CN105471663A - 网络异常的检测方法、装置、通信网络检测装置及系统 - Google Patents
网络异常的检测方法、装置、通信网络检测装置及系统 Download PDFInfo
- Publication number
- CN105471663A CN105471663A CN201410407867.9A CN201410407867A CN105471663A CN 105471663 A CN105471663 A CN 105471663A CN 201410407867 A CN201410407867 A CN 201410407867A CN 105471663 A CN105471663 A CN 105471663A
- Authority
- CN
- China
- Prior art keywords
- target data
- module
- detection
- detected object
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种网络异常的检测方法、装置、通信网络检测装置及系统,该检测方法包括:确定检测对象,建立检测对象的运行参数的检测模型,检测模型包括运行参数的异常检测方式及异常阈值;获取检测对象的目标数据;利用检测模型对目标数据进行检测,确定并输出检测对象中的异常对象。通过本发明的实施,使得可以通过计算机来检测网络异常,可以更快的定位网络异常。
Description
技术领域
本发明涉及通信领域,尤其涉及一种网络异常的检测方法、装置、通信网络检测装置及系统。
背景技术
在通信网络中,为了及时发现并解决网络中各种异常情况,需要运维人员经过复杂、繁琐的数据分析,从大量的性能数据中挖掘网络故障,这要求运维人员有丰富的经验与足够的耐心;但是,随着科技的日新月异,移动通信网络的数据流量呈爆炸式增长,依靠人力已经难以满足各种异常情况的需要。
因此,如何提供一种可以快速定位网络异常的方法,是本领域技术人员亟待解决的技术问题。
发明内容
本发明提供了一种网络异常的检测方法、装置、通信网络检测装置及系统,可以快速定位网络异常。
本发明提供了一种网络异常的检测方法,在一个实施例中,该检测方法包括:确定检测对象,建立检测对象的运行参数的检测模型,检测模型包括运行参数的异常检测方式及异常阈值;获取检测对象的目标数据;利用检测模型对目标数据进行检测,确定并输出检测对象中的异常对象。
进一步的,上述实施例中的异常检测方式包括直接比较异常阈值与目标数据;利用检测模型对目标数据进行检测的步骤包括:比较目标数据与异常阈值,输出比较结果,根据比较结果确定异常对象。
进一步的,上述实施例中的异常检测方式包括确定参考数据及计算公式,利用计算公式计算目标数据与参考数据得到计算结果,比较计算结果与异常阈值;利用检测模型对目标数据进行检测的步骤包括:获取参考数据,根据计算公式计算目标数据与参考数据得到计算结果,比较计算结果与异常阈值,输出比较结果,根据比较结果确定异常对象。
进一步的,在上述实施例中,当检测对象为小区时,运行参数包括RAB失败次数、RAB建立成功率、RRC建立链接尝试次数、RRC建立链接成功率中的至少一个;当检测对象为RNC时,运行参数包括RNC寻呼成功率。
进一步的,上述实施例还包括:设置检测时间及检测周期,在检测时间内按照检测周期获取检测对象的目标数据。
进一步的,在上述实施例中,当检测模型需要参考数据时,还包括设置获取参考数据的获取方式,获取方式包括获取静态参考数据,或者周期性获取动态参考数据;在利用检测模型对目标数据进行检测之前,还包括:按照获取方式获取参考数据,并输入到检测模型。
本发明提供了一种网络异常的检测装置,在一个实施例中,该检测装置包括:模型建立模块,用于确定检测对象,建立检测对象的运行参数的检测模型,检测模型包括运行参数的异常检测方式及异常阈值;数据获取模块,用于获取检测对象的目标数据;异常检测模块,用于利用检测模型对目标数据进行检测,确定并输出检测对象中的异常对象。
本发明提供了一种通信网络检测装置,在一个实施例中,包括:设置模块、获取模块、处理模块及输出模块,其中,设置模块用于根据用户操作确定检测对象及需要检测的运行参数,并建立包括用于检测运行参数是否正常的异常检测方式及异常阈值的检测模型,供处理模块使用;获取模块用于获取检测对象的目标数据,并传输至处理模块;处理模块用于根据检测模型对目标数据进行处理,得到异常目标数据,并传输至输出模块;输出模块用于根据异常目标数据确定并输出检测对象中的异常对象。
