CN112631856B - 一种意图驱动6g网络智能运维方法、系统、设备及应用 - Google Patents

一种意图驱动6g网络智能运维方法、系统、设备及应用 Download PDF

Info

Publication number
CN112631856B
CN112631856B CN202011498010.4A CN202011498010A CN112631856B CN 112631856 B CN112631856 B CN 112631856B CN 202011498010 A CN202011498010 A CN 202011498010A CN 112631856 B CN112631856 B CN 112631856B
Authority
CN
China
Prior art keywords
network
intention
fault
intelligent
driven
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
Application number
CN202011498010.4A
Other languages
English (en)
Other versions
CN112631856A (zh
Inventor
杨春刚
弥欣汝
陈立水
宋延博
毛军礼
魏东红
吴晓光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
CETC 54 Research Institute
Original Assignee
Xidian University
CETC 54 Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University, CETC 54 Research Institute filed Critical Xidian University
Priority to CN202011498010.4A priority Critical patent/CN112631856B/zh
Publication of CN112631856A publication Critical patent/CN112631856A/zh
Application granted granted Critical
Publication of CN112631856B publication Critical patent/CN112631856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明属于无线通信技术领域，公开了一种意图驱动6G网络智能运维方法、系统及应用，所述意图驱动6G网络智能运维方法通过意图转译模块将由自然语言表示的原始运营商意图转译为网络可识别的意图标准表达式；通过意图智能策略生成模块实现细粒度策略的智能重组，生成满足意图的智能新策略；引入深度神经进化网络，对收集到的故障信息集进行特征提取，得到故障的类型、位置、数量、故障源信息及故障发生时间，并构造网络故障拓扑图，进行故障定位和修复。本发明AI的引入，使网络运维从人工化向智能化转型。机器学习等智能技术的应用，使得网络可以及时发现并修复网络故障，保障网络的自驱动、自优化和鲁棒性，提高网络管理效率。

