[发明专利]网元割接值守方法及装置

说明书

本发明实施例提供一种网元割接值守方法及装置，该方法包括：将网元割接事前检测的第一网元性能数据与网元割接事后检测的第二网元性能数据作差，获得性能差值数据；将性能差值数据输入至异常检测模型，获得异常检测模型输出的差值重建数据；若判断获知性能差值数据与差值重建数据之间的重建误差大于误差阈值，则确认网元在检测第二网元性能数据的时刻处于异常运行状态。本发明实施例由于利用深度学习比对割接事前和事后的性能数据来进行割接值守，相对于人工值守或设置阈值值守的方式提高了判断网元是否异常运行的准确度，降低了虚警率，避免网元割接后存在的安全隐患。

技术领域

本发明实施例涉及通信运维领域，更具体地，涉及一种网元割接值守方法及装置。

背景技术

网元割接是对正在使用的线路、设备进行操作，将会直接影响到其上承载的业务。电信领域的割接泛指针对现网设备的扩容、升级、改造、替换、配置更改等。网元割接是通信运维工作的重要部分，由于涉及到业务变更、软件升级、设备上下线等操作，可能会对现有业务造成影响，甚至中断，所以割接也是运维工作中最具挑战的部分。

现有技术中，运营商网元割接的事后值守主要依靠人工值守，或者对各项运行参数分别设置阈值的方式来发现系统是否存在异常。其中，人工值守的方式中由于涉及到人为操作，而只要是人为操作就会有失误发生，而80％的故障均是人为失误造成的。其中，设置阈值的方式中，由于某些运行参数的异常并不一定表示平台整体状态的异常。因此，现有技术中上述两种方式均存在着虚警率高和准确度低的问题。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的网元割接值守方法及装置。

根据本发明实施例的第一方面，提供一种网元割接值守方法，该方法包括：将网元割接事前检测的第一网元性能数据与网元割接事后检测的第二网元性能数据作差，获得性能差值数据；将性能差值数据输入至异常检测模型，获得异常检测模型输出的差值重建数据；异常检测模型是基于样本性能差值数据对自编码神经网络模型进行训练后获得的，样本性能差值数据是网元处于正常运行状态下获得的；若判断获知性能差值数据与差值重建数据之间的重建误差大于误差阈值，则确认网元在检测第二网元性能数据的时刻处于异常运行状态。

根据本发明实施例第二方面，提供了一种网元割接值守装置，该装置包括：作差模块，用于将网元割接事前检测的第一网元性能数据与网元割接事后检测的第二网元性能数据作差，获得性能差值数据；重建模块，用于将性能差值数据输入至异常检测模型，获得异常检测模型输出的差值重建数据；异常检测模型是基于样本性能差值数据对自编码神经网络模型进行训练后获得的，样本性能差值数据是网元处于正常运行状态下获得的；判断模块，用于若判断获知性能差值数据与差值重建数据之间的重建误差大于误差阈值，则确认网元在检测第二网元性能数据的时刻处于异常运行状态。

根据本发明实施例的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与处理器通信连接的至少一个存储器，其中：存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的网元割接值守方法。

根据本发明实施例的第四方面，提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的网元割接值守方法。

本发明实施例提供的网元割接值守方法及装置，通过将性能差值输入至基于自编码神经网络模型训练获得的异常检测模型，并获得输出的差值重建数据；将性能差值数据与差值重建数据之间的重建误差与误差阈值进行比较，基于比较结果判断网元在割接后是否处于异常运行状态。由于利用深度学习比对割接事前和事后的性能数据来进行割接值守，相对于人工值守或设置阈值值守的方式提高了判断网元是否异常运行的准确度，降低了虚警率，避免网元割接后存在的安全隐患。

应当理解的是，以上的一般描述和后文的细节描述是示例性和解释性的，并不能限制本发明实施例。