【技術實現步驟摘要】
本專利技術涉及通信故障處理，具體涉及一種智能運維網絡故障監控方法、系統、設備和介質。
技術介紹
1、隨著信息技術的飛速發展，通信網絡已經成為現代社會的基礎設施之一。光纜作為通信網絡中的關鍵組成部分，承載著大量的數據傳輸任務。光纜網絡的穩定性和可靠性對于保障通信質量、提升用戶體驗至關重要。因此，對光纜網絡進行有效的故障監測和診斷，是通信運營商和網絡維護人員面臨的重要挑戰。故障監測的目的在于及時發現并解決網絡中的異常情況，防止故障的擴散和影響的擴大。通過故障監測，可以減少網絡中斷時間，提高網絡的可用性和服務質量。此外，故障監測還能為網絡優化提供數據支持，幫助運營商更好地規劃和調整網絡資源。現有的光纜故障監測技術主要包括以下幾種方法：
2、1.定期巡檢：通過人工或自動化設備定期對光纜線路進行檢查，記錄光纜的狀態和性能指標。這種方法雖然能夠發現一些明顯的故障，但往往缺乏實時性和預測性；
3、2.性能監控：利用網絡管理系統(nms)對光纜網絡的關鍵性能指標(kpis)進行監控，如信號強度、誤碼率等。這種方法能夠提供實時的網絡狀態信息，但對于復雜的故障原因分析和定位能力有限；
4、3.故障報告系統：依賴用戶報告的故障信息進行處理。這種方法響應速度快，但往往只能解決用戶直接體驗到的問題，對于潛在的或未被用戶察覺的故障無能為力；
5、4.基于模型的預測：使用歷史數據和統計模型來預測可能發生的故障。這種方法具有一定的前瞻性，但模型的準確性受限于數據的質量和模型的復雜度。
6、因此，現有技
技術實現思路
1、本專利技術所要解決的技術問題是監測精度低且不實時，故障考慮因素單一缺乏多維度分析，目的在于提供一種智能運維網絡故障監控方法、系統、設備和介質，通過全鏈路拓撲還原和實時拓撲繪制使得通信網絡架構可視化，便于監控和維護，能夠及時發現和解決問題；通過結合gis和otdr技術，可以對通信光纜故障點進行精確定位；通過全鏈路拓撲還原和實時拓撲繪制使得通信網絡架構可視化，便于監控和維護，能夠及時發現和解決問題；通過對通信數據流特征的實時差異性監測，可以快速識別出通信數據中的故障數據；通過對識別到的故障數據進行溯源，并預測故障的傳播路徑，能夠進行多維度的故障原因分析和預測，提高了通信網絡的故障檢測、定位、溯源和預測能力，增強了網絡的智能運維能力，從而提升了網絡的可靠性和業務的連續性。
2、本專利技術通過下述技術方案實現：
3、本專利技術第一方面提供一種智能運維網絡故障監控方法，包括以下具體步驟：
4、獲取目標檢測區域的光纜數據，通過全鏈路拓撲還原繪制實時拓撲，生成通信網絡架構；
5、基于網絡架構提取通信傳輸線，基于gis與光時域反射儀otdr技術對通信傳輸線進行定位和標識；
6、基于定位和標識對通信數據按照五元組對流量數據進行會話分割，基于分割后的通信數據進行通信數據流特征提取；
7、對通信數據流特征的實時差異性進行監測，進行通信數據中的故障數據識別；
8、基于跨層分析對識別到的故障數據溯源，設置采樣率和報文截取長度，對故障數據的源端口報文進行解析，得到故障數據的多維時序數據；
9、對多維時序數據進行跨層分析，對識別到的故障數據溯源，預測故障的傳播路徑；
10、根據預測得到的故障數據進行智能運維網絡調整。
11、進一步的，所述基于gis與光時域反射儀otdr技術對通信傳輸線進行定位和標識，具體包括：
12、獲取通信傳輸線，基于gis與光時域反射儀otdr技術對通信傳輸線對應的地圖拓撲關系進行提取，對提取的網絡數據數字化；
13、基于數字化數據進行光脈沖的時域反射特征提取；
14、基于時域反射特征，采用光纖布拉格光柵對通信線路進行標記，得到帶有定位和標識的通信傳輸線。
15、進一步的，所述基于定位和標識對通信數據進行通信數據流特征提取，具體包括：
16、根據通信數據采集網絡流量和數據指標，對采集到的數據進行清洗和脫敏；
17、按照五元組對流量數據進行會話分割，將具有相同五元組的所有包定義為一個通信數據流；
18、根據通信數據流各個屬性數據類型的不同進行劃分；
19、根據劃分的通信數據流進行每個會話的關鍵特征提取和分類，得到通信數據流特征。
20、進一步的，所述基于定位和標識對通信數據按照五元組對流量數據進行會話分割，基于分割后的通信數據進行通信數據流特征提取，具體包括：
21、根據通信數據采集網絡流量和數據指標，對采集到的數據進行清洗和脫敏；
