CN107438262B - 一种异常用户识别方法及装置 - Google Patents
一种异常用户识别方法及装置 Download PDFInfo
- Publication number
- CN107438262B CN107438262B CN201610353738.5A CN201610353738A CN107438262B CN 107438262 B CN107438262 B CN 107438262B CN 201610353738 A CN201610353738 A CN 201610353738A CN 107438262 B CN107438262 B CN 107438262B
- Authority
- CN
- China
- Prior art keywords
- user
- abnormal
- flow
- identified
- usage
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了一种异常用户识别方法及装置,可以准确地识别异常用户。该方法包括:根据待识别用户在系统忙时在目标网络制式下的第一使用流量,以及在系统忙时在其它网络制式下的第二使用流量,识别在目标网络制式下的网络承载异常用户;上述待识别用户支持目标网络制式;上述系统忙时包括预设的至少一个时间段;从识别出的网络承载异常用户中,确定第一异常用户和第二异常用户;其中,上述第一异常用户的第一使用流量小于或等于第一流量阈值、且在第一预设时间长度内在目标网络制式下的第三使用流量小于第二流量阈值,上述第二异常用户的第一使用流量大于第一流量阈值、且第三使用流量小于第二流量阈值。
Description
技术领域
本申请涉及移动通信技术领域,尤其涉及一种异常用户识别方法及装置。
背景技术
目前在移动通信技术领域,已经形成了分别以第二代(2-Generation,2G)、第三代(3-Generation,3G)和第四代(4-Generation,4G)移动通信技术为标准的多种网络制式共存并同期运营的局面。伴随着对下一代移动通信系统的进一步研究,这种多网共存的局面将维持一段较长的时间。由于新的网络制式在数据承载能力、业务效率等方面相较于旧的网络制式具有较大的优势,因此在网络运营中,需要将用户流量从2G、3G等高负荷的旧的网络制式,分流到4G等新一代的目标网络制式下,从而提高运营效率,满足不断增长的业务流量需求。
通过识别网络异常用户,可以为用户流量迁移提供数据参考。在现有的技术方案,通常从网络和市场两个角度,将固定栅格或网络小区作为统计和采样分析的依据,进行宏观上的分析。这种分析方式忽略了与用户个体相关的数据,比如用户上网的时间习惯、习惯使用的网络制式等,导致识别异常用户的结果准确性较差。
发明内容
本申请实施例提供一种异常用户识别方法及装置,用以解决识别异常用户的准确性较差的问题。
本申请实施例提供一种异常用户识别方法,包括:
根据待识别用户在系统忙时在目标网络制式下的第一使用流量,以及在系统忙时在其它网络制式下的第二使用流量,识别在上述目标网络制式下的网络承载异常用户;上述待识别用户支持上述目标网络制式;上述系统忙时包括预设的至少一个时间段;
从识别出的网络承载异常用户中,确定第一异常用户和第二异常用户;
其中,上述第一异常用户的上述第一使用流量小于或等于第一流量阈值、且在第一预设时间长度内在目标网络制式下的第三使用流量小于第二流量阈值,上述第二异常用户的上述第一使用流量大于上述第一流量阈值、且上述第三使用流量小于所述第二流量阈值。
本申请实施例还提供一种异常用户识别装置,包括:
识别单元,用于根据待识别用户在系统忙时在目标网络制式下的第一使用流量,以及在系统忙时在其它网络制式下的第二使用流量,识别在上述目标网络制式下的网络承载异常用户;上述待识别用户支持所述目标网络制式;上述系统忙时包括预设的至少一个时间段;
确定单元,用于从识别出的网络承载异常用户中,确定第一异常用户和第二异常用户;
其中,上述第一异常用户的上述第一使用流量小于或等于第一流量阈值、且在第一预设时间长度内在目标网络制式下的第三使用流量小于第二流量阈值,上述第二异常用户的上述第一使用流量大于上述第一流量阈值、且上述第三使用流量小于上述第二流量阈值。
本申请有益效果包括:
本申请实施例提供的方案中,先根据支持目标网络制式的用户在系统忙时在不同网络制式下的使用流量,识别出网络承载异常用户,再根据上述异常用户在预设时间长度内在目标网络制式下的使用流量,确定异常用户的不同类型,本申请实施例由于是基于具体用户的网络行为数据进行的异常用户识别,相比以固定栅格或网络小区为单位进行宏观分析的方式,可以大大提高识别异常用户的准确率。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中:
图1为本申请实施例提供的一种异常用户识别方法的流程示意图;
图2为本申请实施例提供的忙时小区集示意图;
图3为本申请实施例提供的一种异常用户识别方法的详细流程示意图之一;
图4为本申请实施例提供的一种异常用户识别方法的详细流程示意图之二;
图5为本申请实施例提供的一种异常用户识别装置的结构示意图;
图6为本申请实施例提供的一种异常用户识别装置的结构示意图之二。
具体实施方式
为了给出准确识别异常用户的实现方案,本申请实施例提供了一种异常用户识别方法及装置,以下结合说明书附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请。并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本申请实施例提供一种异常用户识别方法,如图1所示,具体可以包括以下步骤:
S101、根据待识别用户在系统忙时在目标网络制式下的第一使用流量,以及在系统忙时在其它网络制式下的第二使用流量,识别在上述目标网络制式下的网络承载异常用户;上述待识别用户支持上述目标网络制式;上述系统忙时包括预设的至少一个时间段;
S102、从识别出的网络承载异常用户中,确定第一异常用户和第二异常用户;其中,上述第一异常用户的上述第一使用流量小于或等于第一流量阈值、且在第一预设时间长度内在目标网络制式下的第三使用流量小于第二流量阈值,上述第二异常用户的上述第一使用流量大于上述第一流量阈值、且上述第三使用流量小于上述第二流量阈值。
实际实施时,上述系统忙时具体指网络运营系统业务量较为集中的时间段,较佳地,系统忙时可以包括白天12:00-13:00与夜晚21:00-22:00这两个时间段;上述第一预设时间长度具体为一个连续的时间段,例如,全天或全月等。本申请实施例提供的方案中,先根据用户在系统忙时的上网数据进行初步分析,识别出网络承载异常用户,再根据用户全天或一个自然月等连续时间段内的上网数据,确定上述异常用户所属的异常类型,准确地识别异常用户。
具体地,上述步骤S101中,可以通过第一使用流量与第二使用流量的比值,或者通过第一使用流量与第一使用流量加第二使用流量之和的比值,来分析待识别用户的网络承载体验。例如,根据网络运营经验,可以将第一使用流量与第一使用流量加第二使用流量之和的比值小于50%的待识别用户,确定为网络承载异常用户。
具体地,上述步骤S101中,上述待识别用户支持上述目标网络制式可以包括:上述待识别用户所使用的终端支持目标网络制式,以及所使用的全球用户身份模块(UniversalSubscriber Identity Module,USIM)卡也支持目标网络制式。
进一步地,上述步骤S101中,还可以包括:选择上述第一使用流量与第二使用流量之和大于或等于第三流量阈值的用户作为上述待识别用户。
第一使用流量与第二使用流量之和是指用户在系统忙时在全部网络制式下的使用流量,先对用户的上述使用流量进行分析,可以预先排除一部分整体对网络的使用不满足要求的用户,缩小待识别用户的范围,提高效率。例如,根据网络运营经验,可以将在系统忙时在全部网络制式下的使用流量大于1M的用户确定为待识别用户。
进一步地,上述步骤S101中,具体可以包括:确定系统忙时所驻留的小区数量小于或等于第一数量阈值的待识别用户;根据确定的上述待识别用户及其驻留的小区,确定忙时小区集;其中,上述忙时小区集包括的上述待识别用户的数量大于或等于第二数量阈值;根据上述忙时小区集中的待识别用户的上述第一使用流量和第二使用流量,识别在上述目标网络制式下的网络承载异常用户。
本申请实施例提供的方案中,提出了忙时小区集的技术特征。通过大量调研和对网络运营的后台数据进行分析发现,大多数用户在系统忙时的活动范围包括两个明显的聚集点,白天时该聚集点通常为工作地点,夜晚时该聚集点通常为居住地点;将上述活动范围及用户相应的活动轨迹对应到网络中,则可以得出用户通常在系统忙时所驻留的相同同网络制式的小区数量不超过一个数量阈值的结论,现阶段,该数量阈值可以为4。那么,本申请实施例提供的方案,就将系统忙时用户所驻留的不超过4个的相同网络制式小区,确定为一个忙时小区集。图2所示为忙时小区集示意图,图中的黑色曲线表示用户的活动轨迹。需要注意的是,选取4作为第一数量阈值的取值仅为示例,上述第一数量阈值可以根据实际情况作出适应性的调整。