本发明还提供了一种通信网络检测系统,在一个实施例中,包括与通信网络中各检测对象连接并可获取其运行参数的网管系统、以及用于显示异常对象的告警装置,还包括如权利要求12的通信网络检测装置,通信网络检测装置从网管系统获取检测对象的目标数据,并将检测到的异常对象传输至告警装置。
本发明的有益效果:
本发明提供的网络异常的检测方法、装置、通信网络检测装置及系统,首先确定检测对象,并为检测对象建立检测模型,然后获取该检测对象的所有目标数据,最后利用检测模型对目标数据进行处理,确定所有目标数据中存在异常的目标数据,并将异常目标数据所对应的检测对象作为异常对象进行告警,进而使得可以通过计算机来替代人力检测网络异常,可以更快的定位网络异常。
附图说明
图1为本发明第一实施例提供的检测方法的流程图;
图2为本发明第二实施例提供的通信网络检测装置的结构示意图。
具体实施方式
现通过具体实施方式结合附图的方式对本发明做出进一步的诠释说明。
第一实施例:
图1为本发明第一实施例提供的检测方法的流程图,由图1可知,在本实施例中,本发明提供的网络异常的检测方法包括以下步骤:
S101:确定检测对象,建立检测对象的运行参数的检测模型,检测模型包括运行参数的异常检测方式及异常阈值;
此处的检测对象可以是通信网络中的所有物体,如基站设备(BSS)中的基站收发信机(BTS)或者基站控制器(BSC)等实体设备,又或者是网络小区等虚拟概念,下文将以小区及无线网络控制器(RNC,RadioNetworkController,3G网络的元件,是接入网的组成部分,用于提供移动性管理、呼叫处理、链接管理和切换机制,还可提供桥接功能,用于连接IP分组交换网络)为例对本发明进行详细的说明;检测对象的运行参数是指某检测对象的一项或多项运行参数,如所有基站设备的实时温度等;
S102:获取检测对象的目标数据;
承接上步骤,检测对象的目标数据是指某时刻,所有检测对象的运行参数,如将某天下午14点所有基站设备的实时温度作为目标数据上传;
S103:利用检测模型对目标数据进行检测,确定并输出检测对象中的异常对象;
承接上步骤,利用检测模型对目标数据进行检测是指利用检测模型对所有目标数据逐个进行检测,当某个目标数据异常时,该目标数据所对应的检测对象即为异常对象。
在一些实施例中,异常检测方式包括直接比较异常阈值与目标数据;利用检测模型对目标数据进行检测的步骤包括:比较目标数据与异常阈值,输出比较结果,根据比较结果确定异常对象。具体的,本实施例可以被用于检测一些简单的异常,如检测各基站设备的工作温度是否过高,假定基站设备的正常工作温度上限为100℃,当基站设备的温度过高时将导致设备异常运行,在某些实施例中,本发明通过检测所有基站的实时温度在检测是否出现异常基站,此时,异常检测方式为比较异常阈值与目标数据的大小,异常阈值为基站设备的正常工作温度上限100℃,假定检测对象包括6个基站设备(记为基站1-6),则检测对象的目标数据为这6个基站设备在某时刻的实时温度,若基站1的实时温度为110℃>100℃,则110℃为异常目标数据,与其对应的检测对象基站1为异常对象。
在一些实施例中,异常检测方式包括确定参考数据及计算公式,利用计算公式计算目标数据与参考数据得到计算结果,比较计算结果与异常阈值;利用检测模型对目标数据进行检测的步骤包括:获取参考数据,根据计算公式计算目标数据与参考数据得到计算结果,比较计算结果与异常阈值,输出比较结果,根据比较结果确定异常对象。具体的,本实施例可以被用于检测一些繁杂的异常,如检测通信网络中的小区是否为异动小区,某RNC设备是否为寻呼异动RNC,这类将在下文以具体的应用实例进行说明,此处不再赘述。
在一些实施例中,当检测对象为小区时,运行参数包括RAB失败次数、RAB建立成功率、RRC建立链接尝试次数、RRC建立链接成功率中的至少一个;当检测对象为RNC时,运行参数包括RNC寻呼成功率。
在一些实施例中,图1所示方法还包括:设置检测时间及检测周期,在检测时间内按照检测周期获取检测对象的目标数据。具体的,本实施例可以被用于周期性的检测异常对象,实现了一次设置检测模型,多次循环使用的目的。
