CN117675506A - 一种基于用户行为分析的智能网络运维管理方法和系统 - Google Patents
一种基于用户行为分析的智能网络运维管理方法和系统 Download PDFInfo
- Publication number
- CN117675506A CN117675506A CN202311338349.1A CN202311338349A CN117675506A CN 117675506 A CN117675506 A CN 117675506A CN 202311338349 A CN202311338349 A CN 202311338349A CN 117675506 A CN117675506 A CN 117675506A
- Authority
- CN
- China
- Prior art keywords
- network
- user
- network access
- grid
- time
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 63
- 238000007726 management method Methods 0.000 title claims abstract description 47
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 27
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000005251 gamma ray Effects 0.000 claims description 2
- 230000006399 behavior Effects 0.000 abstract description 44
- 230000000052 comparative effect Effects 0.000 abstract 1
- 238000000034 method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种基于用户行为分析的智能网络运维管理方法和系统，本发明针对网络状态监控地区进行网格划分，并基于每个网格区域内的入网用户的网络行为构建用户画像，实现对入网用户网络状态的对比监控，提高了对入网用户网络状态监控的准确性，能够快速调度维修人员开展维修。
Description
技术领域：
本发明涉及网络运维技术领域，特别涉及一种基于用户行为分析的智能网络运维管理方法和系统。
背景技术：
随着越来越多的用户加入互联网，网络稳定性为用户关注的重要指标。在现有技术中，往往在网络基站出现问题时，网络运维平台调度专业人员去维修。然而，此种方式存在滞后性，并且影响用户数量较多，降低了用户的上网体验。
因此，如何针对用户的流量使用、网速进行有效监控，并在第一时间对用户的网络状态进行判断，成为当前急需解决的问题。
为了解决上述问题，本文提出了一种基于用户行为分析的智能网络运维管理方法和系统。
发明内容：
针对以上问题，本发明提出一种基于用户行为分析的智能网络运维管理方法，所述方法具体包括如下步骤：
S1.对网络状态监控地区进行网格划分，形成多个网格区域；
S2.针对每个网格区域内的入网用户，形成每个入网用户的用户画像；
S3.针对每个网格区域内的入网用户，根据入网用户的用户画像，形成多个相似用户集合；
S4.实时监控每个入网用户的网络行为，当入网用户的网络行为出现异常时，在智能网络运维管理平台进行报警；
S5.智能网络运维管理平台调度维修人员对出现异常的入网用户所在地址的网络进行检修。
进一步地，所述步骤S1具体包括：
S11.针对网络状态监控地区进行初始网格划分；
所述初始网格划分具体为：将网络状态监控地区按照预设网格大小进行等面积划分；
S12.每隔固定时间针对多个网格区域进行二次划分，形成新的二次划分后的多个网格区域；
所述固定时间为Time。
进一步地，所述步骤S12具体包括：
针对每个网格区域，执行如下步骤：
S121.每隔固定时间，统计当前时刻T1网格区域的入网用户数量M1；
所述入网用户数量为已经入网的用户的数量；
S122.获取上一个统计时刻T2每个网格区域的入网用户数量M2；
其中，T1-T2＝Time；
所述入网用户数量存储在智能网络运维管理平台的第一存储空间中；
S123.统计从时刻T2到时刻T1时间段内网格区域内入网用户消耗的网络流量D1；
S124.获取从时刻T3到时刻T2时间段内网格区域内入网用户消耗的网络流量D2；
其中，从时刻T3到时刻T2时间段内网格区域内入网用户消耗的网络流量D2存储在智能网络运维管理平台的第二存储空间中；