实际实施时,如果所确定的忙时小区集中包括的待识别用户数量过少,以该忙时小区集作为待识别用户的采样范围将无法满足识别异常用户的需求。因此,上述忙时小区集包括的待识别用户的数量可以大于或等于第二数量阈值,较佳地,上述第二数量阈值可以为10。
更进一步地,根据上述忙时小区集中的待识别用户的上述第一使用流量和第二使用流量,识别在上述目标网络制式下的网络承载异常用户,还可以包括:根据上述忙时小区集中的多个待识别用户的上述第一使用流量和第二使用流量,识别目标网络制式正常的小区集;针对上述目标网络制式正常的小区集中的任一待识别用户,根据该待识别用户的上述第一使用流量和第二使用流量,判断该待识别用户是否为上述网络承载异常用户。
实际实施时,除待识别用户的个人习惯和终端质量等主观因素以外,用户所处环境的整体网络状况等客观因素也可以对待识别用户的网络承载体验造成影响。因此,先判断忙时小区集的目标网络制式是否正常,再以目标网络制式正常的小区集中的待识别用户作为识别对象,可以更加准确地对异常用户进行识别。
具体地,可以通过忙时小区集中全体待识别用户的第一使用流量与第二使用流量的比值,或者第一使用流量与第一使用流量加第二使用流量之和的比值,来判断忙时小区集的目标网络制式是否正常。例如,根据网络运营经验,可以将忙时小区集中全体待识别用户的第一使用流量与第一使用流量加第二使用流量之和的比值大于80%的忙时小区集,确定为目标网络制式正常的小区集。
图3所示为上述步骤S101的详细流程示意图,具体可以包括以下步骤:
S1011、选择第一使用流量与第二使用流量之和大于或等于第三流量阈值的用户作为待识别用户。
S1012、确定系统忙时所驻留的小区数量小于或等于第一数量阈值的待识别用户。
S1013、根据确定的待识别用户及其驻留的小区,确定忙时小区集。
S1014、根据忙时小区集中的多个待识别用户的第一使用流量和第二使用流量,识别目标网络制式正常的小区集。
S1015、针对目标网络制式正常的小区集中的任一待识别用户,根据该待识别用户的第一使用流量和第二使用流量,判断该待识别用户是否为网络承载异常用户。
在上述步骤S101识别出网络承载异常用户之后,步骤S102对上述网络承载异常用户进行了下一步分析和判断,以便准确识别出异常用户的类型。具体而言,第一异常用户的第一使用流量小于或等于第一流量阈值、且在第一预设时间长度内在目标网络制式下的第三使用流量小于第二流量阈值,第二异常用户的上述第一使用流量大于上述第一流量阈值、且第三使用流量小于第二流量阈值。较佳地,第一流量阈值可以为0,第二流量阈值可以为50M,第一预设时间长度可以为一个自然月。
一方面,对网络承载异常用户在系统忙时在目标网络制式下的第一使用流量进行判断。当第一使用流量为0时,可以认为该异常用户自身具有主动关闭终端在目标网络制式下的上网功能这一个人意愿和习惯;当第一使用流量不为0时,可以认为该异常用户虽不具有主动关闭终端在目标网络制式下的上网功能这一意愿,但由于其终端在目标网络制式下的上网功能较弱,仍被识别并确定为终端质量较差的异常用户。也即,第一异常用户可以为终端锁机或具有关闭目标网络制式下上网功能的用户,第二异常用户可以为终端质量较差的用户。
另一方面,对网络承载异常用户在一个自然月内在目标网络制式下的第三使用流量进行判断。因为上述步骤S101中所确定的网络承载异常用户,是以在目标网络制式下的使用流量与在全部网络制式下的使用流量之比为基准来确定的,那么在步骤S102中,再次对网络承载异常用户在目标网络制式下使用流量的绝对值进行判断,可以更为准确地对异常用户进行识别。因此,无论是第一异常用户还是第二异常用户,均可以用第三使用流量小于50M的标准来进行判断。
进一步地,上述步骤S102中,还可以包括:从识别出的上述网络承载异常用户中,确定有效异常用户;其中,有效异常用户在第一预设时间长度内在全部网络制式下的第四使用流量大于或等于第四流量阈值;从确定的有效异常用户中,确定第一异常用户和第二异常用户。
实际实施时,当所确定出的网络承载异常用户在全部网络制式下的使用流量都处于一个较低的值时,该部分异常用户实际并不属于待识别的异常用户,属于无效异常用户。因此,识别出网络承载异常用户之后,可以先根据用户在全部网络制式下的使用流量这一绝对值确定出有效异常用户,再针对有效异常用户进行下一步分析和判断,可以有效地提高识别异常用户的准确性。
实际实施时,上述第一预设长度可以为一个自然月,上述第四流量阈值可以为50M。需要注意的是,上述取值仅为根据网络运营情况设定的经验值示例,并不构成对本申请实施例的限制。
更进一步地,上述步骤S102中,具体可以包括:将上述第三使用流量与上述第四使用流量的比值小于第一比例阈值的网络承载异常用户确定为上述第一异常用户;将上述第三使用流量与上述第四使用流量的比值小于第二比例阈值的网络承载异常用户确定为上述第二异常用户。