Description

一种意图驱动6G网络智能运维方法、系统、设备及应用
技术领域
本发明属于无线通信技术领域，尤其涉及一种意图驱动6G网络智能运维方法、系统、设备及应用。
背景技术
目前：公安将关键业务运行于IT网络系统之上，那么该系统是否能够正常运行直接关系到业务是否能够正常运行的关键之所在。但随着网络设备的不断增加、网络结构日趋复杂，网络运维也面临着极大的挑战。在网络故障发生前，不能及时地对网络故障进行预判；同时在故障发生后，也不能及时地对故障进行响应，需要人为的地去分析故障后寻找有效地解决和弥补方法。网络运维延迟大、人工参与度高、自动化程度低、自优化能力弱。即使运维人员想升级改造网络系统，也存在无法说清问题真实原因的情况。网络系统的任何故障如果没有及时得到妥善处理都将会导致很大的影响甚至会成为灾难。因此，如何保障网络系统的正常运行，实现：预知故障，即在故障发生之前发现故障；实时告知，即在第一时间将故障情况通知相关的管理人员；有效处理，即在预定的时间内处理故障，若未及时处理将采取升级措施；以上问题简单来说，如何实现“第一时间发现问题”、“第一时间通知相关人员”，“第一时间处理问题”，成为智能运维管理系统主管关注的重点问题。
通过上述分析，现有技术存在的问题及缺陷为：
(1)网络运维手段落后：传统的网络运维主要是运维人员通过自身的经验和知识进行运维，但因运维人员新老更新较快，运维人员难以及时将自己积累的运维经验传递给新人，新人的知识和经验积累又需要很漫长的过程。同时，现阶段的网络运维缺少预测措施，不能第一时间发现问题，只对已发生的故障寻求有效地的方法去解决和弥补，无法对故障提前做出预判。
(2)网络运维体制不完善：传统的网络运维模式中，设备、人员相对分散，各自单独管理，运维人员的经验和知识不能得到有效的共享和传递，管理形成“孤岛”，运维效率低下。同时，网络故障的发生具有很多不确定性因素，运维人员不能第一时间将网络存在的问题通知给运维人员，运维人员也不能第一时间对网络问题做出响应。网络运维延迟大，无法及时处理网络故障。
意图驱动6G网络智能运维方法是未来网络运维的关键所在，其运维质量问题将关系整个运营商的业务运营质量。针对上述问题及缺陷，提出以下解决思路：
(1)对于运维手段落后导致不能第一时间发现网络问题的问题，本发明引入意图驱动网络。基于意图保障模块，实时不间断的监控网络行为，发现违反网络意图的异常状态，即故障信息，控制器基于深度神经进化网络的故障判别模型分析故障信息，并构造网络故障拓扑图输入给意图转译模块，在故障发生之前对其进行规避，保障业务的有效执行。
(2)针对运维体制不完善导致不能第一时间将网络存在的问题通知给运维人员，以及运维人员也不能第一时间对网络问题做出响应的问题，本发明通过 AI赋能的意图驱动网络实现网络智能化运维。具体的，在意图使能层引入意图转译模块、意图智能策略生成模块和意图保障模块，构建AI使能的“外简内繁”网络体系架构，形成“AI流”和“意图流”，提出自动化、自优化的闭环意图策略执行。网络在故障发生时，可以根据策略库自主的生成新策略，并对网络环境是否适应新策略进行校验。
综上所述，在网络运维管理过程中，本发明通过意图驱动网络的引入，使得传统以人工经验为主的运营方式向智能化、综合化和自动化的发向发展，有效地将网络资源与用户业务进行映射，为用户提供实时、可靠、敏捷、易维护、高效节能的服务。通过AI赋能，实现对网络各项性能进行实时在线监测。在网络故障发生前，本发明可以通过网络状态感知与特征提取对网络将会发生的故障进行预测与规避；在网络故障发生后，本发明可以通过意图保障模块对故障进行及时定位和排除，最终实现一个自动化、自优化的智能运维系统，促进网络规范、高效的运维。
发明内容
针对现有技术存在的问题，本发明提供了一种意图驱动6G网络智能运维方法、系统、设备及应用。
本发明是这样实现的，一种意图驱动6G网络智能运维方法，所述意图驱动 6G网络智能运维方法包括：
通过意图转译模块将由自然语言表示的原始运营商意图转译为网络识别的意图标准表达式；
通过意图智能策略生成模块实现细粒度策略的智能重组，生成满足意图的智能新策略；
引入深度神经进化网络，对收集到的故障信息集进行特征提取，得到故障的类型、位置、数量、故障源信息及故障发生时间，并构造网络故障拓扑图，进行故障定位和修复。
进一步，所述意图驱动6G网络智能运维方法的意图转译对运营商意图与网络可识别意图之间的联系，利用深度强化学习构造它们之间的映射关系模型，建立连接关系，确保网络精准识别运营商意图；意图转译技术采用声明式的表达体现运营商意图，通过意图北向接口与上层应用交互，简化网络运维和新业务建建立；
