[发明专利]一种面向5G切片的馈线自动化业务网络异常检测方法

权利要求书

1.一种面向5G切片的馈线自动化业务网络异常检测方法，其特征在于：包括如下步骤：

步骤1、通过5G网络切片技术，对馈线自动化业务信息进行采集，获取网络数据包；

步骤2、对步骤1所获取的网络数据包进行协议解析，得到可用数据包并进行存储；

步骤3、利用核主成分分析法KPCA对步骤2的可用数据包的网络数据进行特征提取和降维处理；

步骤4、使用置信规则推理BRB对步骤3中特征提取和降维处理后的网络数据标定为异常数据和正常数据；

步骤5、通过长短时记忆神经网络LSTM模型分别对步骤4标定的异常数据和正常数据样本进行训练，提取网络异常数据特征参数；

步骤6、基于步骤5LSTM模型训练得到的网络异常数据特征参数，对网络的实时交互数据进行异常检测。

2.根据权利要求1所述的一种面向5G切片的馈线自动化业务网络异常检测方法，其特征在于：所述步骤1的具体方法为：

通过5G网络切片技术，对网络信息进行自动化采集、异常监督和分析管理，并采用WinPcap数据包捕获技术获取网络数据包，包括馈线自动化业务中的电源信息数据包、联络信息数据包、恢复信息数据包和信息交互数据包，并自动过滤用户不关注的数据包，提升获取网络数据包的性能。

3.根据权利要求1所述的一种面向5G切片的馈线自动化业务网络异常检测方法，其特征在于：所述步骤2的具体方法为：

将数据包捕获模块获取的数据包经过以太网发送至协议解析模块，进行TCP/IP协议、CMP协议、UDP协议解析，生成符合网络异常检测要求的原始数据。

4.根据权利要求1所述的一种面向5G切片的馈线自动化业务网络异常检测方法，其特征在于：所述步骤3的具体方法为：

选取能够代表馈线自动化业务网络的特征属性代表可用数据包信息，根据所选择的特征，将这些特征按顺序从数据包中提取出来并存储成矩阵形式，用KPCA方法进行特征提取和降维处理，去除噪声数据和冗余特征项。

5.根据权利要求1所述的一种面向5G切片的馈线自动化业务网络异常检测方法，其特征在于：所述步骤4的具体方法为：

首先从网络数据中提取网络DDos攻击和虚假数据注入攻击两种网络异常特征，通过BRB模型将异常特征输入前置属性转换，并通过证据推理(ER)方法输出最终的置信度，然后建立适用于异常检测的置信规则库，从而自动获取具有高鲁棒性的有标签正负样本训练数据集，并将该样本训练数据集进行异常数据和正常数据标定。

6.根据权利要求1所述的一种面向5G切片的馈线自动化业务网络异常检测方法，其特征在于：所述步骤5的具体方法为：

建立两个LSTM子网络分别处理步骤4中网络异常数据和网络正常数据，并根据LSTM的输入维度，将训练集和测试集以时间序列为单位进行分割，首先将训练集作为网络的输入，提取网络异常数据特征参数后，再将测试集作为网络的输入，并采用Softmax回归分类模型判定异常类别。

7.根据权利要求1所述的一种面向5G切片的馈线自动化业务网络异常检测方法，其特征在于：所述步骤6的具体方法为：

基于LSTM模型训练得到的网络异常数据特征参数，将其与5G切片下的馈线自动化业务网络实时交互数据进行对比分析，得到最终的网络异常检测结果并上报。