实际实施时,通常将在目标网络制式下的使用流量与在全部网络制式下的使用流量之比,来确定用户在目标网络制式下客观的网络承载体验;又将在目标网络制式下使用流量的绝对值,来确定用户在目标网络制式下主动的上网行为。因此,先筛选出网络承载体验较差的用户,再从这部分用户中确定出待识别的第一异常用户和第二异常用户,是识别异常用户的更佳方案。
具体地,上述第一比例阈值可以为10%,上述第二比例阈值可以为50%。需要注意的是,上述取值仅为根据网络运营情况设定的经验值示例,并不构成对本申请实施例的限制。
具体地,为上述第一异常用户和上述第二异常用户提供网络服务的基站中可以包含支持上述目标网络制式的基站。
客观而言,当用户所处区域无目标网络制式覆盖时,对该用户进行是否异常以及异常类型的识别和判断是缺乏价值的。实际实施时,可以通过判断用户在一个自然月中驻留时长最长的5个基站及附近区域是否包含支持目标网络制式的基站,来确定该用户所处区域是否有目标网络制式覆盖。
图4所示为上述步骤S102的详细流程示意图,具体可以包括以下步骤:
S1021、从识别出的所述网络承载异常用户中,确定有效异常用户。
S1022、判断有效异常用户的第一使用流量是否大于第一流量阈值。
当有效异常用户的第一使用流量不大于第一流量阈值时,进入步骤S1023;当有效异常用户的第一使用流量大于第一流量阈值时,进入步骤S1024。
S1023、将第三使用流量小于第二流量阈值、且第三使用流量与第四使用流量的比值小于第一比例阈值的有效异常用户确定为第一异常用户。
S1024、将第三使用流量小于第二流量阈值、且第三使用流量与第四使用流量的比值小于第二比例阈值的有效异常用户确定为第二异常用户。
基于同一构思,根据本申请上述实施例提供的一种异常用户识别方法,相应地,本申请实施例还提供了一种异常用户识别装置,具体实现方式可以参见前述方法的实施例,重复之处不再赘述。
本申请实施例提供一种异常用户识别装置,其结构示意图如图5所示,具体可以包括以下单元:
识别单元501,用于根据待识别用户在系统忙时在目标网络制式下的第一使用流量,以及在系统忙时在其它网络制式下的第二使用流量,识别在上述目标网络制式下的网络承载异常用户;上述待识别用户支持上述目标网络制式;上述系统忙时包括预设的至少一个时间段;
确定单元502,用于从识别出的网络承载异常用户中,确定第一异常用户和第二异常用户;
其中,上述第一异常用户的上述第一使用流量小于或等于第一流量阈值、且在第一预设时间长度内在目标网络制式下的第三使用流量小于第二流量阈值,上述第二异常用户的上述第一使用流量大于上述第一流量阈值、且上述第三使用流量小于上述第二流量阈值。
进一步地,如图6所示,还可以包括:
选择单元503,用于选择上述第一使用流量与第二使用流量之和大于或等于第三流量阈值的用户作为上述待识别用户。
进一步地,上述识别单元501,具体可以用于:
确定系统忙时所驻留的小区数量小于或等于第一数量阈值的待识别用户;
根据确定的上述待识别用户及其驻留的小区,确定忙时小区集;其中,上述忙时小区集包括的上述待识别用户的数量大于或等于第二数量阈值;
根据上述忙时小区集中的待识别用户的上述第一使用流量和第二使用流量,识别在上述目标网络制式下的网络承载异常用户。
进一步地,上述识别单元501,还可以用于:
根据上述忙时小区集中的多个待识别用户的上述第一使用流量和第二使用流量,识别目标网络制式正常的小区集;
针对上述目标网络制式正常的小区集中的任一待识别用户,根据该待识别用户的上述第一使用流量和第二使用流量,判断该待识别用户是否为上述网络承载异常用户。
进一步地,上述确定单元502,还可以用于:
从识别出的上述网络承载异常用户中,确定有效异常用户;其中,有效异常用户在第一预设时间长度内在全部网络制式下的第四使用流量大于或等于第四流量阈值;
从确定的有效异常用户中,确定第一异常用户和第二异常用户。
进一步地,上述确定单元502,具体可以用于:
将上述第三使用流量与上述第四使用流量的比值小于第一比例阈值的网络承载异常用户确定为上述第一异常用户;
将上述第三使用流量与上述第四使用流量的比值小于第二比例阈值的网络承载异常用户确定为上述第二异常用户。
具体地,为上述第一异常用户和上述第二异常用户提供网络服务的基站中可以包含支持上述目标网络制式的基站。