其中，T2-T3＝Time；
S125.计算从时刻T2到时刻T1时间段内网络状态监控地区内的所有网格区域内入网用户消耗的网络流量的平均值D′；
S126.当M1-M2>M′时，将当前网格区域进行二次划分，形成等面积的两个网格区域；
所述M′入网用户增量阈值；
当D1>D2且D1>D′时，将当前网格区域进行二次划分，形成等面积的三个网格区域；
当D1>D2、M1>M2、D1>D′,以上四个条件均满足时，将当前网格区域进行二次划分，形成等面积的四个网格区域；
S127.将当前时刻T1网格区域的入网用户数量M1存储至智能网络运维管理平台的第一存储空间中；
将从时刻T2到时刻T1时间段内网格区域内入网用户消耗的网络流量D1存储至智能网络运维管理平台的第二存储空间中；
针对每个网格区域，执行步骤S121至步骤S126后，形成新的二次划分后的多个网格区域。
进一步地，所述步骤S2具体包括：
S21.针对每个网格区域内的每个入网用户，监控该入网用户从凌晨0：00至次日凌晨0:00时间段中每个时刻的网络速度；
从凌晨0:00至次日凌晨0:00，每隔1小时，统计该入网用户的网络流量值，获得24个网络流量值{L1,L2…Li,…L24}；
其中，Li为第i个小时的该入网用户的网络流量值；
S22.当Li<L′(i＝1,2…,24)时，将第i个小时的该入网用户的网络流量值设置为0，并且将第i个小时的该入网用户的网络速度设置为0；
当Li≥L′(i＝1,2…,24)时，计算第i个小时的该入网用户的各时刻网络速度的平均值；
S23.针对每个小时，对该入网用户的网络流量值和网络速度，重复执行步骤S22，获得该入网用户从凌晨0:00至次日凌晨0:00时间段中的网络行为数据{{1，L1，V1}，{2，L2，V2},…,{i，Li，Vi},…{24，L24，V24}}；
其中，{i，Li，Vi}为第i个小时的该入网用户的网络行为数据，i为第i个小时；Li为第i个小时的该入网用户的网络流量值；Vi为第i个小时的该入网用户的各时刻网络速度的平均值；
S24.针对该入网用户，重复执行步骤S21至步骤S23，获得每个月内各工作日的该入网用户的网络行为数据，并计算所述各工作日的该入网用户的网络行为数据的平均值，得到{{1，L′1，V′1}，{2，L′2，V′2},…,{i，L′i，V′i},…{24，L′24，V′24}}；将{{1，L′1，V′1}，{2，L′2，V′2},…,{i，L′i，V′i},…{24，L′24，V′24}}作为该入网用户的用户画像。
进一步地，所述步骤S3具体包括：
S31.针对多个网格区域中的一个网格区域，计算该网格区域内的所有入网用户之间的距离值；
S32.根据每两个入网用户之间的距离值，对该网格区域内的所有入网用户进行聚类，形成多个相似用户集合{S1,S2…Si,…Sn}；
其中Si为第i个相似用户集合；n为相似用户集合的个数；
其中，Si中包括多个入网用户；
S33.重复执行步骤S31至步骤S32，直至所有网格区域均完成聚类，每隔网格区域内均形成多个相似用户集合。
进一步地，所述步骤S31包括：
S311.两个入网用户之间的距离值的计算方式为：
其中，PL′i为入网用户P的用户画像中的网络流量值；PL′i为入网用户Q的用户画像中的网络流量值；G为入网用户P与入网用户Q之间的距离值；
其中，入网用户P的用户画像表示为{{1，PL′1，PV′1}，{2，PL′2，PV′2},…,{i，PL′i，PV′i},…{24，PL′24，PV′24}}；
入网用户Q的用户画像表示为{{1，QL′1，QV′1}，{2，QL′2，QV′2},…,{i，QL′i，QV′i},…{24，QL′24，QB′24}}。
进一步地，所述步骤S4具体包括如下步骤：
S41.获得入网用户工作日凌晨0:00至次日凌晨0:00的网络行为数据；
S42.获得该入网用户所在的聚类集合中其他入网用户在该工作日凌晨0:00至次日凌晨0:00的网络行为数据；
S43.计算所述其他入网用户在该工作日凌晨0:00至次日凌晨0:00的网络行为数据的平均值；
S44.计算步骤S41中获得的该入网用户的网络行为数据与所述步骤S43中获得的网络行为数据的平均值的距离值B1；
计算步骤S41中获得的该入网用户的网络行为数据与该入网用户的用户画像的距离值B2；
其中，所述距离值B1和B2均采用步骤S311的计算方式获得；
S45.当步骤S44中的所述距离值B1大于预设阈值W1,且距离值B2大于预设阈值W2时，判断该入网用户网络出现波动，将该入网用户列入网络波动清单中；
S46.重复执行步骤S41至步骤S45，当该入网用户连续k天均被列入网络波动清单中时，将该入网用户列入网络异常清单中，并在智能网络运维管理平台进行报警；