第一步：用自然语言定义运营商意图；
第二步：通过长短时记忆LSTM将意图分为多个关键字，由意图词库查询模块映射出意图五元组<领域、属性、对象、操作、结果>；
第三步：通过对意图句法和词语间的关联进行分析，输出意图标准表达式。
进一步，所述意图驱动6G网络智能运维方法的意图智能策略生成根据意图执行动作，是意图实现的过程；实质是将策略库中的细粒度策略进行动态集成，寻找满足运营商意图的新的智能策略；
第一步：根据网络运行历史策略数据以及人工运维经验建立细粒度策略库；
第二步：引入强化学习算法，通过代理与环境交互，迭代学习，依据意图目标将各种细粒度策略重新组合为新策略。
进一步，所述意图驱动6G网络智能运维方法的意图保障在网络发生异常时，进行故障定位和修复；
第一步：建立一张故障信息表，用于存储违反网络意图的异常信息；故障发生后，故障的详细信息和经过系统处理分析后的修正信息也都存在表中；
第二步：监控器的监视模块监视违反网络意图的异常状态，即故障信息；控制器基于深度神经进化网络的故障判别模型分析故障信息，得到故障的类型、位置、数量、故障源信息及故障发生时间，并构造网络故障拓扑图；值得注意的是，当网络存在多个故障时，基于深度神进化经网络的故障判别模型将会有多组输入；
第三步：通过深度神经进化网络，在意图执行过程中发现网络故障，并重新选择配置策略来维护运营商的意图，深度神经进化网络不仅可以实现精确的故障定位，还可以在网络发生故障时，确保每个意图拥有保障机制。
进一步所述意图驱动6G网络智能运维方法通过带有各类传感器的智能终端收集网络状态数据信息。
进一步，所述意图驱动6G网络智能运维方法的网络应用通过使用意图北向接口与控制器通信，表达网络所期望的行为，定义配置要求以及程序转发需求；意图北向接口隐藏网络对象和服务的底层细节，使得运营商以声明性的方式而不是命令性的方式来表达他们的意图；
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
通过意图转译模块将由自然语言表示的原始运营商意图转译为网络识别的意图标准表达式；
通过意图智能策略生成模块实现细粒度策略的智能重组，生成满足意图的智能新策略；
引入深度神经进化网络，对收集到的故障信息集进行特征提取，得到故障的类型、位置、数量、故障源信息及故障发生时间，并构造网络故障拓扑图，进行故障定位和修复。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的意图驱动6G网络智能运维方法。
本发明的另一目的在于提供一种实施所述意图驱动6G网络智能运维方法的意图驱动6G网络智能运维系统，所述意图驱动6G网络智能运维系统包括：
业务应用层，用于部署运营商希望实现的各种应用；
意图使能层，用于具有管理控制和定制策略的功能，包括意图转译模块、意图智能策略生成模块、意图保障模块；北向接口连接业务应用层和意图使能层，南向接口通过使用OpenFlow协议实现控制器和网络设备之间的互通；
信息感知层，用于通过带有各类传感器的智能终端收集网络状态数据信息；
意图北向接口，位于业务应用层和意图使能层之间，网络应用通过使用意图北向接口与控制器通信，表达网络所期望的行为，定义配置要求以及程序转发需求；用于隐藏网络对象和服务的底层细节，使得运营商可以以声明性的方式而不是命令性的方式来表达他们的意图；
意图南向接口，用于定义控制器和网络设备之间的通信协议；OpenFlow作为成熟的南向接口在控制器和网络设备之间建立连接，感知、获取并维护转发设备的状态，再通过链路发现协议，获取转发设备之间的连接情况，以流表的形式将转发规则下发到对应的转发设备中。
本发明的另一目的在于提供一种无线通信系统，所述无线通信系统用于实施所述意图驱动6G网络智能运维方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明将AI运用于意图网络，建立基于AI的意图转译模块、意图智能策略生成模块和意图保障模块，构建新型的6G网络智能运维系体架构，实现全自动化网络运维模式。所述意图驱动的6G网络智能运维架构核心思想是，构建AI使能的“外简内繁”网络体系架构，形成“AI流”和“意图流”，提出闭环意图策略执行。本发明还提出了一种意图SAI双环网络运维框架图，形成自顶向下的任务-意图 -策略流，以及自底向上的数据激励-信息激励的网络验证流。
