CN115190051A - 心跳数据识别方法及电子装置 - Google Patents
心跳数据识别方法及电子装置 Download PDFInfo
- Publication number
- CN115190051A CN115190051A CN202110356003.9A CN202110356003A CN115190051A CN 115190051 A CN115190051 A CN 115190051A CN 202110356003 A CN202110356003 A CN 202110356003A CN 115190051 A CN115190051 A CN 115190051A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- heartbeat
- information
- sending
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/10—Active monitoring, e.g. heartbeat, ping or trace-route
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Health & Medical Sciences (AREA)
- Cardiology (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了一种通信网络的心跳数据识别方法及电子设备,提供的方案包括:获取目标通信网络在目标历史时间段内的日志统计数据,其中,所述日志统计数据中携带接入点标识信息、终端标识信息、目的IP地址信息、数据包大小信息、协议类型和发送时间戳信息;基于所述日志统计数据进行数据聚合得到聚合数据,其中,相同接入点下的相同终端发送的心跳数据中的目的IP地址、数据包大小、协议类型和发送周期相同;基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据。本申请实施例能够实现高数据量、高计算量的心跳数据识别处理,提高心跳数据识别的时效性及灵活性,进而提高识别效率。
Description
技术领域
本申请涉及移动通信技术领域,尤其涉及一种心跳数据识别方法及电子设备。
背景技术
物联网业务心跳机制为当终端发送心跳请求給服务器时,服务器对终端不做响应,心跳信息反应到数据统计结果中对应的是服务器响应失败。现有方式为采用手工分析来识别心跳数据,从数据统计结果中提取所有响应失败的数据导出到预定格式文本中,对同一个终端的数据查看其对应请求的时间序列,并计算序列的时间间隔,时间间隔大致相同的认定为心跳数据。
然而,心跳数据手工分析法的灵活性较差,针对特殊情况需要分别分析。由于物联网终端和接入点(Access Point Name,APN)众多,不可能手工对所有情况进行分析,而且手工分析存在速度慢的缺点。
如何有效提高现有手工心跳数据识别效率的问题,是目前需要解决的技术问题。
发明内容
本申请实施例的目的是提供一种心跳数据识别方法及电子设备,用以解决心跳数据手工识别效率低的问题。
为了解决上述技术问题,本说明书是这样实现的:
第一方面,提供了一种通信网络的心跳数据识别方法,包括:获取目标通信网络在目标历史时间段内的日志统计数据,其中,所述日志统计数据中携带接入点标识信息、终端标识信息、目的IP地址信息、数据包大小信息、协议类型和发送时间戳信息;基于所述日志统计数据进行数据聚合得到聚合数据,其中,相同接入点下的相同终端发送的心跳数据中的目的IP地址、数据包大小、协议类型和发送周期相同;基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据。
可选的,在基于所述日志统计数据进行数据聚合得到聚合数据之前,还包括:
确定所述日志统计数据中接入点标识信息、终端标识信息、目的IP地址信息、数据包大小信息、协议类型和发送时间戳信息中至少一项对应的字段为空的数据;
从所述日志统计数据中去除所述字段为空的数据。
可选的,基于所述日志统计数据进行数据聚合得到聚合数据,包括:
根据目标发送时间戳信息,将所述日志统计数据中符合心跳数据描述的接入点标识信息、终端标识信息、目的IP地址信息、数据包大小信息、协议类型进行聚合,以得到所述目标发送时间戳信息对应的目标聚合数据。
可选的,基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据,包括:
根据所述聚合数据中目标终端对应的多个发送时间戳信息,确定所述目标终端各相邻发送时间点对应的时间间隔组成的差值序列;
根据所述差值序列中的较大差值和较小差值对应的发送时间点,从所述聚合数据中去除所述发送时间点对应的聚合数据,以得到所述心跳数据。
可选的,基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据,还包括:
计算所述差值序列的均值及方差,以确定所述聚合数据中的误差聚合数据;
从所述聚合数据中去除所述误差聚合数据,以得到所述心跳数据。
可选的,基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据,还包括:
计算所述差值序列的L2范数数值;