其中，所述k为7，15,30其中之一。
进一步地，所述步骤S21还包括：
S211.当入网用户的网络速度连续12小时低于预设阈值H时，将该入网用户列入网络异常清单中，并在智能网络运维管理平台进行报警；
S212.执行步骤S5。
进一步地，所述步骤S2还包括：
每隔30天对入网用户画像进行更新；
在每次所述用户画像更新后，更新各网格区域内的相似用户集合。
本发明还提出一种基于用户行为分析的智能网络运维管理系统，所述系统执行以上所述的一种基于用户行为分析的智能网络运维管理方法的各步骤。
本发明的有益效果如下：
1.本发明通过对入网用户的网络行为进行实时监控，能够第一时间识别入网用户网络状态，从而快速调度维修人员进行网络检修，提高用户体验；
2.本发明通过入网用户数量和网络流量动态调整网格区域，使得网格区域划分更加精准，能够针对用户需求量较高的区域和入网用户进行重点监控，提高了网络运维的效率和准确性；
3.本发明通过对各网格区域内入网用户进行用户画像，实现了对用户网络行为的准确表达，提高了系统对于入网用户网络状态监控的准确性；
4.本发明通过对各网格区域内入网用户的距离值，获得各网格区域内相似用户集合，并根据入网用户当天的网络行为与用户画像和相似用户集合中其他用户的网络行为数据进行比较，判断入网用户的网络状态，提高了入网用户网络状态监控的准确性。
上述说明，仅是本发明技术方案的概述，为了能够更清楚了解本发明技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述说明和其它目的、特征及优点能够更明显易懂，特举较佳实施例，详细说明如下。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为一种基于用户行为分析的智能网络运维管理方法的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
实施例一
本发明提出了一种基于用户行为分析的智能网络运维管理方法，所述方法具体包括如下步骤：
S1.对网络状态监控地区进行网格划分，形成多个网格区域；
进一步地，所述步骤S1具体包括：
S11.针对网络状态监控地区进行初始网格划分；
所述初始网格划分具体为：将网络状态监控地区按照预设网格大小进行等面积划分；
S12.每隔固定时间针对多个网格区域进行二次划分，形成新的二次划分后的多个网格区域；
所述固定时间为Time。
其中Time为30天，或其他数值。
进一步地，所述步骤S12具体包括：
针对每个网格区域，执行如下步骤：
S121.每隔固定时间，统计当前时刻T1网格区域的入网用户数量M1；
所述入网用户数量为已经入网的用户的数量；
S122.获取上一个统计时刻T2每个网格区域的入网用户数量M2；
其中，T1-T2＝Time；
所述入网用户数量存储在智能网络运维管理平台的第一存储空间中；
S123.统计从时刻T2到时刻T1时间段内网格区域内入网用户消耗的网络流量d1；
S124.获取从时刻T3到时刻T2时间段内网格区域内入网用户消耗的网络流量D2；
其中，从时刻T3到时刻T2时间段内网格区域内入网用户消耗的网络流量D2存储在智能网络运维管理平台的第二存储空间中；
其中，T2-T3＝Time；
S125.计算从时刻T2到时刻T1时间段内网络状态监控地区内的所有网格区域内入网用户消耗的网络流量的平均值D′；
S126.当M1-M2>M′时，将当前网格区域进行二次划分，形成等面积的两个网格区域；
所述M′为入网用户增量阈值；M′的值可取为100或其他数值。
当D1>D2且D1>D′时，将当前网格区域进行二次划分，形成等面积的三个网格区域；
当D1>D2、M1>M2、D1>D′,以上四个条件均满足时，将当前网格区域进行二次划分，形成等面积的四个网格区域；
S127.将当前时刻T1网格区域的入网用户数量M1存储至智能网络运维管理平台的第一存储空间中；
将从时刻T2到时刻T1时间段内网格区域内入网用户消耗的网络流量D1存储至智能网络运维管理平台的第二存储空间中；
针对每个网格区域，执行步骤S121至步骤S126后，形成新的二次划分后的多个网格区域。
S2.针对每个网格区域内的入网用户，形成每个入网用户的用户画像；
进一步地，所述步骤S2具体包括：
S21.针对每个网格区域内的每个入网用户，监控该入网用户从凌晨0：00至次日凌晨0:00时间段中每个时刻的网络速度；
从凌晨0:00至次日凌晨0:00，每隔1小时，统计该入网用户的网络流量值，获得24个网络流量值{L1,L2…Li,…L24}；
其中，Li为第i个小时的该入网用户的网络流量值；
进一步地，所述步骤S21还包括：
S211.当入网用户的网络速度连续12小时低于预设阈值H时，将该入网用户列入网络异常清单中，并在智能网络运维管理平台进行报警；