综上所述,本申请实施例提供的方案中,先根据支持目标网络制式的用户在系统忙时在目标网络制式下的网络承载体验,识别出网络承载异常用户,再根据上述异常用户在系统忙时以及在预设时间长度内在目标网络制式下的使用流量,确定异常用户的不同类型,达到了准确识别异常用户的效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中特定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中特定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中特定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请实施例的精神和范围。这样,倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (14)
1.一种异常用户识别方法,其特征在于,包括:
根据待识别用户在系统忙时在目标网络制式下的第一使用流量,以及在系统忙时在其它网络制式下的第二使用流量,识别在所述目标网络制式下的网络承载异常用户;所述待识别用户支持所述目标网络制式;所述系统忙时包括预设的至少一个时间段;
识别在所述目标网络制式下的网络承载异常用户,包括:根据所述第一使用流量与所述第二使用流量的比值,或者所述第一使用流量与所述第一使用流量加所述第二使用流量之和的比值,识别在所述目标网络制式下的网络承载异常用户;
从识别出的网络承载异常用户中,确定第一异常用户和第二异常用户;
其中,所述第一异常用户的所述第一使用流量小于或等于第一流量阈值、且在第一预设时间长度内在目标网络制式下的第三使用流量小于第二流量阈值,所述第二异常用户的所述第一使用流量大于所述第一流量阈值、且所述第三使用流量小于所述第二流量阈值,所述第一预设时间长度是指在系统忙时包裹的连续的预设时间段。
2.如权利要求1所述的异常用户识别方法,其特征在于,所述方法还包括:
选择所述第一使用流量与第二使用流量之和大于或等于第三流量阈值的用户作为所述待识别用户。
3.如权利要求1所述的异常用户识别方法,其特征在于,根据待识别用户在系统忙时在目标网络制式下的第一使用流量,以及在系统忙时在其它网络制式下的第二使用流量,识别在所述目标网络制式下的网络承载异常用户,具体包括:
确定系统忙时所驻留的小区数量小于或等于第一数量阈值的待识别用户;
根据确定的所述待识别用户及其驻留的小区,确定忙时小区集;其中,所述忙时小区集包括的所述待识别用户的数量大于或等于第二数量阈值;
根据所述忙时小区集中的待识别用户的所述第一使用流量和第二使用流量,识别在所述目标网络制式下的网络承载异常用户。
4.如权利要求3所述的异常用户识别方法,其特征在于,根据所述忙时小区集中的待识别用户的所述第一使用流量和第二使用流量,识别在所述目标网络制式下的网络承载异常用户,还包括:
根据所述忙时小区集中的多个待识别用户的所述第一使用流量和第二使用流量,识别目标网络制式正常的小区集;
针对所述目标网络制式正常的小区集中的任一待识别用户,根据该待识别用户的所述第一使用流量和第二使用流量,判断该待识别用户是否为所述网络承载异常用户。
5.如权利要求1所述的异常用户识别方法,其特征在于,从识别出的网络承载异常用户中,确定第一异常用户和第二异常用户,还包括:
从识别出的所述网络承载异常用户中,确定有效异常用户;其中,有效异常用户在第一预设时间长度内在全部网络制式下的第四使用流量大于或等于第四流量阈值;
从确定的有效异常用户中,确定第一异常用户和第二异常用户。
6.如权利要求5所述的异常用户识别方法,其特征在于,从识别出的网络承载异常用户中,确定第一异常用户和第二异常用户,具体包括:
将所述第三使用流量与所述第四使用流量的比值小于第一比例阈值的网络承载异常用户确定为所述第一异常用户;
将所述第三使用流量与所述第四使用流量的比值小于第二比例阈值的网络承载异常用户确定为所述第二异常用户。
7.如权利要求1所述的异常用户识别方法,其特征在于,为所述第一异常用户和所述第二异常用户提供网络服务的基站中包含支持所述目标网络制式的基站。
8.一种异常用户识别装置,其特征在于,包括:
识别单元,用于根据待识别用户在系统忙时在目标网络制式下的第一使用流量,以及在系统忙时在其它网络制式下的第二使用流量,识别在所述目标网络制式下的网络承载异常用户;所述待识别用户支持所述目标网络制式;所述系统忙时包括预设的至少一个时间段;
所述识别单元,具体用于根据所述第一使用流量与所述第二使用流量的比值,或者所述第一使用流量与所述第一使用流量加所述第二使用流量之和的比值,识别在所述目标网络制式下的网络承载异常用户;
确定单元,用于从识别出的网络承载异常用户中,确定第一异常用户和第二异常用户;