在L2范数数值接近预定值时,确定在所述差值序列对应的各发送时间点发送的聚合数据为心跳数据,其中,所述预定值为所述目标终端向目标目的IP地址发送的心跳数据的发送周期对应的L2范数数值。
可选的,在基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据之后,还包括:
获取所述心跳数据的详细描述,其中,所述详细描述包括所述心跳数据对应的接入点标识信息、终端标识信息、目的IP地址信息、数据包大小、协议类型、发送周期和发送时间戳信息;
根据所述心跳数据的详细描述,对所述目标通信网络中目标接入点下的目标终端进行监控。
可选的,根据所述心跳数据的详细描述,对所述目标通信网络中目标接入点下的目标终端进行监控,包括:
根据所述心跳数据的详细描述,对发送周期存在变更或者超出发送周期的时间内未发送心跳数据的目标终端进行告警。
可选的,在基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据之后,还包括:
从所述聚合数据中去除所述心跳数据,以得到所述目标历史时间段内目标终端向目标目的IP地址发送的业务数据;
基于所述业务数据对所述目标通信网络进行业务质量分析。
第二方面,提供了一种电子设备,包括:存储器和与所述存储器电连接的处理器,所述存储器存储有可在所述处理器运行的计算机程序,该计算机程序被该处理器执行时实现如第一方面所述的方法的步骤。
在本申请实施例中,通过获取目标通信网络在目标历史时间段内的日志统计数据,基于所述日志统计数据进行数据聚合得到聚合数据,基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据,由此依托日志统计大数据处理平台,从而快速自动地判别物联网统计数据中的心跳数据,可以轻松应对高数据量、高计算量,提高心跳数据识别的时效性及灵活性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请实施例的通信网络的心跳数据识别方法的流程示意图之一。
图2是本申请实施例的通信网络的心跳数据识别方法的流程示意图之一。
图3是本申请实施例的通信网络的心跳数据识别方法的流程示意图之一。
图4是本申请实施例的通信网络的心跳数据识别方法的流程示意图之一。
图5是本申请实施例的通信网络的心跳数据识别方法的流程示意图之一。
图6是本申请实施例的差值序列对应的L2范数判别示意图。
图7是本申请第一实施例的通信网络的心跳数据识别方法的应用场景流程示意图。
图8是本申请第二实施例的通信网络的心跳数据识别方法的应用场景流程示意图。
图9是本申请实施例的电子设备的结构方框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。本申请中附图编号仅用于区分方案中的各个步骤,不用于限定各个步骤的执行顺序,具体执行顺序以说明书中描述为准。
为了解决现有技术中存在的问题,本申请实施例提供一种通信网络的心跳数据识别方法,图1是本申请实施例的通信网络的心跳数据识别方法的流程示意图。如图1所示,包括以下步骤:
步骤102,获取目标通信网络在目标历史时间段内的日志统计数据,其中,所述日志统计数据中携带接入点标识信息、终端标识信息、目的IP地址信息、数据包大小信息、协议类型和发送时间戳信息;
步骤104,基于所述日志统计数据进行数据聚合得到聚合数据,其中,相同接入点下的相同终端发送的心跳数据中的目的IP地址、数据包大小、协议类型和发送周期相同;
步骤106,基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据。
在步骤102中,日志统计数据例如是XDR数据统计结果中的日志,获取的日志统计数据需携带APN标识信息、终端标识信息、目的IP地址信息、数据包大小信息、协议类型和发送时间戳信息。
下面表1显示了取自XDR日志数据统计表的部分字段:
表1
对这些数据进行一些整合,可以得到心跳数据识别需要的数据,上表1中Procedure Start Time即发送时间,L4 protocal即协议类型,App Server IP_IPv4和AppServer Port组合为目的IP地址,UL Data(流量)和UL IP Packet(数据包数量)的比值为数据包大小。
基于上述实施例提供的方案,可选的,上述步骤104中,基于所述日志统计数据进行数据聚合得到聚合数据,包括:根据目标发送时间戳信息,将所述日志统计数据中符合心跳数据描述的接入点标识信息、终端标识信息、目的IP地址信息、数据包大小信息、协议类型进行聚合,以得到所述目标发送时间戳信息对应的目标聚合数据。
心跳数据具有相同APN、相同终端、相同数据包大小、相同协议类型、相同目的IP地址和的心跳周期大致相同的特征。
APN、终端、数据包大小、协议类型和目的IP地址各字段的统计结果不会因为统计方式的变化而产生误差,因此将这些字段信息可以作为心跳数据的描述。心跳周期,也即心跳数据的发送周期对应的发送时间点会因日志记录的不确定性产生误差,导致统计的心跳数据并非准确。
在步骤104中,根据心跳数据的特征,将步骤102获取的日志统计数据中符合心跳数据描述的标识信息、终端标识信息、目的IP地址信息、数据包大小信息、协议类型对应字段进行聚合。对应一个发送时间戳信息,聚合得到一条聚合数据。由此,可以将日志统计数据记录的不同APN、不同终端在历史时间段内不同时间点发送到目标服务器的多个聚合数据对应的数据聚合起来,得到对应时间序列的聚合数据。
