[發(fā)明專利]網(wǎng)絡(luò)場(chǎng)景識(shí)別方法、網(wǎng)絡(luò)管理設(shè)備、系統(tǒng)及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201811216526.8
• 申請(qǐng)日: 2018-10-18
• 公開(kāi)（公告）號(hào): CN109586950B
• 公開(kāi)（公告）日: 2022-08-16
• 發(fā)明（設(shè)計(jì)）人: 丘志鵬
• 申請(qǐng)（專利權(quán)）人: 銳捷網(wǎng)絡(luò)股份有限公司
• 主分類號(hào): H04L41/06
• 分類號(hào): H04L41/06
• 代理公司: 北京太合九思知識(shí)產(chǎn)權(quán)代理有限公司 11610
• 代理人: 劉戈

1.一種網(wǎng)絡(luò)場(chǎng)景識(shí)別方法，其特征在于，包括：

根據(jù)待識(shí)別網(wǎng)絡(luò)中的至少一臺(tái)網(wǎng)絡(luò)設(shè)備上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)，生成所述待識(shí)別網(wǎng)絡(luò)的網(wǎng)絡(luò)特征向量；

根據(jù)所述待識(shí)別網(wǎng)絡(luò)的網(wǎng)絡(luò)特征向量，預(yù)測(cè)所述待識(shí)別網(wǎng)絡(luò)與至少一種應(yīng)用場(chǎng)景之間的所屬概率；

根據(jù)所述待識(shí)別網(wǎng)絡(luò)與所述至少一種應(yīng)用場(chǎng)景之間的所屬概率，從所述至少一種應(yīng)用場(chǎng)景中確定所述待識(shí)別網(wǎng)絡(luò)所屬的應(yīng)用場(chǎng)景；

其中，所述根據(jù)待識(shí)別網(wǎng)絡(luò)中的至少一臺(tái)網(wǎng)絡(luò)設(shè)備上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)，生成所述待識(shí)別網(wǎng)絡(luò)的網(wǎng)絡(luò)特征向量，包括：

按照設(shè)定的分類維度將所述至少一臺(tái)網(wǎng)絡(luò)設(shè)備中每臺(tái)網(wǎng)絡(luò)設(shè)備的網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分類；

根據(jù)所述每臺(tái)網(wǎng)絡(luò)設(shè)備在每個(gè)分類維度下的網(wǎng)絡(luò)數(shù)據(jù)，獲取所述待識(shí)別網(wǎng)絡(luò)的K個(gè)低階特征向量；

將待識(shí)別網(wǎng)絡(luò)的K個(gè)低階特征向量作為待識(shí)別網(wǎng)絡(luò)的網(wǎng)絡(luò)特征向量；

其中，K為大于或等于2的正整數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

根據(jù)整網(wǎng)中網(wǎng)絡(luò)設(shè)備所在的物理區(qū)域或所能實(shí)現(xiàn)的業(yè)務(wù)功能，對(duì)所述整網(wǎng)中的網(wǎng)絡(luò)設(shè)備按照物理區(qū)域進(jìn)行劃分以形成至少一個(gè)網(wǎng)絡(luò)組；

從所述至少一個(gè)網(wǎng)絡(luò)組中確定待識(shí)別網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)待識(shí)別網(wǎng)絡(luò)中的至少一臺(tái)網(wǎng)絡(luò)設(shè)備上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)，生成所述待識(shí)別網(wǎng)絡(luò)的網(wǎng)絡(luò)特征向量，還包括：

對(duì)所述K個(gè)低階特征向量進(jìn)行自編碼處理，以獲得所述待識(shí)別網(wǎng)絡(luò)的Q個(gè)高階特征向量；

將所述K個(gè)低階特征向量和所述Q個(gè)高階特征向量作為所述待識(shí)別網(wǎng)絡(luò)的網(wǎng)絡(luò)特征向量；

其中，Q為正整數(shù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對(duì)所述K個(gè)低階特征向量進(jìn)行自編碼處理，以獲得所述待識(shí)別網(wǎng)絡(luò)的Q個(gè)高階特征向量包括：

采用降噪自編碼器對(duì)所述K個(gè)低階特征向量進(jìn)行自編碼處理，以獲得所述待識(shí)別網(wǎng)絡(luò)的Q個(gè)高階特征向量。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在生成所述待識(shí)別網(wǎng)絡(luò)的網(wǎng)絡(luò)特征向量之前，還包括：

根據(jù)每臺(tái)網(wǎng)絡(luò)設(shè)備在每個(gè)分類維度下的網(wǎng)絡(luò)數(shù)據(jù)分布情況，對(duì)所述每個(gè)分類維度下的特征進(jìn)行正畸處理，以獲得所述每個(gè)分類維度下的正畸后的網(wǎng)絡(luò)數(shù)據(jù)；和/或

若所述每臺(tái)網(wǎng)絡(luò)設(shè)備在每個(gè)分類維度下的網(wǎng)絡(luò)數(shù)據(jù)包含所述待識(shí)別網(wǎng)絡(luò)中的終端設(shè)備的設(shè)備類型字段，則對(duì)所述設(shè)備類型字段進(jìn)行啞變量處理；和/或

若所述每臺(tái)網(wǎng)絡(luò)設(shè)備在每個(gè)分類維度下的網(wǎng)絡(luò)數(shù)據(jù)包括時(shí)序性字段，則將所述時(shí)序性字段以預(yù)設(shè)的時(shí)間間隔為單位進(jìn)行離散化處理。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述待識(shí)別網(wǎng)絡(luò)的網(wǎng)絡(luò)特征向量，預(yù)測(cè)所述待識(shí)別網(wǎng)絡(luò)與至少一種應(yīng)用場(chǎng)景之間的所屬概率，包括：

將所述待識(shí)別網(wǎng)絡(luò)的網(wǎng)絡(luò)特征向量作為輸入?yún)?shù)送入決策樹(shù)模型中，得到所述待識(shí)別網(wǎng)絡(luò)與所述至少一種應(yīng)用場(chǎng)景之間的所屬概率；其中，所述決策樹(shù)模型包含M棵子決策樹(shù)，每棵子決策樹(shù)代表一種應(yīng)用場(chǎng)景，M為正整數(shù)。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，將所述待識(shí)別網(wǎng)絡(luò)的網(wǎng)絡(luò)特征向量作為輸入?yún)?shù)送入決策樹(shù)模型中得到所述待識(shí)別網(wǎng)絡(luò)與所述至少一種應(yīng)用場(chǎng)景之間的所屬概率，包括：

將所述待識(shí)別網(wǎng)絡(luò)的網(wǎng)絡(luò)特征向量作為輸入?yún)?shù)送入所述決策樹(shù)模型中的每棵子決策樹(shù)；

利用所述每棵子決策樹(shù)中的N棵CART樹(shù)，計(jì)算所述待識(shí)別網(wǎng)絡(luò)在所述每棵子決策樹(shù)所代表的應(yīng)用場(chǎng)景下的預(yù)測(cè)值；

利用所述每棵子決策樹(shù)中的激活函數(shù)對(duì)相應(yīng)預(yù)測(cè)值進(jìn)行數(shù)值計(jì)算，得到所述待識(shí)別網(wǎng)絡(luò)與所述每棵子決策樹(shù)所代表的應(yīng)用場(chǎng)景之間的所屬概率；

其中，N為大于或等于2的正整數(shù)。