其中，所述预设阈值H为50KB/s，或其他数值。
S212.执行步骤S5。
S22.当Li<L′(i＝1,2…,24)时，将第i个小时的该入网用户的网络流量值设置为0，并且将第i个小时的该入网用户的网络速度设置为0；
当Li≥L′(i＝1,2…,24)时，计算第i个小时的该入网用户的各时刻网络速度的平均值；
S23.针对每个小时，对该入网用户的网络流量值和网络速度，重复执行步骤S22，获得该入网用户从凌晨0:00至次日凌晨0:00时间段中的网络行为数据{{1，L1，V1}，{2，L2，V2},…,{i，Li，Vi},…{24，L24，V24}}；
其中，{i，Li，Vi}为第i个小时的该入网用户的网络行为数据，i为第i个小时；Li为第i个小时的该入网用户的网络流量值；Vi为第i个小时的该入网用户的各时刻网络速度的平均值；
S24.针对该入网用户，重复执行步骤S21至步骤S23，获得每个月内各工作日的该入网用户的网络行为数据，并计算所述各工作日的该入网用户的网络行为数据的平均值，得到{{1，L′1，V′1}，{2，L′2，V′2},…,{i，L′i，V′i},…{24，L′24，V′24}}；将{{1，L′1，V′1}，{2，L′2，V′2},…,{i，L′i，V′i},…{24，L′24，V′24}}作为该入网用户的用户画像。
S3.针对每个网格区域内的入网用户，根据入网用户的用户画像，形成多个相似用户集合；
进一步地，所述步骤S3具体包括：
S31.针对多个网格区域中的一个网格区域，计算该网格区域内的所有入网用户之间的距离值；
进一步地，所述步骤S31包括：
S311.两个入网用户之间的距离值的计算方式为：
其中，PL′i为入网用户P的用户画像中的网络流量值；PL′i为入网用户Q的用户画像中的网络流量值；G为入网用户P与入网用户Q之间的距离值；γi为权重值。
其中，入网用户P的用户画像表示为{{1，PL′1，PL′1}，{2，PL′2，PV′2},…,{i，PL′i，PL′i},…{24，PL′24，PL′24}}；
入网用户Q的用户画像表示为{{1，QL′1，QV′1}，{2，QL′2，QV′2},…,{i，QL′i，QV′i},…{24，QL′24，QV′24}}。
S32.根据每两个入网用户之间的距离值，对该网格区域内的所有入网用户进行聚类，形成多个相似用户集合{S1,S2…Si,…Sn}；
其中，所述聚类采用常见的聚类算法，如K-means算法等，在此不做进一步限定。
其中Si为第i个相似用户集合；n为相似用户集合的个数；
其中，Si中包括多个入网用户；
S33.重复执行步骤S31至步骤S32，直至所有网格区域均完成聚类，每隔网格区域内均形成多个相似用户集合。
S4.实时监控每个入网用户的网络行为，当入网用户的网络行为出现异常时，在智能网络运维管理平台进行报警；
进一步地，所述步骤S4具体包括如下步骤：
S41.获得入网用户工作日凌晨0:00至次日凌晨0:00的网络行为数据；
S42.获得该入网用户所在的聚类集合中其他入网用户在该工作日凌晨0:00至次日凌晨0:00的网络行为数据；
S43.计算所述其他入网用户在该工作日凌晨0:00至次日凌晨0:00的网络行为数据的平均值；
S44.计算步骤S41中获得的该入网用户的网络行为数据与所述步骤S43中获得的网络行为数据的平均值的距离值B1；
计算步骤S41中获得的该入网用户的网络行为数据与该入网用户的用户画像的距离值B2；
其中，所述距离值B1和B2均采用步骤S311的计算方式获得；
S45.当步骤S44中的所述距离值B1大于预设阈值W1,且距离值B2大于预设阈值W2时，判断该入网用户网络出现波动，将该入网用户列入网络波动清单中；
其中预设阈值W1和预设阈值W2的取值可根据实际情况进行设定，如根据针对当前地区的前期数据测试情况进行设定。
S46.重复执行步骤S41至步骤S45，当该入网用户连续k天均被列入网络波动清单中时，将该入网用户列入网络异常清单中，并在智能网络运维管理平台进行报警；
其中，所述k为7，15,30其中之一。
S5.智能网络运维管理平台调度维修人员对出现异常的入网用户所在地址的网络进行检修。
进一步地，所述步骤S2还包括：
每隔30天对入网用户画像进行更新；
在每次所述用户画像更新后，更新各网格区域内的相似用户集合。
实施例二
本发明还提出一种基于用户行为分析的智能网络运维管理系统，所述系统执行以上实施例一中的一种基于用户行为分析的智能网络运维管理方法的各步骤。
发明的有益效果如下：
1.本发明通过对入网用户的网络行为进行实时监控，能够第一时间识别入网用户网络状态，从而快速调度维修人员进行网络检修，提高用户体验；