以下给出了在较长的时间周期,这里选择5天(2019/12/19至2019/12/23)里的数据作为示例,对物联网5天内对应时间序列Ui获取的所有日志统计数据进行聚合,其中Ui表示同一APN下的不同终端对应的聚合数据时间序列,即例如发送时间戳信息对应的发送时间点序列。表2中U1对应列表示1号终端对应的发送时间点序列,U2对应列表示2号终端对应的发送时间点序列,以此类推,表2给出了5个不同终端在5天内的部分发送时间点序列。每个发送时间点对应一条包括接入点标识信息、终端标识信息、目的IP地址信息、数据包大小信息、协议类型对应字段的聚合数据。
表2
U<sub>1</sub> | U<sub>2</sub> | U<sub>3</sub> | U<sub>4</sub> | U<sub>5</sub> |
2019/12/19 0:01:02 | 2019/12/19 0:02:02 | 2019/12/19 0:01:30 | 2019/12/19 0:04:20 | 2019/12/19 0:01:48 |
2019/12/19 0:04:05 | 2019/12/19 0:02:05 | 2019/12/19 19:35:30 | 2019/12/19 0:04:27 | 2019/12/19 1:47:03 |
2019/12/19 0:07:04 | 2019/12/19 6:33:40 | 2019/12/19 19:35:37 | 2019/12/19 0:05:30 | 2019/12/19 1:59:43 |
2019/12/19 0:10:03 | 2019/12/19 6:33:45 | 2019/12/19 21:15:28 | 2019/12/19 0:06:36 | 2019/12/19 2:38:21 |
2019/12/19 0:13:03 | 2019/12/19 6:36:13 | 2019/12/19 21:27:58 | 2019/12/19 0:17:51 | 2019/12/19 20:11:16 |
2019/12/19 0:16:04 | 2019/12/19 6:37:34 | 2019/12/19 21:28:46 | 2019/12/19 0:18:27 | 2019/12/20 18:01:25 |
2019/12/19 0:19:05 | 2019/12/19 8:02:11 | 2019/12/19 23:24:12 | 2019/12/19 1:00:47 | 2019/12/20 18:02:03 |
2019/12/19 0:25:03 | 2019/12/20 1:08:19 | 2019/12/19 23:24:22 | 2019/12/19 1:01:59 | 2019/12/20 18:10:35 |
2019/12/19 0:28:02 | 2019/12/20 1:20:26 | 2019/12/19 23:24:23 | 2019/12/19 1:02:16 | 2019/12/20 18:11:12 |
… | … | … | … | … |
由于按照发送时间戳信息将对应字段进行聚合得到聚合数据,各聚合数据不涉及心跳数据发送周期的字段,因此聚合数据中包含心跳数据,也包括其他非心跳数据,例如终端向服务器正常发送的业务数据。因此,需要将聚合数据中的心跳数据筛选出来,后面将展开说明。
为了实现聚合后的数据的完整性,提高心跳数据识别的准确性和减少后续步骤的计算压力,可以在执行步骤104的数据聚合操作之前,进行数据完整性检测,抛弃不完整数据。
基于上述实施例提供的方案,可选的,如图2所示,在基于所述日志统计数据进行数据聚合得到聚合数据之前,还包括以下步骤:
步骤202,确定所述日志统计数据中接入点标识信息、终端标识信息、目的IP地址信息、数据包大小信息、协议类型和发送时间戳信息中至少一项对应的字段为空的数据;
步骤204,从所述日志统计数据中去除所述字段为空的数据。
对于获取到的日志统计数据,其中有些关键字段因为回填失败等原因导致数据缺失。这些数据因为部分字段的缺失缺乏对请求类型的指示性,不能够表示心跳请求,因此需要先行丢弃。
下面,将结合不同实施例,对步骤106如何确定聚合数据中的心跳数据进行详细说明。
基于上述实施例提供的方案,可选的,上述步骤106中,如图3所示,基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据,包括以下步骤:
步骤302,根据所述聚合数据中目标终端对应的多个发送时间戳信息,确定所述目标终端各相邻发送时间点对应的时间间隔组成的差值序列;
步骤304,根据所述差值序列中的较大差值和较小差值对应的发送时间点,从所述聚合数据中去除所述发送时间点对应的聚合数据,以得到所述心跳数据。
在步骤302中,仍以表1的时间序列为例,求5个不同终端对应的相邻发送时间点的时间间隔(单位为秒),得到表3所示的差值序列D(D1,D2,……D5)。
表3
D<sub>1</sub> | D<sub>2</sub> | D<sub>3</sub> | D<sub>4</sub> | D<sub>5</sub> |
