，用于通过全链路拓扑还原绘制实时拓扑，生成通信网络架构，并根据网络架构提取通信传输线；
38、定位模块，用于根据gis与光时域反射仪otdr技术对通信传输线进行定位和标识；
39、特征提取模块：基于定位和标识对通信数据进行通信数据流特征提本文档来自技高网...
【技术保护点】
1.一种智能运维网络故障监控方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的智能运维网络故障监控方法，其特征在于，所述通过全链路拓扑还原绘制实时拓扑，生成通信网络架构，具体包括：
3.根据权利要求2所述的智能运维网络故障监控方法，其特征在于，所述基于GIS与光时域反射仪OTDR技术对通信传输线进行定位和标识，具体包括：
4.根据权利要求1所述的智能运维网络故障监控方法，其特征在于，所述基于定位和标识对通信数据按照五元组对流量数据进行会话分割，基于分割后的通信数据进行通信数据流特征提取，具体包括：
5.根据权利要求1所述的智能运维网络故障监控方法，其特征在于，所述对通信数据流特征的实时差异性进行监测，进行通信数据中的故障数据识别，具体包括：
6.根据权利要求1所述的智能运维网络故障监控方法，其特征在于，所述对多维时序数据进行跨层分析，对识别到的故障数据溯源，具体包括：
7.根据权利要求6所述的智能运维网络故障监控方法，其特征在于，所述预测故障的传播路径，具体包括：
8.一种智能运维网络
9.一种电子设备，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程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的智能运维网络故障监控方法。
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，该程序被处理器执行时实现如权利要求1至7任一项所述的智能运维网络故障监控方法。
...【技术特征摘要】
1.一种智能运维网络故障监控方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的智能运维网络故障监控方法，其特征在于，所述通过全链路拓扑还原绘制实时拓扑，生成通信网络架构，具体包括：
3.根据权利要求2所述的智能运维网络故障监控方法，其特征在于，所述基于gis与光时域反射仪otdr技术对通信传输线进行定位和标识，具体包括：
4.根据权利要求1所述的智能运维网络故障监控方法，其特征在于，所述基于定位和标识对通信数据按照五元组对流量数据进行会话分割，基于分割后的通信数据进行通信数据流特征提取，具体包括：
5.根据权利要求1所述的智能运维网络故障监控方法，其特征在于，所述对通信数据流特征的实时差异性进行监测，进行通信数据中的故障数据识别，具体包括：
<...【专利技术属性】
技术研发人员：李春，范美鹏，宋红英，严传鹏，周灿，姜瑜，莫虹平，
申请(专利权)人：国网四川省电力公司达州供电公司，
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。