22、按照五元組對流量數據進行會話分割，將具有相同五元組的所有包定義為一個通信數據流；
23、根據通信數據流各個屬性數據類型的不同進行劃分；
24、根據劃分的通信數據流進行每個會話的關鍵特征提取和分類，得到通信數據流特征。
25、進一步的，所述對多維時序數據進行跨層分析，對識別到的故障數據溯源，具體包括：
26、構建深度自編碼器網絡結構，在多維時序下分別使用多個深度自編碼器對無標簽的高維數據；
27、使用無標簽的多維時序數據集成多個深度自編碼器進行訓練，使用自編碼器的隱藏層輸出作為數據的特征表示，得到異常特征；
28、基于異常特征，學習異常特征到隱空間的映射，進行數據的隱空間特征重構；
29、基于提取的異常特征進行深度自編碼器網絡結構每一層的重構誤差的計算，根據計算結果反向迭代優化深度自編碼器的結構和參數，得到通信網絡的故障生成模型。
30、進一步的，所述預測故障的傳播路徑，具體包括：
31、基于通信網絡的故障生成模型，對故障節點進行端到端的逐跳檢測，逐跳收集故障節點的故障檢測數據；
32、根據故障節點的故障檢測數據和通信網絡標識對故障節點進行定位；
33、計算出錯節點及其鄰居節點的表示，識別出受影響的區域；
34、動態調整網絡狀態，通過聚合鄰居節點實時更新每個節點的表示，預測故障傳播路徑。
35、本專利技術第二方面提供一種智能運維網絡故障監控系統，應用于一種智能運維網絡故障監控方法，包括：
36、數據采集模塊，用于獲取目標檢測區域的光纜數據；
37、拓撲生成模塊，用于通過全鏈路拓撲還原繪制實時拓撲，生成通信網絡架構，并根據網絡架構提取通信傳輸線；
38、定位模塊，用于根據gis與光時域反射儀otdr技術對通信傳輸線進行定位和標識；
39、特征提取模塊：基于定位和標識對通信數據進行通信數據流特征提本文檔來自技高網...
【技術保護點】
1.一種智能運維網絡故障監控方法，其特征在于，包括以下具體步驟：
2.根據權利要求1所述的智能運維網絡故障監控方法，其特征在于，所述通過全鏈路拓撲還原繪制實時拓撲，生成通信網絡架構，具體包括：
3.根據權利要求2所述的智能運維網絡故障監控方法，其特征在于，所述基于GIS與光時域反射儀OTDR技術對通信傳輸線進行定位和標識，具體包括：
4.根據權利要求1所述的智能運維網絡故障監控方法，其特征在于，所述基于定位和標識對通信數據按照五元組對流量數據進行會話分割，基于分割后的通信數據進行通信數據流特征提取，具體包括：
5.根據權利要求1所述的智能運維網絡故障監控方法，其特征在于，所述對通信數據流特征的實時差異性進行監測，進行通信數據中的故障數據識別，具體包括：
6.根據權利要求1所述的智能運維網絡故障監控方法，其特征在于，所述對多維時序數據進行跨層分析，對識別到的故障數據溯源，具體包括：
7.根據權利要求6所述的智能運維網絡故障監控方法，其特征在于，所述預測故障的傳播路徑，具體包括：
8.一種智能運維網絡
9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至7任一項所述的智能運維網絡故障監控方法。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1至7任一項所述的智能運維網絡故障監控方法。
...【技術特征摘要】
1.一種智能運維網絡故障監控方法，其特征在于，包括以下具體步驟：
2.根據權利要求1所述的智能運維網絡故障監控方法，其特征在于，所述通過全鏈路拓撲還原繪制實時拓撲，生成通信網絡架構，具體包括：
3.根據權利要求2所述的智能運維網絡故障監控方法，其特征在于，所述基于gis與光時域反射儀otdr技術對通信傳輸線進行定位和標識，具體包括：
4.根據權利要求1所述的智能運維網絡故障監控方法，其特征在于，所述基于定位和標識對通信數據按照五元組對流量數據進行會話分割，基于分割后的通信數據進行通信數據流特征提取，具體包括：
5.根據權利要求1所述的智能運維網絡故障監控方法，其特征在于，所述對通信數據流特征的實時差異性進行監測，進行通信數據中的故障數據識別，具體包括：
<...【專利技術屬性】
技術研發人員：李春，范美鵬，宋紅英，嚴傳鵬，周燦，姜瑜，莫虹平，
申請(專利權)人：國網四川省電力公司達州供電公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。