183.00 | 3.00 | 70440.00 | 7.00 | 6315.00 |
179.00 | 23496.00 | 7.00 | 63.00 | 760.00 |
179.00 | 4.00 | 5992.00 | 66.00 | 2317.00 |
180.00 | 149.00 | 750.00 | 675.00 | 63175.00 |
181.00 | 80.00 | 47.00 | 35.00 | 78609.00 |
181.00 | 5077.00 | 6926.00 | 2540.00 | 38.00 |
179.00 | 744.00 | 8.00 | 7.00 | 27.00 |
179.00 | 60824.00 | 1.00 | 65.00 | 485.00 |
… | … | … | … | … |
在步骤302中获得的差值序列,其中同时存在很多较长和较短的时间间隔,即较大差值和较小差值。心跳数据符合正态分布,这些较大差值和较小差值对应的聚合数据认为具有潮汐性,由于心跳数据不具有潮汐性,所以这些较大差值和较小差值对应的聚合数据可以事先抛弃。如此,可以先行剔除一些极不可能是心跳信息的数据,以提高心跳数据分析的正确率并减少后边步骤的计算压力。
时间间隔为当前发送时间点与前一个相邻时间点之间的差值,因此如果当前计算出的差值相比之前已计算的差值明显较大或较小,则将该当前发送时间点对应的聚合数据去除。
在步骤304去除明显非心跳数据的聚合数据后,对于剩余下来的聚合数据都有可能是心跳数据,但是由于日志统计数据中可能存在漏统计,或者少统计的情况,所以即使是周期数据,少统计了几个发送时间点就会产生对应周期的时间间隔,从而影响心跳数据的识别。为了提高识别精度,需要排除这样的误差点。
因此,在本申请实施例中,可选的在步骤304中,如图4所示,基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据,还包括:
步骤402,计算所述差值序列的均值及方差,以确定所述聚合数据中的误差聚合数据;
步骤404,从所述聚合数据中去除所述误差聚合数据,以得到所述心跳数据。
在上述步骤402中,根据均值及方差可以得到差值序列对应的正态分布曲线,利用在高斯分布的3σ经验法则可以确定位于高斯分布3σ范围之内和之外的发送时间点,将位于范围之外的发送时间点确定为误差离散数据,即发送时间点统计误差导致的误差聚合数据,并非规律的心跳数据。由此,可以将误差聚合数据从聚合数据中进一步去除。
在一个实施例中,可选的,在步骤304中,如图5所示,基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据,还可以包括以下步骤:
步骤502,计算所述差值序列的L2范数数值;
步骤504,在L2范数数值接近预定值时,确定在所述差值序列对应的各发送时间点发送的聚合数据为心跳数据,其中,所述预定值为所述目标终端向目标目的IP地址发送的心跳数据的发送周期对应的L2范数数值。
L2范数可以看作空间中两向量的距离。为了方便表述,假设以上的序列Di均为2个数据点的序列。那么L2范数的判别过程可以如图6所示,图6为本申请实施例的L2范数判别示意图。
在图6中,Di用D1(2,200)和D2(180,170)的向量表示。差值序列Di的均值Mi用M1(101,101)和M2(180,180)的向量表示。向量D1L2和D2L2的长度即为L2范数的大小。从图中可以看出,D2(180,170)和M2(180,180)这组数据的L2范数要小于D1(2,200)和M1(180,170)这组数据,对于数据量不一样大的,求平均的距离,即可以作为判别标准。
DiL2=PDi-MiP2
R=length(D)
以上公式分别为求Di和Mi的L2范数以及Di的时间间隔的个数R。Ti值最小的序列对应的就是周期性最稳定的序列,即为心跳数据序列,其心跳周期就为Mi。
对以上表3的差值序列各组数据求L2范数可得到表4所示的L2范数数值:
表4
U<sub>1</sub>L<sub>2</sub> | U<sub>2</sub>L<sub>2</sub> | U<sub>3</sub>L<sub>2</sub> | U<sub>4</sub>L<sub>2</sub> | U<sub>5</sub>L<sub>2</sub> |
3.31 | 344617978.1 | 641722293.2 | 219005086.5 | 471755897.6 |
将计算的各个L2范数数值与对应终端发送心跳数据的预设发送周期对应的L2范数数值进行比对,则表4中最接近该预设发送周期对应L2范数数值的序列为心跳数据。在该实施例中,假设预设发送周期对应计算的L2范数数值为5,则从上表L2范数计算结果可以看出,U1的范数数值为3.31,最接近预设值5,则确定U1序列为心跳数据。
如此,通过上述步骤可以从获取的日志统计数据中将心跳数据快速且精确地识别出来。
需要指出的是,上述图3至图5确定心跳数据的实施例可以单独使用,也可以结合使用。
在识别出心跳数据之后,可以基于准确识别的心跳数据进行不同场景的应用。
图7是本申请第一实施例的通信网络的心跳数据识别方法的应用场景流程示意图,如图7所示,在基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据之后,还包括以下步骤:
步骤602,获取所述心跳数据的详细描述,其中,所述详细描述包括所述心跳数据对应的接入点标识信息、终端标识信息、目的IP地址信息、数据包大小、协议类型、发送周期和发送时间戳信息;
步骤604,根据所述心跳数据的详细描述,对所述目标通信网络中目标接入点下的目标终端进行监控。
可选的,在步骤604中,根据所述心跳数据的详细描述,对所述目标通信网络中目标接入点下的目标终端进行监控,包括:根据所述心跳数据的详细描述,对发送周期存在变更或者超出发送周期的时间内未发送心跳数据的目标终端进行告警。
通过对心跳信息进行监控,对心跳周期变更或多次未发送心跳请求的终端进行优先标注或告警,从而实现对物联网业务故障隐患的预警。通过预警能够对终端或网络故障及时进行处理,从而保障通信网络安全运行。
此外,通过本申请实施例的心跳数据识别方法,可以将业务数据中的心跳数据进行识别并去除,以排除心跳数据对业务指标的影响。图8是本申请第二实施例的通信网络的心跳数据识别方法的应用场景流程示意图,如图8所示,在基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据之后,还包括以下步骤:
步骤702,从所述聚合数据中去除所述心跳数据,以得到所述目标历史时间段内目标终端向目标目的IP地址发送的业务数据;
步骤704,基于所述业务数据对所述目标通信网络进行业务质量分析。
本申请实施例的心跳数据识别方法应用于移动物联网的业务数据分析与处理中,从请求数据中拆分业务数据和心跳数据,在识别出心跳数据后可以进行相关数据的剔除操作,排除心跳数据对业务指标(TCP建链成功率、TCP建立时延等)的影响,从而规避心跳数据扰乱业务质量数据分析的情况,避免对故障判定产生影响。
在目前的物联网业务分析中,针对业务数据中心跳数据进行拆分的方法多为人工分析。所以现有的方法时效性差、很难在用户之前发现问题。本申请依托日志统计大数据处理平台,可以方便的修改为并行计算的方式。从而快速判别物联网统计数据中的心跳数据,可以轻松应对高数据量、高计算量,提高心跳数据识别的时效性及灵活性。
此外,本申请通过对心跳信息、业务信息的数据分离处理,可基本消除物联网心跳数据对业务指标准确度的影响,从而更精确及时地感知业务状况,实现对客户的全方位质量监控和保障。还可以先于客户发现并处理网络中可能存在的隐患,提升客户业务感知。
可选的,本申请实施例还提供一种电子设备,图9是本申请实施例的电子设备的结构方框图。
如图9所示,电子设备2000包括存储器2200和与所述存储器2200电连接的处理器2400,所述存储器2200存储有可在所述处理器2400运行的计算机程序,所述计算机程序被所述处理器执行时实现上述任意一种通信网络的心跳数据识别方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述任意一种通信网络的心跳数据识别方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(RandomAccess Memory,简称RAM)、磁碟或者光盘等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种通信网络的心跳数据识别方法,其特征在于,包括:
获取目标通信网络在目标历史时间段内的日志统计数据,其中,所述日志统计数据中携带接入点标识信息、终端标识信息、目的IP地址信息、数据包大小信息、协议类型和发送时间戳信息;
基于所述日志统计数据进行数据聚合得到聚合数据,其中,相同接入点下的相同终端发送的心跳数据中的目的IP地址、数据包大小、协议类型和发送周期相同;
基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据。
2.如权利要求1所述的方法,其特征在于,在基于所述日志统计数据进行数据聚合得到聚合数据之前,还包括:
确定所述日志统计数据中接入点标识信息、终端标识信息、目的IP地址信息、数据包大小信息、协议类型和发送时间戳信息中至少一项对应的字段为空的数据;
从所述日志统计数据中去除所述字段为空的数据。
3.如权利要求1所述的方法,其特征在于,基于所述日志统计数据进行数据聚合得到聚合数据,包括:
根据目标发送时间戳信息,将所述日志统计数据中符合心跳数据描述的接入点标识信息、终端标识信息、目的IP地址信息、数据包大小信息、协议类型进行聚合,以得到所述目标发送时间戳信息对应的目标聚合数据。
4.如权利要求1所述的方法,其特征在于,基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据,包括:
根据所述聚合数据中目标终端对应的多个发送时间戳信息,确定所述目标终端各相邻发送时间点对应的时间间隔组成的差值序列;
根据所述差值序列中的较大差值和较小差值对应的发送时间点,从所述聚合数据中去除所述发送时间点对应的聚合数据,以得到所述心跳数据。
5.如权利要求4所述的方法,其特征在于,基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据,还包括:
计算所述差值序列的均值及方差,以确定所述聚合数据中的误差聚合数据;
从所述聚合数据中去除所述误差聚合数据,以得到所述心跳数据。