在一些实施例中,当检测模型需要参考数据时,图1所示方法还包括设置获取参考数据的获取方式,获取方式包括获取静态参考数据,或者周期性获取动态参考数据;在利用检测模型对目标数据进行检测之前,还包括:按照获取方式获取参考数据,并输入到检测模型。具体的,本实施例可以被用于动态的检测异常对象,参考数据与目标数据为检测对象在不同日期(一般两者为前后天)相同时刻的运行参数,这样就使得检测结果更准确,避免了异常阈值设置死板导致的检测错误,如基站设备的实时温度除了受到自身工作状态的影响之外,还受到天气等外界环境因素的影响,在中午会高一点,早晨低一点,也即基站的正常工作温度上限在一天内是不同的,本实施例引入参考数据使得检测结果更准确,如将基站1在00年7月8日14点的温度(目标数据,例如120℃)与其在00年7月7日14点的温度(参考数据,例如110℃)相减,得到一个温度差(10℃),将温度差(10℃)与异常阈值(在相同天气相邻日期相同时刻所允许出现的温度差值的上限,如5℃)比较,因为温度差(10℃)大于异常阈值(5℃),则基站1在00年7月8日14点的温度为异常目标数据,基站1为异常对象。
对应的,本发明还提供了一种网络异常的检测装置,其包括:
模型建立模块,用于确定检测对象,建立检测对象的运行参数的检测模型,检测模型包括运行参数的异常检测方式及异常阈值;
数据获取模块,用于获取检测对象的目标数据;
异常检测模块,用于利用检测模型对目标数据进行检测,确定并输出检测对象中的异常对象。
在一些实施例中,异常检测方式包括直接比较异常阈值与目标数据;异常检测模块包括用于比较目标数据与异常阈值,输出比较结果,根据比较结果确定异常对象的第一检测子模块。
在一些实施例中,异常检测方式包括确定参考数据及计算公式,利用计算公式计算目标数据与参考数据得到计算结果,比较计算结果与异常阈值;异常检测模块包括用于获取参考数据,根据计算公式计算目标数据与参考数据得到计算结果,比较计算结果与异常阈值,输出比较结果,根据比较结果确定异常对象的第二检测子模块。
在一些实施例中,装置还包括第一设置模块,第一设置模块用于设置检测时间及检测周期,数据获取模块具体用于在检测时间内按照检测周期获取检测对象的目标数据。
在一些实施例中,装置还包括第二设置模块,第二设置模块用于当检测模块需要参考数据时,设置获取参考数据的获取方式的第二设置模块,获取方式包括获取静态参考数据,或者周期性获取动态参考数据;数据获取模块还用于按照获取方式获取参考数据,并输入到异常检测模块。
第二实施例:
图2为本发明第二实施例提供的通信网络检测装置的结构示意图;由图2可知,在本实施例中,本发明提供的通信网络检测装置2包括设置模块21、获取模块22、处理模块23及输出模块24,其中
设置模块21用于根据用户操作确定检测对象及需要检测的运行参数,并建立包括用于检测运行参数是否正常的异常检测方式及异常阈值的检测模型,供处理模块23使用;具体的,设置模块21可以由人机交换界面等手段来实现,人机交换界面向用户展示通信网络中所有可能存在异常并可以被检测出异常的元素(如虚拟的小区、实体的基站等)作为检测对象供用户选择,在用户选择一个或多个元素作为检测对象后,再向用户展示这些元素可以检测到的运行参数(如实体设备的温度、虚拟小区的RAB建立链接成功率等)供用户选择一个或多个作为该检测对象的运行参数,之后在根据用户选择的运行参数向用户展示可能存在的异常检测方式及较佳的异常阈值(用户也可以自行设置异常阈值)工用户选择,最后,根据用户选择生成包括用于检测运行参数是否正常的异常检测方式及异常阈值的检测模型;
获取模块22用于获取检测对象的目标数据,并传输至处理模块23;具体的,获取模块22一般带有存储或缓存功能,通过数据接口等有线方式或者蓝牙等无线方式与外部的数据采集装置(如网管系统)连接,主动获取/被动接受数据采集装置采集到的检测对象的当前运行参数作为目标数据,并传输至处理模块23;
处理模块23用于根据检测模型对目标数据进行处理,得到异常目标数据,并传输至输出模块24;处理模块23是本发明的主要执行模块,其用于对目标数据进行处理以确定存在异常的目标数据,具体的,处理模块23可以由处理器内存储的软件来实现(主要涉及加减乘除及比较等简单的运算,程序简单,实现成本低),也可以由简单的具备加减乘除及比较等功能的电路来实现,这些电路也是常用电路,实现成本也低;
输出模块24用于根据异常目标数据确定并输出检测对象中的异常对象;输出模块24主要用于向用户展示检测结果,在检测到异常对象时通知用户以达到提示等作用,使得用户可以得知异常问题及时排除,增大市场占有率,具体的,输出模块24也可以由人机交换界面等手段来实现。