2.本发明通过入网用户数量和网络流量动态调整网格区域，使得网格区域划分更加精准，能够针对用户需求量较高的区域和入网用户进行重点监控，提高了网络运维的效率和准确性；
3.本发明通过对各网格区域内入网用户进行用户画像，实现了对用户网络行为的准确表达，提高了系统对于入网用户网络状态监控的准确性；
4.本发明通过对各网格区域内入网用户的距离值，获得各网格区域内相似用户集合，并根据入网用户当天的网络行为与用户画像和相似用户集合中其他用户的网络行为数据进行比较，判断入网用户的网络状态，提高了入网用户网络状态监控的准确性。
以上所述，仅为本发明较佳的具体实施方式，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，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于用户行为分析的智能网络运维管理方法，其特征在于，所述方法具体包括如下步骤：
S1.对网络状态监控地区进行网格划分，形成多个网格区域；
S2.针对每个网格区域内的入网用户，形成每个入网用户的用户画像；
S3.针对每个网格区域内的入网用户，根据入网用户的用户画像，形成多个相似用户集合；
S4.实时监控每个入网用户的网络行为，当入网用户的网络行为出现异常时，在智能网络运维管理平台进行报警；
S5.智能网络运维管理平台调度维修人员对出现异常的入网用户所在地址的网络进行检修。
2.根据权利要求1所述的一种基于用户行为分析的智能网络运维管理方法，其特征在于，所述步骤S1具体包括：
S11.针对网络状态监控地区进行初始网格划分；
所述初始网格划分具体为：将网络状态监控地区按照预设网格大小进行等面积划分；
S12.每隔固定时间针对多个网格区域进行二次划分，形成新的二次划分后的多个网格区域；
所述固定时间为Time。
3.根据权利要求2所述的一种基于用户行为分析的智能网络运维管理方法，其特征在于，所述步骤S12具体包括：
针对每个网格区域，执行如下步骤：
S121.每隔固定时间，统计当前时刻T1网格区域的入网用户数量M1；
所述入网用户数量为已经入网的用户的数量；
S122.获取上一个统计时刻T2每个网格区域的入网用户数量M2；
其中，T1-T2＝Time；
所述入网用户数量存储在智能网络运维管理平台的第一存储空间中；
S123.统计从时刻T2到时刻T1时间段内网格区域内入网用户消耗的网络流量D1；
S124.获取从时刻T3到时刻T2时间段内网格区域内入网用户消耗的网络流量D2；
其中，从时刻T3到时刻T2时间段内网格区域内入网用户消耗的网络流量D2存储在智能网络运维管理平台的第二存储空间中；
其中，T2-T3＝Time；
S125.计算从时刻T2到时刻T1时间段内网络状态监控地区内的所有网格区域内入网用户消耗的网络流量的平均值D′；
S126.当M1-M2>M′时，将当前网格区域进行二次划分，形成等面积的两个网格区域；
所述M′入网用户增量阈值；
当D1>D2且D1>D′时，将当前网格区域进行二次划分，形成等面积的三个网格区域；
当D1>D2、M1>M2、D1>D′,以上四个条件均满足时，将当前网格区域进行二次划分，形成等面积的四个网格区域；
S127.将当前时刻T1网格区域的入网用户数量M1存储至智能网络运维管理平台的第一存储空间中；
将从时刻T2到时刻T1时间段内网格区域内入网用户消耗的网络流量D1存储至智能网络运维管理平台的第二存储空间中；
针对每个网格区域，执行步骤S121至步骤S126后，形成新的二次划分后的多个网格区域。
4.根据权利要求3所述的一种基于用户行为分析的智能网络运维管理方法，其特征在于，所述步骤S2具体包括：
S21.针对每个网格区域内的每个入网用户，监控该入网用户从凌晨0：00至次日凌晨0:00时间段中每个时刻的网络速度；
从凌晨0:00至次日凌晨0:00，每隔1小时，统计该入网用户的网络流量值，获得24个网络流量值{L1,L2…Li,…L24}；
其中，Li为第i个小时的该入网用户的网络流量值；
S22.当Li<L′(i＝1,2…,24)时，将第i个小时的该入网用户的网络流量值设置为0，并且将第i个小时的该入网用户的网络速度设置为0；
当Li≥L′(i＝1,2…,24)时，计算第i个小时的该入网用户的各时刻网络速度的平均值；
S23.针对每个小时，对该入网用户的网络流量值和网络速度，重复执行步骤S22，获得该入网用户从凌晨0:00至次日凌晨0:00时间段中的网络行为数据{{1，L1，V1}，{2，L2，V2},…,{i，Li，Vi},…{24，L24，V24}}；
其中，{i，Li，Vi}为第i个小时的该入网用户的网络行为数据，i为第i个小时；Li为第i个小时的该入网用户的网络流量值；Vi为第i个小时的该入网用户的各时刻网络速度的平均值；