6.如权利要求4或5所述的方法,其特征在于,基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据,还包括:
计算所述差值序列的L2范数数值;
在L2范数数值接近预定值时,确定在所述差值序列对应的各发送时间点发送的聚合数据为心跳数据,其中,所述预定值为所述目标终端向目标目的IP地址发送的心跳数据的发送周期对应的L2范数数值。
7.如权利要求1所述的方法,其特征在于,在基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据之后,还包括:
获取所述心跳数据的详细描述,其中,所述详细描述包括所述心跳数据对应的接入点标识信息、终端标识信息、目的IP地址信息、数据包大小、协议类型、发送周期和发送时间戳信息;
根据所述心跳数据的详细描述,对所述目标通信网络中目标接入点下的目标终端进行监控。
8.如权利要求7所述的方法,其特征在于,根据所述心跳数据的详细描述,对所述目标通信网络中目标接入点下的目标终端进行监控,包括:
根据所述心跳数据的详细描述,对发送周期存在变更或者超出发送周期的时间内未发送心跳数据的目标终端进行告警。
9.如权利要求1所述的方法,其特征在于,在基于所述聚合数据中发送时间戳信息确定所述聚合数据中的心跳数据之后,还包括:
从所述聚合数据中去除所述心跳数据,以得到所述目标历史时间段内目标终端向目标目的IP地址发送的业务数据;
基于所述业务数据对所述目标通信网络进行业务质量分析。
10.一种电子设备,其特征在于,包括:存储器和与所述存储器电连接的处理器,所述存储器存储有可在所述处理器运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110356003.9A CN115190051B (zh) | 2021-04-01 | 2021-04-01 | 心跳数据识别方法及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110356003.9A CN115190051B (zh) | 2021-04-01 | 2021-04-01 | 心跳数据识别方法及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115190051A true CN115190051A (zh) | 2022-10-14 |
CN115190051B CN115190051B (zh) | 2023-09-05 |
Family
ID=83512460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110356003.9A Active CN115190051B (zh) | 2021-04-01 | 2021-04-01 | 心跳数据识别方法及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115190051B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050240625A1 (en) * | 2004-04-23 | 2005-10-27 | Wal-Mart Stores, Inc. | Method and apparatus for scalable transport processing fulfillment system |
US20100195489A1 (en) * | 2009-02-03 | 2010-08-05 | Google Inc. | Interface monitoring for link aggregation |
CN103036743A (zh) * | 2012-12-19 | 2013-04-10 | 中国科学院信息工程研究所 | 一种窃密木马的tcp心跳行为的检测方法 |
US20150254296A1 (en) * | 2014-03-06 | 2015-09-10 | International Business Machines Corporation | Restoring database consistency integrity |
CN105979299A (zh) * | 2016-06-24 | 2016-09-28 | 武汉斗鱼网络科技有限公司 | 基于时间轮盘和播放器心跳的活跃用户集维护系统及方法 |
CN106933843A (zh) * | 2015-12-29 | 2017-07-07 | 阿里巴巴集团控股有限公司 | 数据库心跳检测方法以及装置 |
CN107204879A (zh) * | 2017-06-05 | 2017-09-26 | 浙江大学 | 一种基于指数移动平均的分布式系统自适应故障检测方法 |
US20180006910A1 (en) * | 2015-01-30 | 2018-01-04 | Entit Software Llc | Identifying heartbeat messages |
CN108449239A (zh) * | 2018-06-19 | 2018-08-24 | 广州视源电子科技股份有限公司 | 心跳包检测方法、装置、设备和存储介质 |