本发明通过业务应用层获取运营商意图，运营商意图通过意图转译模块、意图智能策略生成模块和意图保障模块实现自动化部署和下发。AI的引入，使网络运维从人工化向智能化运维转型。机器学习等智能技术的应用，使得网络可以及时发现并修复网络故障，保障网络可的鲁棒性，提高网络管理效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的意图驱动6G网络智能运维方法流程图。
图2是本发明实施例提供的意图驱动6G网络智能运维系统的结构示意图；
图2中：1、业务应用层；2、意图使能层；3、信息感知层；4、意图北向接口；5、意图南向接口。
图3是本发明实施例提供的意图SAI双环网络运维框架图。
图4是本发明实施例提供的网络故障信息表示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种意图驱动6G网络智能运维方法、系统及应用，下面结合附图对本发明作详细的描述。
如图1所示，本发明提供的意图驱动6G网络智能运维方法包括以下步骤：
S101：通过意图转译模块将由自然语言表示的原始运营商意图转译为网络可识别的意图标准表达式；
S102：通过意图智能策略生成模块实现细粒度策略的智能重组，生成满足意图的智能新策略；
S103：引入深度神经进化网络，对收集到的故障信息集进行特征提取，得到故障的类型、位置、数量、故障源信息及故障发生时间，并构造网络故障拓扑图，及时准确的进行故障定位和修复。
本发明提供的意图驱动6G网络智能运维方法业内的普通技术人员还可以采用其他的步骤实施，图1的本发明提供的意图驱动6G网络智能运维方法仅仅是一个具体实施例而已。
如图2所示，本发明提供的意图驱动6G网络智能运维系统包括：
业务应用层1，用于部署运营商希望实现的各种应用，例如：智能监控、实时监控和日志分析等。
意图使能层2，用于具有管理控制和定制策略的功能，主要包括意图转译模块、意图智能策略生成模块、意图保障模块。各个模块基于AI等智能技术，可以智能的进行数据处理、策略重组和特征提取等功能，形成“AI流”，实现意图闭环策略生成。北向接口连接业务应用层和意图使能层，南向接口通过使用 OpenFlow协议实现控制器和网络设备之间的互通。
信息感知层3，用于通过带有各类传感器的智能终端收集网络状态数据信息。
意图北向接口4，位于业务应用层和意图使能层之间，网络应用通过使用意图北向接口与控制器通信，表达网络所期望的行为，定义配置要求以及程序转发需求；用于隐藏网络对象和服务的底层细节，使得运营商可以以声明性的方式而不是命令性的方式来表达他们的意图。
意图南向接口5，用于定义控制器和网络设备之间的通信协议。OpenFlow 作为成熟的南向接口在控制器和网络设备之间建立连接，感知、获取并维护转发设备的状态，再通过链路发现协议，获取转发设备之间的连接情况，以流表的形式将转发规则下发到对应的转发设备中。
下面结合附图对本发明的技术方案作进一步的描述。
本发明形成“2流2环路”的智能网络运维模式，其中“2流”指“AI流”和“意图流”；“2环路”指“闭环策略生成”和“双环网络运维”。所述意图驱动的6G网络智能运维体系架构包括业务应用层、意图使能层、信息感知层以及意图南北向接口。本发明还提出了一种6G网络智能运维技术方法，通过AI 赋能的意图网络实现网络完全自动化运维。基于AI、大数据等技术，首先通过意图转译模块将由自然语言表示的原始运营商意图转译为网络可识别的意图标准表达式；其次，通过意图智能策略生成模块实现细粒度策略的智能重组，生成满足意图的智能新策略；最后，引入深度神经进化网络，对收集到的故障信息集进行特征提取，得到故障的类型、位置、数量、故障源信息及故障发生时间，并构造网络故障拓扑图，及时准确的进行故障定位和修复。本发明可以用于意图全流程的实现，也可以用于实现自动化、无人值守式网络智能运维模式。
如图2所示，本发明提供的意图驱动6G网络智能运维系统包括：
业务应用层1：应用层用来部署运营商希望实现的各种应用，例如：智能监控、实时监控和日志分析等。通过AI赋能的意图网络来满足各种应用的需求。运营商的意图关注实现的目标，没有任何网络参数。
意图使能层2：具有管理控制和定制策略的功能，主要包括意图转译模块、意图智能策略生成模块、意图保障模块。各个模块基于AI等智能技术，可以智能的进行数据处理、策略重组和特征提取等功能，形成“AI流”，实现意图闭环策略生成。北向接口连接业务应用层和意图使能层，南向接口通过使用OpenFlow 协议实现控制器和网络设备之间的互通。