S24.针对该入网用户，重复执行步骤S21至步骤S23，获得每个月内各工作日的该入网用户的网络行为数据，并计算所述各工作日的该入网用户的网络行为数据的平均值，得到{{1，L′1，V′1}，{2，L′2，V′2},…,{i，L′i，V′i},…{24，L′24，V′24}}；将{{1，L′1，V′1}，{2，L′2，V′2},…,{i，L′i，V′i},…{24，L′24，V′24}}作为该入网用户的用户画像。
5.根据权利要求4所述的一种基于用户行为分析的智能网络运维管理方法，其特征在于，所述步骤S3具体包括：
S31.针对多个网格区域中的一个网格区域，计算该网格区域内的所有入网用户之间的距离值；
S32.根据每两个入网用户之间的距离值，对该网格区域内的所有入网用户进行聚类，形成多个相似用户集合{S1,S2…Si,…Sn}；
其中Si为第i个相似用户集合；n为相似用户集合的个数；
其中，Si中包括多个入网用户；
S33.重复执行步骤S31至步骤S32，直至所有网格区域均完成聚类，每隔网格区域内均形成多个相似用户集合。
6.根据权利要求5所述的一种基于用户行为分析的智能网络运维管理方法，其特征在于，所述步骤S31包括：
S311.两个入网用户之间的距离值的计算方式为：
其中，PL′i为入网用户P的用户画像中的网络流量值；PL′i为入网用户Q的用户画像中的网络流量值；G为入网用户P与入网用户Q之间的距离值；γi为权重值；
其中，入网用户P的用户画像表示为{{1，PL′1，PV′1}，{2，PL′2，PV′2},…,{i，PL′i，PV′i},…{24，PL′24，PV′24}}；
入网用户Q的用户画像表示为{{1，QL′1，QV′1}，{2，QL′2，QV′2},…,{i，QL′i，QV′i},…{24，QL′24，QV′24}}。
7.根据权利要求6所述的一种基于用户行为分析的智能网络运维管理方法，其特征在于，所述步骤S4具体包括如下步骤：
S41.获得入网用户工作日凌晨0:00至次日凌晨0:00的网络行为数据；
S42.获得该入网用户所在的聚类集合中其他入网用户在该工作日凌晨0:00至次日凌晨0:00的网络行为数据；
S43.计算所述其他入网用户在该工作日凌晨0:00至次日凌晨0:00的网络行为数据的平均值；
S44.计算步骤S41中获得的该入网用户的网络行为数据与所述步骤S43中获得的网络行为数据的平均值的距离值B1；
计算步骤S41中获得的该入网用户的网络行为数据与该入网用户的用户画像的距离值B2；
其中，所述距离值B1和B2均采用步骤S311的计算方式获得；
S45.当步骤S44中的所述距离值B1大于预设阈值W1,且距离值B2大于预设阈值W2时，判断该入网用户网络出现波动，将该入网用户列入网络波动清单中；
S46.重复执行步骤S41至步骤S45，当该入网用户连续k天均被列入网络波动清单中时，将该入网用户列入网络异常清单中，并在智能网络运维管理平台进行报警；
其中，所述k为7，15,30其中之一。
8.根据权利要求7所述的一种基于用户行为分析的智能网络运维管理方法，其特征在于，所述步骤S21还包括：
S211.当入网用户的网络速度连续12小时低于预设阈值H时，将该入网用户列入网络异常清单中，并在智能网络运维管理平台进行报警；
S212.执行步骤S5。
9.据权利要求7所述的一种基于用户行为分析的智能网络运维管理方法，其特征在于，所述步骤S2还包括：
每隔30天对入网用户画像进行更新；
在每次所述用户画像更新后，更新各网格区域内的相似用户集合。
10.一种基于用户行为分析的智能网络运维管理系统，所述系统执行权利要求1-9任一项所述的基于用户行为分析的智能网络运维管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311338349.1A CN117675506A (zh) | 2023-10-16 | 2023-10-16 | 一种基于用户行为分析的智能网络运维管理方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311338349.1A CN117675506A (zh) | 2023-10-16 | 2023-10-16 | 一种基于用户行为分析的智能网络运维管理方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117675506A true CN117675506A (zh) | 2024-03-08 |
Family
ID=90079676
