[發明專利]網絡異常根因確定方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202111661987.8
• 申請日: 2021-12-31
• 公開（公告）號: CN114338351A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 左繪;沈江兵;翟娜
• 申請（專利權）人: 天翼物聯科技有限公司
• 主分類號: H04L41/0631
• 分類號: H04L41/0631
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 馮玉潔

本發明實施例公開了一種網絡異常根因確定方法、裝置、計算機設備及存儲介質，涉及視人工智能技術領域。其中方法包括：通過獲取網絡的關鍵質量指標集以及關鍵性能指標集；對關鍵性能指標集進行分析以及分類后進行融合以得到網絡中關鍵性能指標集中引起關鍵質量指標變化的根因；基于預訓練的圖神經網絡模型，根據應用服務的節點特征數據預測出應用服務的異常節點；根據關鍵性能指標集中引起關鍵質量指標變化的根因以及應用服務的異常節點確定網絡異常根因。對關鍵性能指標集進行處理以準確快速得到引起關鍵質量指標變化的根因，基于預訓練的圖神經網絡模型準確預測出應用服務的異常節點，從網絡端以及應用服務端快速有效地確定網絡異常根因。

技術領域

本發明涉及視人工智能技術領域，尤其涉及一種網絡異常根因確定方法、裝置、計算機設備及存儲介質。

背景技術

在5G專網業務快速增長、用戶增多、新技術和新業務迅速增長的背景下，制定了綜合評估用戶感知和網絡業務質量的KQI指標，對KQI指標的問題分析和原因定位對目前網絡服務人員提出了較高的能力要求。同時網絡問題和應用服務問題同時會影響用戶感知，當用戶側應用服務出現代碼質量問題，如代碼漏洞、場景考慮不周全和壓力不足等，或者是應用服務架構設計問題。傳統的網絡異常根因確定方法，片面的從網絡質量問題、應用服務異常問題定位出發人工“拍腦袋，定門限，主觀定位異常事件”確定根因的方式，效率低不能及時確定網絡異常的根因，分析較片面導致準確率低。

發明內容

本發明實施例提供了一種網絡異常根因確定方法、裝置、計算機設備及存儲介質，旨在解決使用現有方法確定網絡異常根因的效率以及準確率低的問題。

第一方面，本發明實施例提供了一種網絡異常根因確定方法，所述網絡異常根因確定方法包括：獲取網絡的關鍵質量指標集以及關鍵性能指標集，其中所述關鍵性能指標集與所述關鍵質量指標集相對應；對所述關鍵性能指標集進行分析以及分類后進行融合以得到網絡中所述關鍵性能指標集中引起每一所述關鍵質量指標變化的根因；基于預訓練的圖神經網絡模型，根據應用服務的節點特征數據預測出所述應用服務的異常節點；根據所述關鍵性能指標集中引起每一所述關鍵質量指標變化的根因以及所述應用服務的異常節點確定網絡異常根因。

第二方面，本發明實施例還提供了一種網絡異常根因確定裝置，該裝置包括：獲取單元，用于獲取網絡的關鍵質量指標集以及關鍵性能指標集，其中所述關鍵性能指標集與所述關鍵質量指標集相對應；分析融合單元，用于對所述關鍵性能指標集進行分析以及分類后進行融合以得到網絡中所述關鍵性能指標集中引起每一所述關鍵質量指標變化的根因；第一預測單元，用于基于預訓練的圖神經網絡模型，根據應用服務的節點特征數據預測出所述應用服務的異常節點；確定單元，用于根據所述關鍵性能指標集中引起每一所述關鍵質量指標變化的根因以及所述應用服務的異常節點確定網絡異常根因。

第三方面，本發明實施例還提供了一種計算機設備，所述計算機設備包括存儲器及處理器，所述存儲器上存儲有計算機程序，所述處理器執行上述計算機程序時實現上述方法。

第四方面，本發明實施例還提供了一種計算機可讀存儲介質，所述存儲介質存儲有計算機程序，所述計算機程序當被處理器執行時實現上述方法。

本發明實施例提供了一種網絡異常根因確定方法、裝置、計算機設備及存儲介質，其中該方法通過獲取網絡的關鍵質量指標集以及關鍵性能指標集；對所述關鍵性能指標集進行分析以及分類后進行融合以得到網絡中所述關鍵性能指標集中引起每一所述關鍵質量指標變化的根因；基于預訓練的圖神經網絡模型，根據應用服務的節點特征數據預測出所述應用服務的異常節點；根據所述關鍵性能指標集中引起每一所述關鍵質量指標變化的根因以及所述應用服務的異常節點確定網絡異常根因。對關鍵性能指標集進行處理得到引起關鍵質量指標變化的根因，能準確快速的確定導致網絡端出現異常的根因，基于預訓練的圖神經網絡模型準確預測出應用服務的異常節點，從網絡端和應用服務端雙管齊下能快速有效地確定網絡異常根因。

附圖說明