意图转译模块主要对运营商意图与网络可识别意图之间的联系进行了探讨，然后利用深度强化学习构造它们之间的映射关系模型，建立连接关系，确保网络精准识别运营商意图。意图转译技术采用声明式的表达体现运营商意图，通过意图北向接口与上层应用交互，简化网络运维和新业务建建立。
第一步：用自然语言定义运营商意图，例如“我请求实现智能网络管理”；
第二步：通过长短时记忆(LSTM)将意图分为多个关键字，由意图词库查询模块映射出意图五元组<领域、属性、对象、操作、结果>；
第三步：通过对意图句法和词语间的关联进行分析，输出意图标准表达式。
意图智能策略生成模块根据意图执行动作，是意图实现的过程。实质是将策略库中的细粒度策略进行动态集成，寻找满足运营商意图的新的智能策略。
第一步：根据网络运行历史策略数据以及人工运维经验建立细粒度策略库；
第二步：引入强化学习算法，通过代理与环境交互，迭代学习，依据意图目标将各种细粒度策略重新组合为新策略。
意图保障模块保证了网络执行意图的正确性，并在网络发生异常时，及时准确的进行故障定位和修复。
第一步：建立一张故障信息表，用于存储违反网络意图的异常信息。故障发生后，故障的详细信息和经过系统处理分析后的修正信息也都存在表中；
第二步：监控器的监视模块监视违反网络意图的异常状态，即故障信息。控制器基于深度神经进化网络的故障判别模型分析故障信息，得到故障的类型、位置、数量、故障源信息及故障发生时间，并构造网络故障拓扑图。值得注意的是，当网络存在多个故障时，基于深度神进化经网络的故障判别模型将会有多组输入；
第三步：通过深度神经进化网络，本发明可以在意图执行过程中发现网络故障，并重新选择配置策略来维护运营商的意图，深度神经进化网络不仅可以实现精确的故障定位，还可以在网络发生故障时，确保每个意图拥有保障机制。
信息感知层3：通过带有各类传感器的智能终端收集网络状态数据信息。数据感知是网络智能运维的前提，可以解放运维人力，提高运维效率和精度。
意图北向接口4：位于业务应用层和意图使能层之间，网络应用通过使用意图北向接口与控制器通信，表达网络所期望的行为，定义配置要求以及程序转发需求。意图北向接口隐藏网络对象和服务的底层细节，使得运营商可以以声明性的方式而不是命令性的方式来表达他们的意图。
意图南向接口5：用来定义控制器和网络设备之间的通信协议。OpenFlow 作为成熟的南向接口在控制器和网络设备之间建立连接，感知、获取并维护转发设备的状态，再通过链路发现协议，获取转发设备之间的连接情况，以流表的形式将转发规则下发到对应的转发设备中。
结合图4对意图SAI双环网络运维框架图做进一步介绍，包括意图深度挖掘、强化学习和网络状态感知三个模块，同时包括两种类型的智能流，即自顶向下的任务-意图-策略流，以及自底向上的数据激励-信息激励的网络验证流。
强化学习的思想是在与环境的交互过程中不断学习策略，以追求回报的最大化。将总环路分为意图深度挖掘模块(环路一)和网络状态感知模块(环路二)，不同的环路执行不同的任务。意图深度挖掘模块的职责是随着经验的积累，预测生成的意图的真实性，并将网络意图输入给强化学习模块，以辅助其提高决策的速度和精度，并与其不断进行交互迭代更新。网络状态感知模块的职责是与其对应的网络环境进行交互，根据交互到的经验更新自身参数，并将其存储到网络状态感知模型中。SAI闭环强化学习模块则不需要对意图进行挖掘，也不需要对底层网络环境进行态势感知。SAI闭环强化学习模块使用意图深度挖掘模块输入的网络意图以及网络状态感知模块反馈的网络态势感知等数据进行学习，根据学习结果更新全局参数。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种意图驱动6G网络智能运维方法，其特征在于，所述意图驱动6G网络智能运维方法包括：
通过意图转译模块将由自然语言表示的原始运营商意图转译为网络可识别的意图标准表达式；
通过意图智能策略生成模块实现细粒度策略的智能重组，生成满足意图的智能新策略；
引入深度神经进化网络，对收集到的故障信息集进行特征提取，得到故障的类型、位置、数量、故障源信息及故障发生时间，并构造网络故障拓扑图，进行故障定位和修复；
所述意图驱动6G网络智能运维方法的意图保障在网络发生异常时，进行故障定位和修复；
第一步：建立一张故障信息表，用于存储违反网络意图的异常信息；故障发生后，故障的详细信息和经过系统处理分析后的修正信息也都存在表中；
第二步：监控器的监视模块监视违反网络意图的异常状态，即故障信息；控制器基于深度神经进化网络的故障判别模型分析故障信息，得到故障的类型、位置、数量、故障源信息及故障发生时间，并构造网络故障拓扑图；值得注意的是，当网络存在多个故障时，基于深度神进化经网络的故障判别模型将会有多组输入；
