一種異常檢測方法、裝置、電子設備和計算機程序產品與流程

本公開涉及無線通信技術，尤其是一種異常檢測方法、裝置、電子設備和計算機程序產品。

背景技術：

1、現有技術中針對網絡質量的異常檢測方法主要包括以下三類：

2、1)對不同網絡質量指標設定不同的固定異常門限，當監測的實時數據超出門限時判定為異常；

3、2)基于統計方法對網絡質量指標的歷史數據進行統計分析，根據網絡質量指標數據生成動態的異常檢測門限；

4、3)基于機器學習算法或深度學習算法對網絡質量指標的時序數據進行異常檢測建模，識別異常數據。

5、但以上三類異常檢測方法分別存在如下問題：

6、1)僅適用于網絡質量指標波動范圍不大的場景，且無法適應外部環境的變化，閾值設置也嚴重依賴專家經驗，難以滿足不同場景下大量網絡質量指標的差異化監控應用；

7、2)和3)雖然在一定程度上實現了跟隨網絡質量指標變化的動態異常檢測，但是僅適用于網絡質量指標規律性波動的情況，且沒有考慮到用戶位置、網絡負載、設備負載等外部變量的變化對網絡質量指標的客觀影響。而這些外部變量的客觀影響又會導致網絡質量指標在不同場景下具有不同的數據分布，所以現有技術中針對網絡質量指標的異常檢測方法太過籠統且不準確，僅能檢測出偏離整體數據分布較大的異常情況，而難以提前發現某些場景下的潛在異常情況。

技術實現思路

1、鑒于上述問題而提出了本公開。本公開提供了一種異常檢測方法、裝置、電子設備和計算機程序產品。

2、根據本公開的一個方面，提供了一種異常檢測方法，方法包括：獲取實時網絡質量參數數據及其對應的實時網絡狀態參數數據；基于實時網絡狀態參數數據，從多個預定場景分類中確定實時網絡質量參數數據對應的實時場景分類；基于實時場景分類對應的歷史網絡質量參數數據，確定實時網絡質量參數數據是否異常。

3、此外，根據本公開的一個方面的異常檢測方法，其中，方法還包括：在獲取實時網絡質量參數數據及其對應的實時網絡狀態參數數據之前，獲取預定時間內的歷史網絡質量參數數據及其對應的歷史網絡狀態參數數據；對歷史網絡狀態參數數據進行聚類分析，生成多個預定場景分類。

4、此外，根據本公開的一個方面的異常檢測方法，其中，對歷史網絡狀態參數數據進行聚類分析，生成多個預定場景分類包括：對歷史網絡狀態參數數據中的每一個進行歸一化處理，生成歸一化結果；基于歸一化結果，確定歷史網絡狀態參數數據中的每一個對于歷史網絡質量參數數據的權重；基于權重，對歸一化結果進行聚類分析，生成多個預定場景分類。

5、此外，根據本公開的一個方面的異常檢測方法，其中，基于權重，對歸一化結果進行聚類分析，生成多個預定場景分類包括：生成多個初始聚類中心；基于權重，計算歸一化結果中的每一個與多個初始聚類中心中的每一個的距離；基于距離，確定歸一化結果中的每一個對應的初始場景分類；基于多個初始場景分類更新多個初始聚類中心直至收斂，生成多個預定場景分類。

6、此外，根據本公開的一個方面的異常檢測方法，其中，基于實時網絡狀態參數數據，從多個預定場景分類中確定實時網絡質量參數數據對應的實時場景分類包括：計算多個預定場景分類中的每一個對應的第一聚類中心與實時網絡狀態參數數據的實時距離；基于實時距離，從多個預定場景分類中確定實時網絡質量參數數據對應的實時場景分類。

7、此外，根據本公開的一個方面的異常檢測方法，其中，基于實時場景分類對應的歷史網絡質量參數數據，確定實時網絡質量參數數據是否異常包括：基于實時場景分類對應的歷史網絡質量參數數據，確定實時場景分類對應的閾值范圍；基于閾值范圍和實時網絡質量參數數據，確定實時網絡質量參數數據是否異常。

8、根據本公開的另一個方面，提供了一種異常檢測裝置，裝置包括：實時獲取模塊，用于獲取實時網絡質量參數數據及其對應的實時網絡狀態參數數據；實時分類模塊，用于基于實時網絡狀態參數數據，從多個預定場景分類中確定實時網絡質量參數數據對應的實時場景分類；檢測模塊，用于基于實時場景分類對應的歷史網絡質量參數數據，確定實時網絡質量參數數據是否異常。