对应的,本发明还提供了一种通信网络检测系统,该通信网络检测系统包括与通信网络中各待检测对象连接并可以获取其运行参数的网管系统、以及用于显示异常对象的告警装置,还包括本发明提供的通信网络检测装置,通信网络检测装置从网管系统获取检测对象的目标数据,并将检测到的异常对象传输至告警装置。
第三实施例:
本实施例分3种实际应用场景对本发明做进一步的诠释说明,具体的如下:
场景一
在本场景一内,做如下假定:本场景用于对在某时刻(如2000年7月7日14时)所有小区内的异动小区进行单次检测,引入静态参考数据(所有小区在2000年7月6日14时的运行参数),同时针对参考数据,引入筛选参数,用于筛选参考数据,筛选出所有筛选参数超过筛选门限的参考数据,这样可以使得进入检测步骤的所有检测对象都有合适的参考数据,如新(2000年7月6日14时以后)形成/建立的小区,则不再本次检测对象内,可以避免误检测;具体包括以下步骤:
1、根据用户操作选择检测对象及需要检测的运行参数;
假定检测对象为小区a-f6个小区,运行参数包括各小区的RAB失败次数、RAB建立成功率、RRC建立链接尝试次数、RRC建立链接成功率,当目标数据中的小区的任何一个运行参数根据异常检测方式得的计算结果处于异常阈值内时,该小区为异动小区;
2、确定异常检测方式及异常阈值、对参考数据的筛选参数及对应筛选门限;
假定异常检测方式为利用所述计算公式计算所述目标数据与所述参考数据得到计算结果,比较所述计算结果与所述异常阈值;计算公式、异常阈值、筛选参数及对应筛选门限如下表1所示;
3、采集目标数据及参考数据,并对参考数据进行筛选,确定本次可以检测的检测对象;
从网管系统采集数据,在2000年7月7日14时30分从网管采集2000年7月7日14时所有小区的运行参数作为目标数据,采集2000年7月6日14时所有小区的运行参数作为参考数据;
假定小区a为新建小区,其参考数据内的RAB尝试建立次数为0,小于筛选门限(>0),那么小区a不在本次检测对象内;
小区b-f5个小区为本次的检测小区;
表1
4、针对目标数据内各小区的所有运行参数逐个依照表1内的计算方式计算得到计算结果,并将计算结果与异常阈值比较,确定异常目标数据;根据异常目标数据确定异动小区;
例如,针对目标数据中检测对象小区b使用运行参数“RAB失败次数”进行检测时,首先根据其筛选参数“RAB建立尝试次数(次)”,对参考数据的检测对象小区b进行筛选,在其筛选门限“RAB建立尝试次数(次)”值超过筛选门限(>0)时,才进行目标数据中检测对象小区b与参考数据中检测对象小区b的检测,在处理数据时,将目标数据中检测对象小区b的运行参数值与参考数据中检测对象小区b的运行参数值进行相减操作,计算结果如果超过异常阈值(>500),则认为检测对象小区b为异动小区;其它运行参数的处理过程与此类似,不再赘述;
5、统计并显示所有的异动小区;
将本次目标数据内的所有异常目标数据对应的小区作为异动小区显示,并告警。
场景二
在本场景二内,做如下假定:本场景用于对在某时间段内(如2000年7月7日14时-2000年7月8日14时)所有小区内的异动小区进行周期性的检测(检测周期为1小时,需要检测24次),引入静态参考数据(所有小区在2000年7月6日14时的运行参数),同时针对参考数据,引入筛选参数,用于筛选参考数据,筛选出所有筛选参数超过筛选门限的参考数据,这样可以使得进入检测步骤的所有检测对象都有合适的参考数据,如新(2000年7月6日14时以后)形成/建立的小区,则不再本次检测对象内,可以避免误检测;具体包括以下步骤:
1、根据用户操作选择检测对象及需要检测的运行参数;
2、确定异常检测方式及异常阈值、对参考数据的筛选参数及对应筛选门限;
其与场景一中的步骤相同,不再赘述。
3、采集目标数据及参考数据,并对参考数据进行筛选,确定本次可以检测的检测对象;
从网管系统采集数据,在2000年7月7日14时30分起每隔1小时分别从网管采集其在前整点时所有小区的运行参数作为目标数据(如2000年7月7日14时30分采集2000年7月7日14时的运行参数,2000年7月8日13时30分采集2000年7月8日13时的运行参数,需要采集24组目标数据),采集2000年7月6日14时所有小区的运行参数作为参考数据;
假定小区a-f6个小区都可以作为本次的检测小区;
4、针对某一组目标数据,目标数据内各小区的所有运行参数逐个依照表1内的计算方式计算得到计算结果,并将计算结果与异常阈值比较,确定该组目标数据内的异常目标数据;根据异常目标数据确定异动小区;