CN108920270A (zh) * | 2018-07-23 | 2018-11-30 | 国云科技股份有限公司 | 一种动态多源异构数据关联查询系统及其实现方法 |
CN109005528A (zh) * | 2018-07-06 | 2018-12-14 | 杭州涂鸦信息技术有限公司 | 一种蓝牙mesh网关数据聚合上报方法 |
CN109039809A (zh) * | 2018-07-17 | 2018-12-18 | 中国电子科技集团公司电子科学研究院 | 一种网闸集群异常的检测方法、装置及内网服务器 |
CN208285341U (zh) * | 2018-04-03 | 2018-12-25 | 广州十分网络技术有限公司 | 按摩椅组网控制系统 |
CN109471760A (zh) * | 2018-10-18 | 2019-03-15 | 北京趣拿软件科技有限公司 | 服务器通信性能的监控方法及系统、存储介质、电子装置 |
CN110995530A (zh) * | 2019-11-15 | 2020-04-10 | 北京连山科技股份有限公司 | 解决短周期内数据单向到达问题的方法及设备 |
CN111885086A (zh) * | 2020-08-05 | 2020-11-03 | 杭州安恒信息技术股份有限公司 | 恶意软件心跳检测方法、装置、设备及可读存储介质 |
CN111901286A (zh) * | 2019-05-06 | 2020-11-06 | 北京明信安有限公司 | 一种基于流量日志的apt攻击检测方法 |
CN112395315A (zh) * | 2020-10-23 | 2021-02-23 | 中国科学院计算机网络信息中心 | 一种日志文件的统计与异常探测方法及电子装置 |
CN112559555A (zh) * | 2020-12-31 | 2021-03-26 | 郑州信大捷安信息技术股份有限公司 | 一种安全可靠的数据采集聚合查询方法和系统 |
CN112565069A (zh) * | 2020-11-30 | 2021-03-26 | 网络通信与安全紫金山实验室 | wireguard网卡设备、聚合链路的方法及聚合链路选路方法 |
-
2021
- 2021-04-01 CN CN202110356003.9A patent/CN115190051B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050240625A1 (en) * | 2004-04-23 | 2005-10-27 | Wal-Mart Stores, Inc. | Method and apparatus for scalable transport processing fulfillment system |
US20100195489A1 (en) * | 2009-02-03 | 2010-08-05 | Google Inc. | Interface monitoring for link aggregation |
CN103036743A (zh) * | 2012-12-19 | 2013-04-10 | 中国科学院信息工程研究所 | 一种窃密木马的tcp心跳行为的检测方法 |
US20150254296A1 (en) * | 2014-03-06 | 2015-09-10 | International Business Machines Corporation | Restoring database consistency integrity |
US20180006910A1 (en) * | 2015-01-30 | 2018-01-04 | Entit Software Llc | Identifying heartbeat messages |
CN106933843A (zh) * | 2015-12-29 | 2017-07-07 | 阿里巴巴集团控股有限公司 | 数据库心跳检测方法以及装置 |
CN105979299A (zh) * | 2016-06-24 | 2016-09-28 | 武汉斗鱼网络科技有限公司 | 基于时间轮盘和播放器心跳的活跃用户集维护系统及方法 |
CN107204879A (zh) * | 2017-06-05 | 2017-09-26 | 浙江大学 | 一种基于指数移动平均的分布式系统自适应故障检测方法 |
CN208285341U (zh) * | 2018-04-03 | 2018-12-25 | 广州十分网络技术有限公司 | 按摩椅组网控制系统 |
CN108449239A (zh) * | 2018-06-19 | 2018-08-24 | 广州视源电子科技股份有限公司 | 心跳包检测方法、装置、设备和存储介质 |
CN109005528A (zh) * | 2018-07-06 | 2018-12-14 | 杭州涂鸦信息技术有限公司 | 一种蓝牙mesh网关数据聚合上报方法 |
CN109039809A (zh) * | 2018-07-17 | 2018-12-18 | 中国电子科技集团公司电子科学研究院 | 一种网闸集群异常的检测方法、装置及内网服务器 |
CN108920270A (zh) * | 2018-07-23 | 2018-11-30 | 国云科技股份有限公司 | 一种动态多源异构数据关联查询系统及其实现方法 |