9、此外，根據本公開的一個方面的異常檢測裝置，其中，裝置還包括：歷史獲取模塊，用于獲取預定時間內的歷史網絡質量參數數據及其對應的歷史網絡狀態參數數據；歷史分類模塊，用于對歷史網絡狀態參數數據進行聚類分析，生成多個預定場景分類。

10、此外，根據本公開的一個方面的異常檢測裝置，其中，歷史分類模塊包括：歸一化單元，用于對歷史網絡狀態參數數據中的每一個進行歸一化處理，生成歸一化結果；權重單元，用于基于歸一化結果，確定歷史網絡狀態參數數據中的每一個對于歷史網絡質量參數數據的權重；分類單元，用于基于權重，對歸一化結果進行聚類分析，生成多個預定場景分類。

11、此外，根據本公開的一個方面的異常檢測裝置，其中，分類單元包括：隨機子單元，用于生成多個初始聚類中心；計算子單元，用于基于權重，計算歸一化結果中的每一個與多個初始聚類中心中的每一個的距離；分類子單元，用于基于距離，確定歸一化結果中的每一個對應的初始場景分類；更新子單元，用于基于多個初始場景分類更新多個初始聚類中心直至收斂，生成多個預定場景分類。

12、此外，根據本公開的一個方面的異常檢測裝置，其中，實時分類模塊包括：計算單元，用于計算多個預定場景分類中的每一個對應的第一聚類中心與實時網絡狀態參數數據的實時距離；分類單元，用于基于實時距離，從多個預定場景分類中確定實時網絡質量參數數據對應的實時場景分類。

13、此外，根據本公開的一個方面的異常檢測裝置，其中，檢測模塊包括：閾值單元，用于基于實時場景分類對應的歷史網絡質量參數數據，確定實時場景分類對應的閾值范圍；檢測單元，用于基于閾值范圍和實時網絡質量參數數據，確定實時網絡質量參數數據是否異常。

14、根據本公開的又一個方面，提供了一種電子設備，包括：存儲器，用于存儲計算機可讀指令；以及處理器，用于運行計算機可讀指令，使得電子設備執行如上所述的異常檢測方法。

15、根據本公開的再一個方面，提供了一種計算機程序產品，包括計算機程序，其特征在于，計算機程序被處理器執行時實現如上所述的異常檢測方法。

16、如以下將詳細描述的，根據本公開實施例的異常檢測方法，本公開通過對網絡狀態參數數據進行場景分類，基于各個場景分類中的歷史網絡質量參數數據實現對實時網絡質量的檢測，實現對網絡質量的動態異常檢測以提前發現其潛在異常情況。

17、要理解的是，前面的一般描述和下面的詳細描述兩者都是示例性的，并且意圖在于提供要求保護的技術的進一步說明。

技術特征：

1.一種異常檢測方法，其特征在于，所述方法包括：

2.如權利要求1所述的方法，其特征在于，所述方法還包括：

3.如權利要求2所述的方法，其特征在于，所述對所述歷史網絡狀態參數數據進行聚類分析，生成所述多個預定場景分類包括：

4.如權利要求3所述的方法，其特征在于，所述基于所述權重，對所述歸一化結果進行聚類分析，生成所述多個預定場景分類包括：

5.如權利要求1所述的方法，其特征在于，所述基于所述實時網絡狀態參數數據，從多個預定場景分類中確定所述實時網絡質量參數數據對應的實時場景分類包括：

6.如權利要求1所述的方法，其特征在于，所述基于所述實時場景分類對應的歷史網絡質量參數數據，確定所述實時網絡質量參數數據是否異常包括：

7.一種異常檢測裝置，其特征在于，所述裝置包括：

8.如權利要求7所述的裝置，其特征在于，所述裝置還包括：

9.一種電子設備，其特征在于，包括：

10.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至6中任一項所述的異常檢測方法。

技術總結
本公開涉及無線通信技術領域，尤其是提供了一種異常檢測方法、裝置、電子設備和計算機程序產品。方法包括：獲取實時網絡質量參數數據及其對應的實時網絡狀態參數數據；基于實時網絡狀態參數數據，從多個預定場景分類中確定實時網絡質量參數數據對應的實時場景分類；基于實時場景分類對應的歷史網絡質量參數數據，確定實時網絡質量參數數據是否異常。本公開通過對網絡狀態參數數據進行場景分類，基于各個場景分類中的歷史網絡質量參數數據實現對實時網絡質量的檢測，實現對網絡質量的動態異常檢測以提前發現其潛在異常情況。

技術研發人員：張承武,廖佩貞,戴經緯,黃龍,馬鍵,王偉,張磊
受保護的技術使用者：中國移動通信有限公司研究院
技術研發日：
技術公布日：2024/10/21