与场景一内的步骤4类似;
5、统计并显示检测周期内所有的异动小区;
将24组目标数据内的所有异常目标数据对应的小区作为异动小区显示,并告警。
场景三
在本场景三内,做如下假定:本场景用于对在某时间段内(如2000年7月7日14时-2000年7月8日14时)所有RNC中寻呼异动RNC进行周期性的检测(检测周期为1小时,需要检测24次),引入动态参考数据(所有RNC依次在2000年7月5日14时-2000年7月6日14时的运行参数),同时针对参考数据,引入筛选参数,可以避免误检测;具体包括以下步骤:
1、根据用户操作选择检测对象及需要检测的运行参数;
假定检测对象为RNCa-f6个RNC,运行参数包括各RNC的RNC寻呼成功率,当目标数据中的RNC的任何一个运行参数根据异常检测方式得的计算结果处于异常阈值内时,该RNC为寻呼异动RNC;
2、确定异常检测方式及异常阈值、对参考数据的筛选参数及对应筛选门限;
假定异常检测方式为利用所述计算公式计算所述目标数据与所述参考数据得到计算结果,比较所述计算结果与所述异常阈值;计算公式、异常阈值、筛选参数及对应筛选门限如下表2所示;
表2
3、采集目标数据及参考数据,并对参考数据进行筛选,确定本次可以检测的检测对象;
从网管系统采集参考数据,依次采集所有RNC在2000年7月5日14时-2000年7月6日13时这一时间段内所有整点的运行参数作为参考数据;
从网管系统采集目标数据,依次采集所有RNC在2000年7月7日14时-2000年7月8日13时这一时间段内所有整点的运行参数作为参考数据;
4、针对某一组目标数据,确定其对应的参考数据,目标数据内各RNC的运行参数逐个依照表2内的计算方式计算得到计算结果,并将计算结果与异常阈值比较,确定该组目标数据内的异常目标数据;根据异常目标数据确定寻呼异动RNC;
针对某组目标数据,确定其对应的参考数据主要是根据数据时间确定的,如2000年7月7日14时的目标数据与2000年7月5日14时的参考数据向对应,依次累加1小时计算对应关系,
针对某组对应的目标数据与参考数据的检测过程,与场景一内的步骤4类似;
5、统计并显示检测周期内所有的寻呼异动RNC;
将24组目标数据内的所有异常目标数据对应的RNC作为寻呼异动RNC显示,并告警。
综上可知,通过本发明的实施,至少存在以下有益效果:
首先确定检测对象,并为检测对象建立检测模型,然后获取该检测对象的所有目标数据,最后利用检测模型对目标数据进行处理,确定所有目标数据中存在异常的目标数据,并将异常目标数据所对应的检测对象作为异常对象进行告警,进而使得可以通过计算机来检测网络异常,可以比人力更快的定位网络异常。
以上仅是本发明的具体实施方式而已,并非对本发明做任何形式上的限制,凡是依据本发明的技术实质对以上实施方式所做的任意简单修改、等同变化、结合或修饰,均仍属于本发明技术方案的保护范围。
Claims (13)
1.一种网络异常的检测方法,其特征在于,包括:
确定检测对象,建立所述检测对象的运行参数的检测模型,所述检测模型包括所述运行参数的异常检测方式及异常阈值;
获取所述检测对象的目标数据;
利用所述检测模型对所述目标数据进行检测,确定并输出所述检测对象中的异常对象。
2.如权利要求1所述的检测方法,其特征在于,所述异常检测方式包括直接比较所述异常阈值与所述目标数据;所述利用所述检测模型对所述目标数据进行检测的步骤包括:比较所述目标数据与所述异常阈值,输出比较结果,根据比较结果确定所述异常对象。
3.如权利要求1所述的检测方法,其特征在于,所述异常检测方式包括确定参考数据及计算公式,利用所述计算公式计算所述目标数据与所述参考数据得到计算结果,比较所述计算结果与所述异常阈值;所述利用所述检测模型对所述目标数据进行检测的步骤包括:获取所述参考数据,根据所述计算公式计算所述目标数据与所述参考数据得到所述计算结果,比较所述计算结果与所述异常阈值,输出比较结果,根据比较结果确定所述异常对象。
4.如权利要求1所述的检测方法,其特征在于,当所述检测对象为小区时,所述运行参数包括RAB失败次数、RAB建立成功率、RRC建立链接尝试次数、RRC建立链接成功率中的至少一个;当所述检测对象为RNC时,所述运行参数包括RNC寻呼成功率。
5.如权利要求1至4任一项所述的检测方法,其特征在于,还包括:设置检测时间及检测周期,在所述检测时间内按照所述检测周期获取所述检测对象的目标数据。