其中,所述第一异常用户的所述第一使用流量小于或等于第一流量阈值、且在第一预设时间长度内在目标网络制式下的第三使用流量小于第二流量阈值,所述第二异常用户的所述第一使用流量大于所述第一流量阈值、且所述第三使用流量小于所述第二流量阈值,所述第一预设时间长度是指在系统忙时包裹的连续的预设时间段。
9.如权利要求8所述的异常用户识别装置,其特征在于,还包括:
选择单元,用于选择所述第一使用流量与第二使用流量之和大于或等于第三流量阈值的用户作为所述待识别用户。
10.如权利要求8所述的异常用户识别装置,其特征在于,所述识别单元,具体用于:
确定系统忙时所驻留的小区数量小于或等于第一数量阈值的待识别用户;
根据确定的所述待识别用户及其驻留的小区,确定忙时小区集;其中,所述忙时小区集包括的所述待识别用户的数量大于或等于第二数量阈值;
根据所述忙时小区集中的待识别用户的所述第一使用流量和第二使用流量,识别在所述目标网络制式下的网络承载异常用户。
11.如权利要求10所述的异常用户识别装置,其特征在于,所述识别单元,还用于:
根据所述忙时小区集中的多个待识别用户的所述第一使用流量和第二使用流量,识别目标网络制式正常的小区集;
针对所述目标网络制式正常的小区集中的任一待识别用户,根据该待识别用户的所述使用流量和第二使用流量,判断该待识别用户是否为所述网络承载异常用户。
12.如权利要求8所述的异常用户识别装置,其特征在于,所述确定单元,还用于:
从识别出的所述网络承载异常用户中,确定有效异常用户;其中,有效异常用户在第一预设时间长度内在全部网络制式下的第四使用流量大于或等于第四流量阈值;
从确定的有效异常用户中,确定第一异常用户和第二异常用户。
13.如权利要求12所述的异常用户识别装置,其特征在于,确定单元,具体用于:
将所述第三使用流量与所述第四使用流量的比值小于第一比例阈值的网络承载异常用户确定为所述第一异常用户;
将所述第三使用流量与所述第四使用流量的比值小于第二比例阈值的网络承载异常用户确定为所述第二异常用户。
14.如权利要求8所述的异常用户识别装置,其特征在于,为所述第一异常用户和所述第二异常用户提供网络服务的基站中包含支持所述目标网络制式的基站。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610353738.5A CN107438262B (zh) | 2016-05-25 | 2016-05-25 | 一种异常用户识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610353738.5A CN107438262B (zh) | 2016-05-25 | 2016-05-25 | 一种异常用户识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107438262A CN107438262A (zh) | 2017-12-05 |
CN107438262B true CN107438262B (zh) | 2019-12-13 |
Family
ID=60452975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610353738.5A Active CN107438262B (zh) | 2016-05-25 | 2016-05-25 | 一种异常用户识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107438262B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110505181B (zh) * | 2018-05-17 | 2021-11-23 | 阿里巴巴(中国)有限公司 | 客户端识别方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102833668A (zh) * | 2012-08-20 | 2012-12-19 | 中国联合网络通信集团有限公司 | 数据流量提醒方法及装置 |
CN104038929A (zh) * | 2014-05-09 | 2014-09-10 | 宇龙计算机通信科技(深圳)有限公司 | 网络访问异常识别方法和网络访问异常识别装置 |
CN104796301A (zh) * | 2015-03-31 | 2015-07-22 | 北京奇艺世纪科技有限公司 | 网络流量异常判断方法和装置 |
CN105049291A (zh) * | 2015-08-20 | 2015-11-11 | 广东睿江科技有限公司 | 一种检测网络流量异常的方法 |