第三步：通过深度神经进化网络，在意图执行过程中发现网络故障，并重新选择配置策略来维护运营商的意图，深度神经进化网络不仅可以实现精确的故障定位，还可以在网络发生故障时，确保每个意图拥有保障机制。
2.如权利要求1所述的意图驱动6G网络智能运维方法，其特征在于，所述意图驱动6G网络智能运维方法的意图转译对运营商意图与网络可识别意图之间的联系，利用深度强化学习构造它们之间的映射关系模型，建立连接关系，确保网络精准识别运营商意图；意图转译技术采用声明式的表达体现运营商意图，通过意图北向接口与上层应用交互，简化网络运维和新业务建立；
第一步：用自然语言定义运营商意图；
第二步：通过长短时记忆(LSTM)方法将意图分为多个关键字，由意图词库查询模块映射出意图五元组<领域、属性、对象、操作、结果>；
第三步：通过对意图句法和词语间的关联关系进行分析，输出意图标准表达式。
3.如权利要求1所述的意图驱动6G网络智能运维方法，其特征在于，所述意图驱动6G网络智能运维方法的意图智能策略生成根据意图执行动作，是意图实现的过程；实质是将策略库中的细粒度策略进行动态集成，寻找满足运营商意图的新的智能策略；
第一步：根据网络运行历史策略数据以及人工运维经验建立细粒度策略库；
第二步：引入强化学习算法，通过代理与环境交互，迭代学习，依据意图目标将各种细粒度策略重新组合为新策略。
4.如权利要求1所述的意图驱动6G网络智能运维方法，其特征在于，所述意图驱动6G网络智能运维方法通过带有各类传感器的智能终端收集网络状态数据信息。
5.如权利要求1所述的意图驱动6G网络智能运维方法，其特征在于，所述意图驱动6G网络智能运维方法的网络应用通过使用意图北向接口与控制器通信，表达网络所期望的行为，定义配置要求以及程序转发需求；意图北向接口隐藏网络对象和服务的底层细节，使得运营商以声明性的方式而不是命令性的方式来表达他们的意图。
6.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～5任意一项所示意图驱动6G网络智能运维方法的步骤。
7.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现权利要求1～5任意一项所述的意图驱动6G网络智能运维方法。
8.一种实施权利要求1～5任意一项所述意图驱动6G网络智能运维方法的意图驱动6G网络智能运维系统，其特征在于，所述意图驱动6G网络智能运维系统包括：
业务应用层，用于部署运营商希望实现的各种应用；
意图使能层，用于具有管理控制和定制策略的功能，包括意图转译模块、意图智能策略生成模块、意图保障模块；北向接口连接业务应用层和意图使能层，南向接口通过使用OpenFlow协议实现控制器和网络设备之间的互通；
信息感知层，用于通过带有各类传感器的智能终端收集网络状态数据信息；
意图北向接口，位于业务应用层和意图使能层之间，网络应用通过使用意图北向接口与控制器通信，表达网络所期望的行为，定义配置要求以及程序转发需求；用于隐藏网络对象和服务的底层细节，使得运营商可以以声明性的方式而不是命令性的方式来表达他们的意图；
意图南向接口，用于定义控制器和网络设备之间的通信协议；OpenFlow作为成熟的南向接口在控制器和网络设备之间建立连接，感知、获取并维护转发设备的状态，再通过链路发现协议，获取转发设备之间的连接情况，以流表的形式将转发规则下发到对应的转发设备中。
9.一种无线通信系统，其特征在于，所述无线通信系统用于实施权利要求1～5任意一项所述意图驱动6G网络智能运维方法。
CN202011498010.4A 2020-12-17 2020-12-17 一种意图驱动6g网络智能运维方法、系统、设备及应用 Active CN112631856B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011498010.4A CN112631856B (zh) 2020-12-17 2020-12-17 一种意图驱动6g网络智能运维方法、系统、设备及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011498010.4A CN112631856B (zh) 2020-12-17 2020-12-17 一种意图驱动6g网络智能运维方法、系统、设备及应用