6.如权利要求5所述的检测方法,其特征在于,当所述检测模型需要参考数据时,还包括设置获取所述参考数据的获取方式,所述获取方式包括获取静态参考数据,或者周期性获取动态参考数据;在利用所述检测模型对所述目标数据进行检测之前,还包括:按照所述获取方式获取所述参考数据,并输入到所述检测模型。
7.一种检测网络异常的检测装置,其特征在于,包括:
模型建立模块,用于确定检测对象,建立所述检测对象的运行参数的检测模型,所述检测模型包括所述运行参数的异常检测方式及异常阈值;
数据获取模块,用于获取所述检测对象的目标数据;
异常检测模块,用于利用所述检测模型对所述目标数据进行检测,确定并输出所述检测对象中的异常对象。
8.如权利要求7所述的检测装置,其特征在于,所述异常检测方式包括直接比较所述异常阈值与所述目标数据;所述异常检测模块包括用于比较所述目标数据与所述异常阈值,输出比较结果,根据比较结果确定所述异常对象的第一检测子模块。
9.如权利要求7所述的检测装置,其特征在于,所述异常检测方式包括确定参考数据及计算公式,利用所述计算公式计算所述目标数据与所述参考数据得到计算结果,比较所述计算结果与所述异常阈值;所述异常检测模块包括用于获取所述参考数据,根据所述计算公式计算所述目标数据与所述参考数据得到所述计算结果,比较所述计算结果与所述异常阈值,输出比较结果,根据比较结果确定所述异常对象的第二检测子模块。
10.如权利要求7至9任一项所述的检测装置,其特征在于,所述装置还包括第一设置模块,所述第一设置模块用于设置检测时间及检测周期,所述数据获取模块具体用于在所述检测时间内按照所述检测周期获取所述检测对象的目标数据。
11.如权利要求10所述的检测装置,其特征在于,所述装置还包括第二设置模块,所述第二设置模块用于当所述检测模块需要参考数据时,设置获取所述参考数据的获取方式的第二设置模块,所述获取方式包括获取静态参考数据,或者周期性获取动态参考数据;所述数据获取模块还用于按照所述获取方式获取所述参考数据,并输入到所述异常检测模块。
12.一种通信网络检测装置,其特征在于,包括:设置模块、获取模块、处理模块及输出模块,其中
所述设置模块用于根据用户操作确定检测对象及需要检测的运行参数,并建立包括用于检测所述运行参数是否正常的异常检测方式及异常阈值的检测模型,供所述处理模块使用;
所述获取模块用于获取所述检测对象的目标数据,并传输至所述处理模块;
所述处理模块用于根据所述检测模型对所述目标数据进行处理,得到异常目标数据,并传输至所述输出模块;
所述输出模块用于根据所述异常目标数据确定并输出所述检测对象中的异常对象。
13.一种通信网络检测系统,其特征在于,包括与通信网络中检测对象连接并可获取其运行参数的网管系统、以及用于显示异常对象的告警装置,还包括如权利要求12所述的通信网络检测装置,所述通信网络检测装置从网管系统获取所述检测对象的目标数据,并将检测到的异常对象传输至所述告警装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410407867.9A CN105471663A (zh) | 2014-08-18 | 2014-08-18 | 网络异常的检测方法、装置、通信网络检测装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410407867.9A CN105471663A (zh) | 2014-08-18 | 2014-08-18 | 网络异常的检测方法、装置、通信网络检测装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105471663A true CN105471663A (zh) | 2016-04-06 |
Family
ID=55608977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410407867.9A Pending CN105471663A (zh) | 2014-08-18 | 2014-08-18 | 网络异常的检测方法、装置、通信网络检测装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105471663A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106656636A (zh) * | 2017-02-22 | 2017-05-10 | 郑州云海信息技术有限公司 | 一种云平台故障探测方法及装置 |