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311338349.1A Pending CN117675506A (zh) | 2023-10-16 | 2023-10-16 | 一种基于用户行为分析的智能网络运维管理方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117675506A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170251387A1 (en) * | 2014-09-12 | 2017-08-31 | Abb Schweiz Ag | Detecting the status of a mesh node in a wireless mesh network |
| CN108075913A (zh) * | 2016-11-15 | 2018-05-25 | 千寻位置网络有限公司 | 一种播发系统服务质量的监控方法及其系统 |
| US10129282B2 (en) * | 2015-08-19 | 2018-11-13 | Palantir Technologies Inc. | Anomalous network monitoring, user behavior detection and database system |
| CN109359686A (zh) * | 2018-10-18 | 2019-02-19 | 西安交通大学 | 一种基于校园网流量的用户画像方法及系统 |
| CN111556440A (zh) * | 2020-05-07 | 2020-08-18 | 之江实验室 | 一种基于流量模式的网络异常检测方法 |
| CN111694718A (zh) * | 2020-05-27 | 2020-09-22 | 平安普惠企业管理有限公司 | 内网用户异常行为识别方法、装置、计算机设备及可读存储介质 |
| CN112395608A (zh) * | 2020-12-14 | 2021-02-23 | 深圳中兴网信科技有限公司 | 网络安全威胁监测方法、装置和可读存储介质 |
| CN113055333A (zh) * | 2019-12-26 | 2021-06-29 | 国网山西省电力公司信息通信分公司 | 可自适应动态调整密度网格的网络流量聚类方法和装置 |
| US20220368617A1 (en) * | 2020-02-07 | 2022-11-17 | Huawei Technologies Co., Ltd. | Data analytics method, apparatus, and system |
| CN116155610A (zh) * | 2023-03-06 | 2023-05-23 | 深圳信息职业技术学院 | 一种基于可视化的网络安全监测方法 |
| CN116506200A (zh) * | 2023-05-11 | 2023-07-28 | 余杰 | 云安全服务实现系统及方法 |
-
2023
- 2023-10-16 CN CN202311338349.1A patent/CN117675506A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170251387A1 (en) * | 2014-09-12 | 2017-08-31 | Abb Schweiz Ag | Detecting the status of a mesh node in a wireless mesh network |
| US10129282B2 (en) * | 2015-08-19 | 2018-11-13 | Palantir Technologies Inc. | Anomalous network monitoring, user behavior detection and database system |
| CN108075913A (zh) * | 2016-11-15 | 2018-05-25 | 千寻位置网络有限公司 | 一种播发系统服务质量的监控方法及其系统 |
| CN109359686A (zh) * | 2018-10-18 | 2019-02-19 | 西安交通大学 | 一种基于校园网流量的用户画像方法及系统 |
| CN113055333A (zh) * | 2019-12-26 | 2021-06-29 | 国网山西省电力公司信息通信分公司 | 可自适应动态调整密度网格的网络流量聚类方法和装置 |