Publications (2)

Publication Number Publication Date
CN112631856A CN112631856A (zh) 2021-04-09
CN112631856B true CN112631856B (zh) 2022-04-29

Family

ID=75316811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011498010.4A Active CN112631856B (zh) 2020-12-17 2020-12-17 一种意图驱动6g网络智能运维方法、系统、设备及应用

Country Status (1)

Country Link
CN (1) CN112631856B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115529256A (zh) * 2021-06-24 2022-12-27 中兴通讯股份有限公司 排障方法、系统、电子设备和计算机可读存储介质
CN115706695A (zh) * 2021-08-03 2023-02-17 华为技术有限公司 网络故障根因的确定方法、装置、设备及存储介质
CN113779247B (zh) * 2021-08-27 2023-07-18 北京邮电大学 基于意图驱动的网络故障诊断方法及系统
CN114137861A (zh) * 2021-10-23 2022-03-04 西安电子科技大学 一种意图驱动的云安全服务系统及方法
CN114167760B (zh) * 2021-10-23 2023-12-29 西安电子科技大学 一种意图驱动网络管理系统及方法
CN114143272A (zh) * 2021-10-23 2022-03-04 西安电子科技大学 一种意图驱动6g地面网络管控系统及方法
CN114143186B (zh) * 2021-10-23 2022-12-30 西安电子科技大学 一种意图驱动自组织网络业务保障系统及方法
CN114189433A (zh) * 2021-12-17 2022-03-15 中国联合网络通信有限公司重庆市分公司 一种意图驱动网络系统
CN114339851A (zh) * 2021-12-30 2022-04-12 中国电信股份有限公司 小站自组织方法、装置、设备及介质
CN114710391B (zh) * 2022-03-22 2023-06-23 中国电子科技集团公司第五十四研究所 一种适用于专用通信系统的智能化故障感知分析处理方法
CN117829438A (zh) * 2022-09-23 2024-04-05 中兴通讯股份有限公司 自智运维方法、装置、计算机可读存储介质及电子装置
CN118042498A (zh) * 2022-11-11 2024-05-14 上海华为技术有限公司 一种信息处理方法及设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10514898B2 (en) * 2017-08-10 2019-12-24 Raju Pandey Method and system to develop, deploy, test, and manage platform-independent software
CN108009061B (zh) * 2017-12-04 2020-04-14 东北大学 一种改变复杂网络中节点控制类别的方法
CN109245916B (zh) * 2018-08-15 2021-06-11 西安电子科技大学 一种意图驱动的云化接入网系统及方法
CN109347808B (zh) * 2018-09-26 2021-02-12 北京计算机技术及应用研究所 一种基于用户群行为活动的安全分析方法
CN110198237B (zh) * 2019-05-27 2021-05-04 北京邮电大学 一种无线意图驱动网络的配置方法
CN110278111B (zh) * 2019-05-29 2021-08-31 西安电子科技大学 一种意图驱动网络通用架构及其意图驱动网络转译方法

Also Published As

Publication number Publication date
CN112631856A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN112631856B (zh) 一种意图驱动6g网络智能运维方法、系统、设备及应用
US10901727B2 (en) Monitoring code sensitivity to cause software build breaks during software project development
US10310968B2 (en) Developing software project plans based on developer sensitivity ratings detected from monitoring developer error patterns
CN106534291B (zh) 基于大数据处理的电压监测方法
Baranda et al. On the Integration of AI/ML-based scaling operations in the 5Growth platform
CN114077742B (zh) 软件漏洞智能挖掘方法和装置
US11934855B2 (en) System and method to autonomously manage hybrid information technology (IT) infrastructure
CN110221815A (zh) 一种基于本体的控制软件模型的自动生成方法
US20230376726A1 (en) Inference service deployment method, device, and storage medium
WO2023197453A1 (zh) 一种故障诊断方法、装置、设备及存储介质
CN114422322B (zh) 一种告警压缩的方法、装置、设备及存储介质
CN113448947B (zh) 一种mongo数据库分布式部署运维的方法和装置
WO2017113835A1 (zh) 一种大数据库系统的安装工具
CN103927244A (zh) 一种基于动态代理实现的插件调度过程监控的方法
Luo et al. A scalable rule engine system for trigger-action application in large-scale IoT environment
CN117762644A (zh) 分布式云计算系统的资源动态调度技术
CN106412013A (zh) 一种基于Linux的光伏并网Web监测系统
US20230350369A1 (en) Integrated management and control system for power plant
CN114745409A (zh) 一种智慧物联网设备远程控制方法
US20210286785A1 (en) Graph-based application performance optimization platform for cloud computing environment
Yan et al. First demonstration of imbalanced data learning-based failure prediction in self-optimizing optical networks with large scale field topology
KR20220001624A (ko) 제조 데이터 플랫폼을 제공하기 위한 방법 및 장치
CN112686583A (zh) 一种民航事件自动处置流程生成方法及系统
CN111399971A (zh) 一种网元状态解析方法、装置和存储介质
Gulenko et al. Anomaly Detection and Levels of Automation for AI-Supported System Administration

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