CN109471760A (zh) * | 2018-10-18 | 2019-03-15 | 北京趣拿软件科技有限公司 | 服务器通信性能的监控方法及系统、存储介质、电子装置 |
CN111901286A (zh) * | 2019-05-06 | 2020-11-06 | 北京明信安有限公司 | 一种基于流量日志的apt攻击检测方法 |
CN110995530A (zh) * | 2019-11-15 | 2020-04-10 | 北京连山科技股份有限公司 | 解决短周期内数据单向到达问题的方法及设备 |
CN111885086A (zh) * | 2020-08-05 | 2020-11-03 | 杭州安恒信息技术股份有限公司 | 恶意软件心跳检测方法、装置、设备及可读存储介质 |
CN112395315A (zh) * | 2020-10-23 | 2021-02-23 | 中国科学院计算机网络信息中心 | 一种日志文件的统计与异常探测方法及电子装置 |
CN112565069A (zh) * | 2020-11-30 | 2021-03-26 | 网络通信与安全紫金山实验室 | wireguard网卡设备、聚合链路的方法及聚合链路选路方法 |
CN112559555A (zh) * | 2020-12-31 | 2021-03-26 | 郑州信大捷安信息技术股份有限公司 | 一种安全可靠的数据采集聚合查询方法和系统 |
Non-Patent Citations (3)
Title |
---|
XIAOCHEN ZHANG,ET AL.,: "\"Trojan Detection Based on Network Flow Clustering\"", 《2012 FOURTH INTERNATIONAL CONFERENCE ON MULTIMEDIA INFORMATION NETWORKING AND SECURITY》 * |
李娜;: "基于网络负载占用情况的心跳数据模型" * |
李娜;: "基于网络负载占用情况的心跳数据模型", 电信技术, no. 03 * |
Also Published As
Publication number | Publication date |
---|---|
CN115190051B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111277570A (zh) | 数据的安全监测方法和装置、电子设备、可读介质 | |
CN109347827B (zh) | 网络攻击行为预测的方法、装置、设备及存储介质 | |
CN108965347B (zh) | 一种分布式拒绝服务攻击检测方法、装置及服务器 | |
CN107391359B (zh) | 一种业务测试方法及装置 | |
CN109617868B (zh) | 一种ddos攻击的检测方法、装置及检测服务器 | |
CN108600003B (zh) | 一种面向视频监控网络的入侵检测方法、装置及系统 | |
CN111641658A (zh) | 一种请求拦截方法、装置、设备及可读存储介质 | |
CN108923972B (zh) | 一种去重流量提示方法、装置、服务器及存储介质 | |
CN110417747B (zh) | 一种暴力破解行为的检测方法及装置 | |
CN112565229A (zh) | 隐蔽通道检测方法及装置 | |
CN111343135B (zh) | 一种网络安全态势检测方法 | |
CN104883705B (zh) | 一种数据业务投诉的问题定位方法及装置 | |
CN109474540B (zh) | 一种识别opc流量的方法及装置 | |
CN115190051A (zh) | 心跳数据识别方法及电子装置 | |
CN112732560A (zh) | 文件描述符泄露风险的检测方法及装置 | |
CN108600037B (zh) | 一种设备在线识别方法、电子设备、系统和存储介质 | |
US20230171264A1 (en) | Method, Apparatus, System, Device, and Storage Medium for Implementing Terminal Verification | |
CN108965386B (zh) | 一种共享接入终端的识别方法及装置 | |
CN114666210B (zh) | 基于大数据日志分析的告警方法及装置 | |
CN109462510B (zh) | 一种cdn节点质量评估的方法及装置 | |
JP2014523671A (ja) | 対話型アプリケーションサービスの全体的なパフォーマンスの評価 | |
CN115801927A (zh) | 报文解析方法及装置 | |
CN114595765A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114584356A (zh) | 网络安全监控方法及网络安全监控系统 | |
CN114615015A (zh) | 服务系统修复优先级的确定方法、装置、设备及介质 |
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 |