CN105281966A (zh) * | 2014-06-13 | 2016-01-27 | 腾讯科技(深圳)有限公司 | 网络设备的异常流量识别方法及相关装置 |
-
2016
- 2016-05-25 CN CN201610353738.5A patent/CN107438262B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102833668A (zh) * | 2012-08-20 | 2012-12-19 | 中国联合网络通信集团有限公司 | 数据流量提醒方法及装置 |
CN104038929A (zh) * | 2014-05-09 | 2014-09-10 | 宇龙计算机通信科技(深圳)有限公司 | 网络访问异常识别方法和网络访问异常识别装置 |
CN105281966A (zh) * | 2014-06-13 | 2016-01-27 | 腾讯科技(深圳)有限公司 | 网络设备的异常流量识别方法及相关装置 |
CN104796301A (zh) * | 2015-03-31 | 2015-07-22 | 北京奇艺世纪科技有限公司 | 网络流量异常判断方法和装置 |
CN105049291A (zh) * | 2015-08-20 | 2015-11-11 | 广东睿江科技有限公司 | 一种检测网络流量异常的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107438262A (zh) | 2017-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Oughton et al. | Towards 5G: Scenario-based assessment of the future supply and demand for mobile telecommunications infrastructure | |
CN105407494B (zh) | 网络扩容方法及装置 | |
CN110505650B (zh) | 随机异构分层网容量智能评估方法及装置 | |
JP2020507135A (ja) | 専属エージェントプール配分方法、電子装置及びコンピューター読取可能な記憶媒体 | |
CN110996377B (zh) | 一种基站节能方法、系统、装置和存储介质 | |
CN102143534B (zh) | 带宽控制的处理方法、设备及系统 | |
CN111132190A (zh) | 基站负荷预警方法、装置 | |
CN109600315B (zh) | 数据通道的流控方法和调整方法 | |
CN107147514B (zh) | 一种电力通信网络优化资源配置方法及系统 | |
CN108770017B (zh) | 一种无线资源动态均衡方法及系统 | |
CN111385800A (zh) | 一种lte容量均衡的载波调度方法和装置 | |
CN109982257B (zh) | 确定移动用户归属区域的方法、装置、系统 | |
CN114007225A (zh) | Bwp的分配方法、装置、电子设备及计算机可读存储介质 | |
CN114786268A (zh) | 数据传输带宽调整方法、装置、电子设备及存储介质 | |
CN107734595B (zh) | 接入控制方法及装置、系统 | |
CN107438262B (zh) | 一种异常用户识别方法及装置 | |
CN101969651B (zh) | 一种lte系统中的指数型负荷估计方法及装置 | |
US9794137B2 (en) | Method and apparatus for assigning network resource | |
CN108271160A (zh) | 一种网络资源优化方法和装置 | |
CN104754617B (zh) | 一种无线网络的优化方法及装置 | |
CN109525995B (zh) | 一种小区识别方法、装置及计算机可读存储介质 | |
CN110166964A (zh) | 一种待扩容基站的确定方法及装置 | |
CN113015218B (zh) | 移动通信信息的处理方法和装置 | |
CN107294672B (zh) | 一种小区载波聚合的调度方法及装置 | |
WO2018018770A1 (zh) | 调度多套运营商订阅网络的方法及终端设备、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |