CN117811844A - 一种分布式多点光纤通信信号异常监测方法及系统 - Google Patents
一种分布式多点光纤通信信号异常监测方法及系统 Download PDFInfo
- Publication number
- CN117811844A CN117811844A CN202410228349.4A CN202410228349A CN117811844A CN 117811844 A CN117811844 A CN 117811844A CN 202410228349 A CN202410228349 A CN 202410228349A CN 117811844 A CN117811844 A CN 117811844A
- Authority
- CN
- China
- Prior art keywords
- network
- optical fiber
- point
- monitoring
- representing
- 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
- 239000013307 optical fiber Substances 0.000 title claims abstract description 101
- 238000012544 monitoring process Methods 0.000 title claims abstract description 86
- 238000004891 communication Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000005540 biological transmission Effects 0.000 claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000000253 optical time-domain reflectometry Methods 0.000 claims abstract description 17
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 238000010187 selection method Methods 0.000 claims abstract description 7
- 230000005856 abnormality Effects 0.000 claims description 31
- 239000000835 fiber Substances 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 17
- 230000003287 optical effect Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000005206 flow analysis Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 description 2
- 101100533306 Mus musculus Setx gene Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及光纤监测技术领域，公开了一种分布式多点光纤通信信号异常监测方法及系统。首先通过特征选择法对实时监测的网络流量进行分析，基于分析结果判断网络流量是否存在异常；同时，通过聚类的方法对网络流量的分析结果进行聚类，分析判断是否存在光纤通信信号异常；当判断出现光纤通信信号异常时，通过OTDR技术对光纤异常点进行精确定位；本方法通过实时监测和OTDR技术相互配合的方式综合实现对光纤通信信号异常的监测，减少了网络传输误差，提高了光纤通信的安全性。
Description
技术领域
本发明涉及光纤监测技术领域，具体为一种分布式多点光纤通信信号异常监测方法及系统。
背景技术
随着互联网技术及计算机事业的发展，网络走进人们生活，人们的网络安全意识不断增强。如何保证网上财产安全、个人隐私安全是做好网络安全工作所要考虑的重点内容；因此对网络信号的监测成为计算机发展的重要内容。
但是由于当前网络流量数据量的不断增长，在光纤网络传输过程中，网络异常数据量也在慢慢增多，结果误差也随之增长，大大影响了网络传输的安全性。
现有技术CN113541779A通过将业务光和测试光合并为传输光后传输至待监测光纤，然后通过光纤测试光技术对光纤进行检测，监测成本高，无法实时监测，具有很大的局限性。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种分布式多点光纤通信信号异常监测方法及系统，具备安全性高、误差低等优点，解决了网络异常数据量增多的问题。
为解决上述网络异常数据量增多的技术问题，本发明提供如下技术方案：
一种分布式多点光纤通信信号异常监测方法，具体包括以下步骤：
S1、设定光纤通信信号监测区域，并基于设定的光纤通信信号监测区域内传输节点的位置，建立并保存光纤通信信号网络拓扑结构，同时在保存的光纤通信信号网络拓扑结构中，设置n个监测点；
S2、在每个监测点上安装网络流量检测设备，实时监测当前监测点上的网络流量大小；所述网络流量为在设定时间段范围内经过监测点的IP数据报文集合；
S3、基于实时监测的网络流量通过特征选择法进行分析；
S4、完成网络流量分析后，通过聚类方法完成流量异常检测；
S5、监测到异常后，基于异常的类别进行分类处理。
通过对实时监测的网络流量进行分析，并设定阈值的方式实时监测网络流量波动情况，同时对网络波动情况进行处理的方式保证网络安全传输。
优选地，所述建立并保存光纤网络拓扑结构包括：
设置一个三元组建立光纤网络拓扑；
m=(A，N，D)
其中，A表示建立光纤网络拓扑中的当前监测点的所属地区的序号；N表示建立光纤网络拓扑中的当前监测点的序号；D表示建立光纤网络拓扑中的当前监测点与其他临近监测点之间的距离；
所述临近监测点为与当前监测点直接相连的监测点。
优选地，所述基于实时监测的网络流量通过特征选择法进行分析包括：
S31、建立网络流量的目标函数；
S32、基于建立的目标函数对实时监测的网络流量进行分析。
通过建立网络流量的目标函数并基于建立的目标函数对实时监测的网络流量进行分析，保证网络安全传输。
优选地，所述建立网络流量的目标函数包括：
设定实时监测的网络流量为x，设定网络流量阈值为X；
设定F(x)=Q [x≤X]为实时监测的网络流量不大于X的概率；
其中，F(x)为阈值为X的目标函数，Q为概率；
基于重尾分布对目标函数F(x)进行计算；
其中，f为常数，表示目标函数的尾部指数；/>为阈值为X的余累计分布函数，F(x)为阈值为X的目标函数；
目标函数的概率密度和分布用公式表示为：
其中，k表示实时监测的网络流量x的最小值；表示可积函数。
优选地，所述基于建立的目标函数对实时监测的网络流量进行分析包括：
设定表示在数据传输过程中t时刻的网络流量，/>表示从t时刻开始经过t1时刻；
其中，表示目标函数的均差，/>表示目标函数的方差，Q(t1)表示t+t1时刻的概率；
对目标函数进行求和；
其中，ϴ(t1)表示网络流量从t时刻开始经过t1时刻的时间间隔，表示目标函数的均差，T表示时间集，t1表示经过t1时刻，E表示数学期望；
网络流量变化过程用谱密度函数关系式表示：
其中，f为常数，v为网络流量监测时间频率，为网络传输过程中的损耗值；
基于网络流量变化过程用谱密度函数关系式判断多时间序列之间的网络流量变化情况；
设定网络传输过程中的损耗值阈值，当存在时间序列之间的网络流量变化超过阈值，表示当前时间序列之间存在异常。
优选地，所述完成网络流量分析后，通过聚类方法完成流量异常检测包括：
对分析后的网络流量进行分类；
设定聚类数y，样例集g，g={，/>，...，/>，...，/>}(a=1，2，...，y)，其中每一元素为一类；
选取y个中心点，计算每一个分析后的网络流量x所属的类，基于公式计算每一类的中心点；
基于公式重新计算每一类的中心，重复计算，直至网络流量样本中心收敛；
其中，表示第y类样集的最大迭代次数；/>表示计算的中心点，/>表示中心数量集，x表示网络流量；
基于每个观测点收集的网络流量数据分类确定异常数据；
基于设定的n个观测点，设定每个观测点的网络流量(i=1,2,……,n)，将观测点用向量表示成(/>,/>,……,/>)(j=1,2,……,h);
表示每个观测点观测的网络流量有h个特征；表示观测点i到观测点n的距离；
基于设定聚类数y，将网络流量数据分成y类，表示样例集g中的第/>类，i为网络流量数据中观测点，/>表示第i个观测点第j个网络流量特征，/>表示第n个观测点第j个网络流量特征；
同类的两观测点距离为：
其中，表示a类中两观测点距离；
设定y类平方和均值为；
其中，n表示网络流量观测点数量，表示网络流量数据中为/>类的观测点数量，w表示平方和均值，/>表示y类平方和均值；
设定网络流量观测数据集的期望值与参考数据集的间隙距离：
其中，En表示第n个参考数据集的期望值；表示/>类的平方和均值；
通过确定网络流量观测数据集的所有特征，通过将网络流量特征分成不同聚类进行观测，聚类数为y，计算每类平方和均值；
基于网络流量分析结果,生成b个网络异常流量参考数据集，B表示第B个网络异常流量参考数据集，计算每个参考数据集的平方和均值(b=1,2,...,B)；
通过聚类算法不断迭代直到收敛；
对聚类后的结果进行判断，设定网络流量波动阈值，网络流量波动阈值分为网络流量波动上阈值以及网络流量波动下阈值；
将聚类后的结果中平方和均值超过0%且≤20%的网络流量波动上阈值的聚类结果设定为网络传输异常；
将聚类后的结果中平方和均值超过网络流量波动上阈值20%的聚类结果设定为光纤传输异常；
将聚类后的结果中平方和均值低于0%且≤20%的网络流量波动下阈值的聚类结果设定为网络传输异常；
将聚类后的结果中平方和均值低于网络流量波动下阈值20%的聚类结果设定为光纤传输异常。
优选地，所述监测到异常后，基于异常的类别进行分类处理包括：
对于网络传输异常，检查网络后，对数据进行重传；
对于光纤传输异常通过OTDR技术定位光纤异常点位置。
优选地，所述对于光纤传输异常通过OTDR技术定位光纤异常点位置包括：
通过OTDR技术对光纤通信线路中的光信号进行分析，包括对光信号的菲涅尔反射信号分析和瑞利散射信号分析；
菲涅尔反射信号分析：
在光源输入点测得的来自光纤上z点处的菲涅尔反射功率为：
其中，S为背向散射系数，P i 表示第i个监测点的光纤散射功率，e为自然常数，µ为菲涅尔反射系数，P r (z)表示光纤上z点处的菲涅尔反射功率，P r 表示菲涅尔反射功率；
瑞利散射信号分析：
其中，S为背向散射系数，P i 表示第i个监测点的光纤散射功率，e为自然常数，ϴ表示瑞利散射系数，η表示折射率，表示光脉冲宽度，c为光速，P b (z)表示光纤上z点处的瑞利散射系数；
设定OTDR测试光功率为P(0),经过光纤的传输损耗后到达Z点的光功率P(Z)为：
进一步地，由于在Z点会发生瑞利散射，有少部分光将返回到OTDR测试端口；
其中，是Z处的背向散射系数，表示为：
其中W为背向散射功率与瑞利散射总功率的比值，ϴ表示瑞利散射系数，η 1 为Z处光纤纤芯的折射率；
Z=0处，背向散射功率为：
理想平均衰减系数β为：
设定整条光纤理想为均匀连续的，此时，得出0-Z之间的实际的平均衰减系数：
其中，表示Z处的实际平均衰减系数；
对比实际的平均衰减系数和理想平均衰减系数，当实际的平均衰减系数大于理想平均衰减系数时，表示光纤通信传输过程中存在异常；
基于光速计算得出Z点到光源输入点的距离：
其中，η表示折射率，c为光速，t表示发出信号时间与接收到反射信号的时间间隔，表示点Z到光源输入点的距离。
本实施例还公开一种分布式多点光纤通信信号异常监测系统，包括：服务器、通信模块、数据库、客户端以及检测设备；
所述服务器包括：数据分析模块、网络拓扑模块、数据收集模块；
所述数据收集模块用于实时采集网络流量数据；
所述数据分析模块用于对采集到的网络流量数据进行分析；
所述网络拓扑模块用于根据设定的监测点位置信息建立光纤网络拓扑；
所述数据库用于保存系统中产生的各项数据和实时采集的网络流量数据；
所述通信模块用于通过无线连接的方式实现系统内各个模块之间的通信；
所述客户端用于实时显示系统中的光纤网络状态情况并与用户进行交互；
所述检测设备光时域反射仪，用于测试光纤发出的测试信号，并观察分析返回信号，重复测试过程并对结果进行平均，将结果以轨迹的形式在客户端内显示。
与现有技术相比，本发明提供了一种分布式多点光纤通信信号异常监测方法及系统，具备以下有益效果：
1、该发明通过特征选择法对实时监测的网络流量进行分析，具体通过建立网络流量的目标函数并基于建立的目标函数对实时监测的网络流量进行分析，通过设定网络传输过程中的损耗值阈值，判断当前时间序列网络流量的波动情况是否异常，提高了网络传输的安全性。
2、该发明通过聚类的方法对网络流量的分析结果进行聚类，并通过聚类结果分析判断是否存在光纤通信信号异常，避免了网络传输误差。
3、该发明通过OTDR技术的方法对光纤传输中的光信号进行分析，根据光的传播速度以及反射效率对光纤异常点进行精确定位，减少了网络传输误差，提高了光纤通信的安全性。
附图说明
图1为本发明的分布式多点光纤通信信号异常监测流程结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例公开一种分布式多点光纤通信信号异常监测方法，具体包括以下步骤：
S1、设定光纤通信信号监测区域，并基于设定的光纤通信信号监测区域内传输节点的位置，建立并保存光纤通信信号网络拓扑结构，同时在保存的光纤通信信号网络拓扑结构中，设置n个监测点；
设置一个三元组保存建立光纤网络拓扑；
m=(A，N，D)
其中，A表示建立光纤网络拓扑中的当前监测点的所属地区的序号；N表示建立光纤网络拓扑中的当前监测点的序号；D表示建立光纤网络拓扑中的当前监测点与其他临近监测点之间的距离；
进一步地，所述临近监测点为与当前监测点直接相连的监测点；
S2、并在每个监测点上安装网络流量检测设备，实时监测当前监测点上的网络流量大小；所述网络流量为在设定时间段范围内经过监测点的IP数据报文集合；
S3、基于实时监测的网络流量通过特征选择法进行分析；
S31、建立网络流量的目标函数；
设定实时监测的网络流量为x，设定网络流量阈值为X；
进一步地，设定F(x)=Q [x≤X]为实时监测的网络流量不大于X的概率；
其中，F(x)为阈值为X的目标函数，Q为概率；
进一步地，基于重尾分布对目标函数F(x)进行计算；
其中，f为常数，表示目标函数的尾部指数；/>为阈值为X的余累计分布函数，F(x)为阈值为X的目标函数；
进一步地，目标函数的概率密度和分布用公式表示为：
其中，k表示实时监测的网络流量x的最小值；表示可积函数；
S32、基于建立的目标函数对实时监测的网络流量进行分析；
设定表示在数据传输过程中t时刻的网络流量，/>表示从t时刻开始经过t1时刻；
其中，表示目标函数的均差，/>表示目标函数的方差，Q(t1)表示t+t1时刻的概率；
进一步地，对目标函数进行求和；
其中，ϴ(t1)表示网络流量从t时刻开始经过t1时刻的时间间隔，表示目标函数的均差，T表示时间集，t1表示经过t1时刻，E表示数学期望；
进一步地，网络流量变化过程用谱密度函数关系式表示：
其中，f为常数，v为网络流量监测时间频率，为网络传输过程中的损耗值；
进一步地，基于网络流量变化过程用谱密度函数关系式判断多时间序列之间的网络流量变化情况；
设定网络传输过程中的损耗值阈值，当存在时间序列之间的网络流量变化超过阈值，表示当前时间序列之间存在异常；
S4、完成网络流量分析后，通过聚类方法完成流量异常检测；
对分析后的网络流量进行分类；
设定聚类数y，样例集g，g={，/>，...，/>，...，/>}(a=1，2，...，y)，其中每一元素为一类；
选取y个中心点，计算每一个分析后的网络流量x所属的类，基于公式计算每一类的中心点；
进一步地，基于公式重新计算每一类的中心，重复计算，直至网络流量样本中心收敛；
其中，表示第y类样集的最大迭代次数；/>表示计算的中心点，/>表示中心数量集，x表示网络流量；
基于每个观测点收集的网络流量数据分类确定异常数据；
进一步地，基于设定的n个观测点，设定每个观测点的网络流量(i=1,2,……,n)，将观测点用向量表示成(/>,/>,……,/>)(j=1,2,……,h);
表示每个观测点观测的网络流量有h个特征；表示观测点i到观测点n的距离；
进一步地，基于设定聚类数y，将网络流量数据分成y类，表示样例集g中的第/>类，i为网络流量数据中观测点，/>表示第i个观测点第j个网络流量特征，/>表示第n个观测点第j个网络流量特征；
进一步地，同类的两观测点距离为：
其中，表示/>类中两观测点距离；
设定y类平方和均值为；
其中，n表示网络流量观测点数量，表示网络流量数据中为/>类的观测点数量，w表示平方和均值，/>表示y类平方和均值；
设定网络流量观测数据集的期望值与参考数据集的间隙距离：
其中，En表示第n个参考数据集的期望值；表示/>类的平方和均值；
进一步地，通过确定网络流量观测数据集的所有特征，通过将网络流量特征分成不同聚类进行观测，聚类数为y，计算每类平方和均值；
进一步地，基于网络流量分析结果,生成b个网络异常流量参考数据集，B表示第B个网络异常流量参考数据集，计算每个参考数据集的平方和均值(b=1,2,...,B)；
进一步地，通过聚类算法不断迭代直到收敛；
进一步地，对聚类后的结果进行判断，设定网络流量波动阈值，网络流量波动阈值分为网络流量波动上阈值以及网络流量波动下阈值；
将聚类后的结果中平方和均值超过0%且≤20%的网络流量波动上阈值的聚类结果设定为网络传输异常；
将聚类后的结果中平方和均值超过网络流量波动上阈值20%的聚类结果设定为光纤传输异常；
将聚类后的结果中平方和均值低于0%且≤20%的网络流量波动下阈值的聚类结果设定为网络传输异常；
将聚类后的结果中平方和均值低于网络流量波动下阈值20%的聚类结果设定为光纤传输异常；
S5、监测到异常后，基于异常的类别进行分类处理；
对于网络传输异常，检查网络后，对数据进行重传；
对于光纤传输异常通过OTDR技术定位光纤异常点位置；
通过OTDR技术对光纤通信线路中的光信号进行分析，包括对光信号的菲涅尔反射信号分析和瑞利散射信号分析；
菲涅尔反射信号分析：
在光源输入点测得的来自光纤上z点处的菲涅尔反射功率为：
其中，S为背向散射系数，P i 表示第i个监测点的光纤散射功率，e为自然常数，µ为菲涅尔反射系数，P r (z)表示光纤上z点处的菲涅尔反射功率，P r 表示菲涅尔反射功率；
瑞利散射信号分析：
其中，S为背向散射系数，P i 表示第i个监测点的光纤散射功率，e为自然常数，ϴ表示瑞利散射系数，η表示折射率，表示光脉冲宽度，c为光速，P b (z)表示光纤上z点处的瑞利散射系数；
设定OTDR测试光功率为P(0)，经过光纤的传输损耗后到达Z点的光功率P(Z)为：
进一步地，由于在Z点会发生瑞利散射，有少部分光将返回到OTDR测试端口；
其中，是Z处的背向散射系数，表示为：
其中W为背向散射功率与瑞利散射总功率的比值，ϴ表示瑞利散射系数，η 1 为Z处光纤纤芯的折射率；
Z=0处，背向散射功率为：
理想平均衰减系数β为：
设定整条光纤理想为均匀连续的，此时，得出0-Z之间的实际的平均衰减系数：/>
其中，表示Z处的实际平均衰减系数；
对比实际的平均衰减系数和理想平均衰减系数，当实际的平均衰减系数大于理想平均衰减系数时，表示光纤通信传输过程中存在异常；
基于光速计算得出Z点到光源输入点的距离：
其中，η表示折射率，c为光速，t表示发出信号时间与接收到反射信号的时间间隔，表示点Z到光源输入点的距离；
本实施例还公开一种分布式多点光纤通信信号异常监测系统，具体包括：服务器、通信模块、数据库、客户端以及检测设备；
所述服务器包括：数据分析模块、网络拓扑模块、数据收集模块；
所述数据收集模块用于实时采集网络流量数据；
所述数据分析模块用于对采集到的网络流量数据进行分析；
所述网络拓扑模块用于根据设定的监测点位置信息建立光纤网络拓扑；
所述数据库用于保存系统中产生的各项数据和实时采集的网络流量数据；
所述通信模块用于通过无线连接的方式实现系统内各个模块之间的通信；
所述客户端用于实时显示系统中的光纤网络状态情况并与用户进行交互；
所述检测设备光时域反射仪用于对测试光纤发出的测试信号，并观察分析返回信号，重复测试过程并对结果进行平均，将结果以轨迹的形式显示；
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种分布式多点光纤通信信号异常监测方法，其特征在于，包括以下步骤：
S1、设定光纤通信信号监测区域，并基于设定的光纤通信信号监测区域内传输节点的位置，建立并保存光纤网络拓扑结构，同时在保存的光纤网络拓扑结构中，设置n个监测点；
S2、在每个监测点上安装网络流量检测设备，实时监测当前监测点上的网络流量大小；所述网络流量为在设定时间段范围内经过监测点的IP数据报文集合；
S3、基于实时监测的网络流量通过特征选择法进行分析；
S4、完成网络流量分析后，通过聚类方法完成流量异常检测；
S5、监测到异常后，基于异常的类别进行分类处理。
2.根据权利要求1所述的一种分布式多点光纤通信信号异常监测方法，其特征在于，所述建立并保存光纤网络拓扑结构包括：
设置一个三元组保存建立光纤网络拓扑；
m=(A，N，D)
其中，A表示建立光纤网络拓扑中的当前监测点的所属地区的序号；N表示建立光纤网络拓扑中的当前监测点的序号；D表示建立光纤网络拓扑中的当前监测点与其他临近监测点之间的距离；
所述临近监测点为与当前监测点直接相连的监测点。
3.根据权利要求1所述的一种分布式多点光纤通信信号异常监测方法，其特征在于，所述基于实时监测的网络流量通过特征选择法进行分析包括：
S31、建立网络流量的目标函数；
S32、基于建立的目标函数对实时监测的网络流量进行分析。
4.根据权利要求3所述的一种分布式多点光纤通信信号异常监测方法，其特征在于，所述建立网络流量的目标函数包括：
设定实时监测的网络流量为x，设定网络流量阈值为X；
设定F(x)=Q [x≤X]；
其中，F(x)为阈值为X的目标函数，Q为概率；
基于重尾分布对目标函数F(x)进行计算；
；
其中，f为常数，表示目标函数的尾部指数；/>为阈值为X的余累计分布函数，F(x)为阈值为X的目标函数；
目标函数的概率密度和分布用公式表示为：
；
；
其中，k表示实时监测的网络流量x的最小值；表示可积函数。
5.根据权利要求3所述的一种分布式多点光纤通信信号异常监测方法，其特征在于，所述基于建立的目标函数对实时监测的网络流量进行分析包括：
设定表示在数据传输过程中t时刻的网络流量，/>表示从t时刻开始经过t1时刻；
；
其中，表示目标函数的均差，/>表示目标函数的方差，Q(t1)表示t+t1时刻的概率；
对目标函数进行求和；
；
其中，ϴ(t1)表示网络流量从t时刻开始经过t1时刻的时间间隔，表示目标函数的均差，T表示时间集，t1表示经过t1时刻，E表示数学期望；
网络流量变化过程用谱密度函数关系式表示：
；
其中，f为常数，v为网络流量监测时间频率，为网络传输过程中的损耗值；
基于网络流量变化过程用谱密度函数关系式判断多时间序列之间的网络流量变化情况；
设定网络传输过程中的损耗值阈值，当存在时间序列之间的网络流量变化超过阈值，表示当前时间序列之间存在异常。
6.根据权利要求1所述的一种分布式多点光纤通信信号异常监测方法，其特征在于，所述完成网络流量分析后，通过聚类方法完成流量异常检测包括：
对分析后的网络流量进行分类；
设定聚类数y，样例集g，g={，/>，...，/>，...，/>}(a=1，2，...，y)，其中每一元素为一类；
选取y个中心点，计算每一个分析后的网络流量x所属的类，基于公式计算每一类的中心点；
基于公式重新计算每一类的中心，重复计算，直至网络流量样本中心收敛；
；
；
其中，表示第y类样集的最大迭代次数；/>表示计算的中心点，/>表示中心数量集，x表示网络流量；
基于每个观测点收集的网络流量数据分类确定异常数据；
基于设定的n个观测点，设定每个观测点的网络流量(i=1,2,……,n)，将观测点用向量表示成(/>,/>,……,/>)(j=1,2,……,h);
表示每个观测点观测的网络流量有h个特征；表示观测点i到观测点n的距离；
；
基于设定聚类数y，将网络流量数据分成y类，表示样例集g中的第/>类，i为网络流量数据中观测点，/>表示第i个观测点第j个网络流量特征，/>表示第n个观测点第j个网络流量特征；
同类的两观测点距离为：
；
其中，表示/>类中两观测点距离；
设定y类平方和均值为；
；
其中，n表示网络流量观测点数量，表示网络流量数据中为/>类的观测点数量，w表示平方和均值，/>表示y类平方和均值；
设定网络流量观测数据集的期望值与参考数据集的间隙距离：
；
其中，En表示第n个参考数据集的期望值；表示/>类的平方和均值；
通过确定网络流量观测数据集的所有特征，通过将网络流量特征分成不同聚类进行观测，聚类数为y，计算每类平方和均值；
基于网络流量分析结果,生成b个网络异常流量参考数据集，B表示第B个网络异常流量参考数据集，计算每个参考数据集的平方和均值(b=1,2,...,B)；
通过聚类算法不断迭代直到收敛；
对聚类后的结果进行判断，设定网络流量波动阈值，网络流量波动阈值分为网络流量波动上阈值以及网络流量波动下阈值；
将聚类后的结果中平方和均值超过0%且≤20%的网络流量波动上阈值的聚类结果设定为网络传输异常；
将聚类后的结果中平方和均值超过网络流量波动上阈值20%的聚类结果设定为光纤传输异常；
将聚类后的结果中平方和均值低于0%且≤20%的网络流量波动下阈值的聚类结果设定为网络传输异常；
将聚类后的结果中平方和均值低于网络流量波动下阈值20%的聚类结果设定为光纤传输异常。
7.根据权利要求1所述的一种分布式多点光纤通信信号异常监测方法，其特征在于，所述监测到异常后，基于异常的类别进行分类处理包括：
对于网络传输异常，检查网络后，对数据进行重传；
对于光纤传输异常通过OTDR技术定位光纤异常点位置。
8.根据权利要求7所述的一种分布式多点光纤通信信号异常监测方法，其特征在于，所述对于光纤传输异常通过OTDR技术定位光纤异常点位置包括：
通过OTDR技术对光纤通信线路中的光信号进行分析包括：对光信号的菲涅尔反射信号分析和瑞利散射信号分析；
菲涅尔反射信号分析：
在光源输入点测得的来自光纤上z点处的菲涅尔反射功率为：
；
其中，S为背向散射系数，P i 表示第i个监测点的光纤散射功率，e为自然常数，µ为菲涅尔反射系数，P r (z)表示光纤上z点处的菲涅尔反射功率，P r 表示菲涅尔反射功率；
瑞利散射信号分析：
；
其中，S为背向散射系数，P i 表示第i个监测点的光纤散射功率，e为自然常数，ϴ表示瑞利散射系数，η表示折射率，表示光脉冲宽度，c为光速，P b (z)表示光纤上z点处的瑞利散射系数；
设定OTDR测试光功率为P(0)，经过光纤的传输损耗后到达Z点的光功率P(Z)为：
；
由于在Z点会发生瑞利散射，有少部分光将返回到OTDR测试端口；
；
其中，是Z处的背向散射系数，表示为：
；
其中W为背向散射功率与瑞利散射总功率的比值，ϴ表示瑞利散射系数，η 1 为Z处光纤纤芯的折射率；
Z=0处，背向散射功率为：
；
理想平均衰减系数β为：
；
设定整条光纤理想为均匀连续的，此时，得出0-Z之间的实际的平均衰减系数：
；
其中，表示Z处的实际平均衰减系数；
对比实际的平均衰减系数和理想平均衰减系数，当实际的平均衰减系数大于理想平均衰减系数时，表示光纤通信传输过程中存在异常；
基于光速计算得出Z点到光源输入点的距离：
；
其中，η表示折射率，c为光速，t表示发出信号时间与接收到反射信号的时间间隔，表示点Z到光源输入点的距离。
9.一种实现权利要求1-8任一项所述分布式多点光纤通信信号异常监测方法的分布式多点光纤通信信号异常监测系统，其特征在于，包括：服务器、通信模块、数据库、客户端以及检测设备；
所述服务器包括：数据分析模块、网络拓扑模块、数据收集模块以及数据库；
所述数据收集模块用于实时采集网络流量数据；
所述数据分析模块用于对采集到的网络流量数据进行分析；
所述网络拓扑模块用于根据设定的监测点位置信息建立光纤网络拓扑；
所述数据库用于保存系统中产生的各项数据和实时采集的网络流量数据；
所述通信模块用于通过无线连接的方式实现系统内各个模块之间的通信；
所述客户端用于实时显示系统中的光纤网络状态情况并与用户进行交互；
所述检测设备光时域反射仪用于对测试光纤发出的测试信号，并观察分析返回信号，重复测试过程并对结果进行平均，将结果以轨迹的形式在客户端内显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410228349.4A CN117811844B (zh) | 2024-02-29 | 2024-02-29 | 一种分布式多点光纤通信信号异常监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410228349.4A CN117811844B (zh) | 2024-02-29 | 2024-02-29 | 一种分布式多点光纤通信信号异常监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117811844A true CN117811844A (zh) | 2024-04-02 |
| CN117811844B CN117811844B (zh) | 2024-05-07 |
Family
ID=90432026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410228349.4A Active CN117811844B (zh) | 2024-02-29 | 2024-02-29 | 一种分布式多点光纤通信信号异常监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117811844B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200382537A1 (en) * | 2019-05-31 | 2020-12-03 | Charter Communications Operating, Llc | Network traffic detection with mitigation of anomalous traffic and/or classification of traffic |
| CN113541779A (zh) * | 2021-08-05 | 2021-10-22 | 国网青海省电力公司信息通信公司 | 光纤监测系统 |
| US11539728B1 (en) * | 2020-03-16 | 2022-12-27 | Amazon Technologies, Inc. | Detecting connectivity disruptions by observing traffic flow patterns |
| CN117319090A (zh) * | 2023-11-28 | 2023-12-29 | 江苏云网数智信息技术有限公司 | 一种网络安全智能防护系统 |
| CN117527058A (zh) * | 2024-01-04 | 2024-02-06 | 深圳市飞思卓科技有限公司 | 一种基于大数据的光纤通信设备监测方法及系统 |
-
2024
- 2024-02-29 CN CN202410228349.4A patent/CN117811844B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200382537A1 (en) * | 2019-05-31 | 2020-12-03 | Charter Communications Operating, Llc | Network traffic detection with mitigation of anomalous traffic and/or classification of traffic |
| US11539728B1 (en) * | 2020-03-16 | 2022-12-27 | Amazon Technologies, Inc. | Detecting connectivity disruptions by observing traffic flow patterns |
| CN113541779A (zh) * | 2021-08-05 | 2021-10-22 | 国网青海省电力公司信息通信公司 | 光纤监测系统 |
| CN117319090A (zh) * | 2023-11-28 | 2023-12-29 | 江苏云网数智信息技术有限公司 | 一种网络安全智能防护系统 |
| CN117527058A (zh) * | 2024-01-04 | 2024-02-06 | 深圳市飞思卓科技有限公司 | 一种基于大数据的光纤通信设备监测方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 万欣等人: "基于逻辑回归的数据中心网络流量预测", 《计算机应用》, vol. 43, no. 2, 31 December 2023 (2023-12-31) * |
| 任春雷;刘世民;朱继阳;曹秀峰;: "基于改进特征选择法的光纤网络流量异常监测", 科学技术与工程, no. 23, 18 August 2018 (2018-08-18) * |
| 魏德宾等人: "基于网络流量水平等级预测的自适应随机早期检测算法", 《通信学报》, vol. 44, no. 6, 25 June 2023 (2023-06-25) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117811844B (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109359385B (zh) | 一种服务质量评估模型的训练方法及装置 | |
| CN108038300A (zh) | 基于改进的隶属度函数结合神经网络的光纤状态评估方法 | |
| CN110492926B (zh) | 一种基于机器学习的光纤窃听定位方法、系统及电子设备 | |
| CN113344134B (zh) | 一种低压配电监控终端数据采集异常检测方法及系统 | |
| CN109816245A (zh) | 用于对公授信客户风险预警的风险传导评估系统及方法 | |
| CN111610407A (zh) | 基于朴素贝叶斯的电缆老化状态评估方法和装置 | |
| CN108683564B (zh) | 一种基于多维决策属性的网络仿真系统可信度评估方法 | |
| CN108270636A (zh) | 链路质量评估方法及装置 | |
| CN109242250A (zh) | 一种基于模糊熵权法与云模型的用户行为可信度检测方法 | |
| KR101953558B1 (ko) | 스마트 기기 결함 관리 장치 및 방법 | |
| CN109711664B (zh) | 一种基于大数据的输变电设备健康评估系统 | |
| CN116842527A (zh) | 一种数据安全风险评估方法 | |
| CN110705887A (zh) | 一种基于神经网络模型的低压台区运行状态综合评价方法 | |
| CN112365361A (zh) | 一种基于规则库的电力计量数据质量体检方法 | |
| CN115525976A (zh) | 基于模糊层次分析方法的邮轮动力系统可靠性分析方法 | |
| CN113641959A (zh) | 一种高压电缆接头温度趋势预测方法 | |
| CN115617784A (zh) | 一种信息化配电的数据处理系统及其处理方法 | |
| CN117811844B (zh) | 一种分布式多点光纤通信信号异常监测方法及系统 | |
| CN114866137A (zh) | 电力光缆网的检测方法及装置 | |
| CN104616209B (zh) | 一种基于在线监测的电力电缆接头信息聚合评价方法 | |
| WO2024007565A1 (en) | Network analysis using optical quantum computing | |
| CN115951123A (zh) | 一种基于无线通信的电能计量方法及系统 | |
| CN115236616A (zh) | 基于组合赋权灰色云模型的雷达系统质量确定方法及系统 | |
| CN111861122B (zh) | 一种基于传播属性相似性的社交网络信息可信度评估方法 | |
| CN111654327A (zh) | 一种面向光缆纤芯远程管理控制的业务特征提取方法 |
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 |