CN107426055A (zh) * | 2017-07-31 | 2017-12-01 | 努比亚技术有限公司 | 异常流量监测方法、装置及计算机可读存储介质 |
CN108020769A (zh) * | 2016-10-28 | 2018-05-11 | 深圳市中兴微电子技术有限公司 | 一种集成电路测试的方法和装置 |
CN108616582A (zh) * | 2018-04-13 | 2018-10-02 | 珠海格力电器股份有限公司 | 内机和线控器的配对方法、装置及系统 |
CN108667856A (zh) * | 2018-08-10 | 2018-10-16 | 广东电网有限责任公司 | 一种网络异常检测方法、装置、设备及存储介质 |
CN110839210A (zh) * | 2019-11-19 | 2020-02-25 | 中国联合网络通信集团有限公司 | 一种用户位置预测方法及装置 |
CN114500011A (zh) * | 2022-01-13 | 2022-05-13 | 中国电子科技网络信息安全有限公司 | 一种基于行为基线异常分析和事件编排的辅助决策方法 |
WO2023016380A1 (zh) * | 2021-08-11 | 2023-02-16 | 中兴通讯股份有限公司 | 小区网络异常检测方法、装置及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1887819A1 (en) * | 2005-06-02 | 2008-02-13 | NEC Corporation | Abnormality detecting method and system, and upkeep method and system |
CN101252482A (zh) * | 2008-04-07 | 2008-08-27 | 华为技术有限公司 | 网络流量异常检测方法和装置 |
CN101384054A (zh) * | 2007-09-04 | 2009-03-11 | 中兴通讯股份有限公司 | 一种通过性能数据监测网络异常情况的方法 |
CN101651568A (zh) * | 2009-07-01 | 2010-02-17 | 青岛农业大学 | 一种网络流量预测和异常检测方法 |
-
2014
- 2014-08-18 CN CN201410407867.9A patent/CN105471663A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1887819A1 (en) * | 2005-06-02 | 2008-02-13 | NEC Corporation | Abnormality detecting method and system, and upkeep method and system |
CN101384054A (zh) * | 2007-09-04 | 2009-03-11 | 中兴通讯股份有限公司 | 一种通过性能数据监测网络异常情况的方法 |
CN101252482A (zh) * | 2008-04-07 | 2008-08-27 | 华为技术有限公司 | 网络流量异常检测方法和装置 |
CN101651568A (zh) * | 2009-07-01 | 2010-02-17 | 青岛农业大学 | 一种网络流量预测和异常检测方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108020769A (zh) * | 2016-10-28 | 2018-05-11 | 深圳市中兴微电子技术有限公司 | 一种集成电路测试的方法和装置 |
CN106656636A (zh) * | 2017-02-22 | 2017-05-10 | 郑州云海信息技术有限公司 | 一种云平台故障探测方法及装置 |
CN107426055A (zh) * | 2017-07-31 | 2017-12-01 | 努比亚技术有限公司 | 异常流量监测方法、装置及计算机可读存储介质 |
CN107426055B (zh) * | 2017-07-31 | 2021-09-07 | 努比亚技术有限公司 | 异常流量监测方法、装置及计算机可读存储介质 |
CN108616582A (zh) * | 2018-04-13 | 2018-10-02 | 珠海格力电器股份有限公司 | 内机和线控器的配对方法、装置及系统 |
CN108667856A (zh) * | 2018-08-10 | 2018-10-16 | 广东电网有限责任公司 | 一种网络异常检测方法、装置、设备及存储介质 |
CN108667856B (zh) * | 2018-08-10 | 2021-01-26 | 广东电网有限责任公司 | 一种网络异常检测方法、装置、设备及存储介质 |
CN110839210A (zh) * | 2019-11-19 | 2020-02-25 | 中国联合网络通信集团有限公司 | 一种用户位置预测方法及装置 |
WO2023016380A1 (zh) * | 2021-08-11 | 2023-02-16 | 中兴通讯股份有限公司 | 小区网络异常检测方法、装置及计算机可读存储介质 |
CN114500011A (zh) * | 2022-01-13 | 2022-05-13 | 中国电子科技网络信息安全有限公司 | 一种基于行为基线异常分析和事件编排的辅助决策方法 |
CN114500011B (zh) * | 2022-01-13 | 2023-12-05 | 中国电子科技网络信息安全有限公司 | 一种基于行为基线异常分析和事件编排的辅助决策方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105471663A (zh) | 网络异常的检测方法、装置、通信网络检测装置及系统 | |
EP3210322B1 (en) | Presenting wireless-spectrum usage information | |
CN107171848B (zh) | 一种流量预测方法和装置 | |
CN103747522B (zh) | 一种位置信息采集方法和设备 | |
EP3419353A1 (en) | Method for positioning terminal, and network device | |
CN107204894B (zh) | 网络业务质量的监控方法及装置 | |
CN105744553B (zh) | 一种网络关联分析方法及装置 | |
CN109150605B (zh) | 智能网关、监控系统及数据处理方法 | |
CN109982352B (zh) | Tdd-lte网络中的异频切换方法及装置 | |
CN106982413B (zh) | 一种区域客流趋势的预测方法及装置 | |
CN104956709A (zh) | 物理小区标识的分配 | |
CN105519161A (zh) | 一种干扰协调方法及设备 | |
CN104967970A (zh) | 终端设备配对连接的方法及系统 | |
CN111368384B (zh) | 预测天线工程参数的方法及设备 | |
CN106465175A (zh) | 用于收集和汇总网络质量数据的方法 | |
CN108696929A (zh) | 一种动态调整cca能量检测阈值的方法与装置 | |
CN109474985A (zh) | 信号同步检测方法、装置、设备及系统 | |
CN104782192A (zh) | 使用移动传感器的云感知协同移动平台功率管理 | |
CN112702219B (zh) | 物联网网络监测方法、装置、设备及存储介质 | |
CN103974321A (zh) | 一种直放站的监控方法和装置 | |
CN116056117A (zh) | 网络异常预测方法、装置及存储介质 | |
CN103916870A (zh) | 四网协同综合分析系统及方法 | |
CN106535232A (zh) | 一种频点优化方法及装置 | |
CN114915977B (zh) | 中继器拓扑结构的确定方法、装置、存储介质及电子装置 | |
CN109996253B (zh) | 一种小区信号覆盖范围合理性的评估方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160406 |
|
WD01 | Invention patent application deemed withdrawn after publication |