| US20220368617A1 (en) * | 2020-02-07 | 2022-11-17 | Huawei Technologies Co., Ltd. | Data analytics method, apparatus, and system |
| CN111556440A (zh) * | 2020-05-07 | 2020-08-18 | 之江实验室 | 一种基于流量模式的网络异常检测方法 |
| CN111694718A (zh) * | 2020-05-27 | 2020-09-22 | 平安普惠企业管理有限公司 | 内网用户异常行为识别方法、装置、计算机设备及可读存储介质 |
| CN112395608A (zh) * | 2020-12-14 | 2021-02-23 | 深圳中兴网信科技有限公司 | 网络安全威胁监测方法、装置和可读存储介质 |
| CN116155610A (zh) * | 2023-03-06 | 2023-05-23 | 深圳信息职业技术学院 | 一种基于可视化的网络安全监测方法 |
| CN116506200A (zh) * | 2023-05-11 | 2023-07-28 | 余杰 | 云安全服务实现系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110383095B (zh) | 评价装置、蓄电系统、评价方法以及计算机程序 | |
| JP5842994B2 (ja) | 運転計画作成方法、運転計画作成プログラムおよび運転計画作成装置 | |
| US7502844B2 (en) | Abnormality indicator of a desired group of resource elements | |
| JP2016019358A (ja) | 需要予測装置、コンピュータプログラム、スマートメーター及び蓄電装置 | |
| CN110535159A (zh) | 一种规模化储能电站运行单元故障预警的方法及系统 | |
| CN104735710B (zh) | 一种基于趋势外推聚类的移动网络性能预警预判方法 | |
| CN103310388A (zh) | 基于信源熵的电网运行综合指数计算方法 | |
| CN108718303A (zh) | 安全运维管理方法及系统 | |
| Al-Dabbagh et al. | Toward the advancement of decision support tools for industrial facilities: Addressing operation metrics, visualization plots, and alarm floods | |
| CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及系统 | |
| WO2012029500A1 (ja) | 運用管理装置、運用管理方法、及びプログラム | |
| CN115759450B (zh) | 一种基于大数据的碳排放核算预警分析系统 | |
| CN117013606A (zh) | 一种基于人工智能的光伏发电智能储能控制系统 | |
| EP3048566B1 (en) | Information processing device and information processing method | |
| CN117675506A (zh) | 一种基于用户行为分析的智能网络运维管理方法和系统 | |
| CN117154740B (zh) | 一种蓄热式电采暖参与配电网的负荷调控方法及装置 | |
| CN116996220B (zh) | 一种电网大数据安全存储方法及系统 | |
| CN101350731B (zh) | 一种节点永久离开判别方法及长期数据维护方案 | |
| CN111932122B (zh) | 一种配电网防灾物资调配方法、装置、终端及存储介质 | |
| JP2005086880A (ja) | デマンド監視装置 | |
| CN112550069A (zh) | 一种农业植保无人机电池管理方法及装置 | |
| CN106600446A (zh) | 基于动态优先级的生产现场事件实时处理系统及方法 | |
| FI130073B (en) | Predictive maintenance of cable modems | |
| CN114189456B (zh) | 物联网设备的在线状态预测方法、装置及电子设备 | |
| CN118050649B (zh) | 一种基于大数据的蓄电池监控管理系统 |
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 |