CN117880116A - 用于生成网络模拟场景的技术 - Google Patents

用于生成网络模拟场景的技术 Download PDF

Info

Publication number
CN117880116A
CN117880116A CN202410204439.XA CN202410204439A CN117880116A CN 117880116 A CN117880116 A CN 117880116A CN 202410204439 A CN202410204439 A CN 202410204439A CN 117880116 A CN117880116 A CN 117880116A
Authority
CN
China
Prior art keywords
network
record
system test
exemplary
network operation
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
Application number
CN202410204439.XA
Other languages
English (en)
Inventor
莎瑞雅·高塔姆
徐云路
理查德·卡拉姆
乔纳森·丽丝
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.)
Sabercombe LLC
Original Assignee
Sabercombe LLC
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 Sabercombe LLC filed Critical Sabercombe LLC
Publication of CN117880116A publication Critical patent/CN117880116A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
    • H04B10/25—Arrangements specific to fibre transmission
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
    • H04B10/80—Optical aspects relating to the use of optical transmission for specific applications, not provided for in groups H04B10/03 - H04B10/70, e.g. optical power feeding or optical transmission through water
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04J—MULTIPLEX COMMUNICATION
    • H04J14/00—Optical multiplex systems
    • H04J14/02—Wavelength-division multiplex systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies
    • 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
    • H04L43/50—Testing arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本公开描述了用于生成网络模拟场景的技术。在一个实施方案中，一种装置可包括：记录组件，该记录组件用于：接收示例性网络配置记录；接收示例性网络操作记录；机器学习管理组件，该机器学习管理组件用于基于示例性网络配置记录作为示例性输入并且基于示例性网络操作记录作为示例性输出，使用机器学习组件来生成网络操作模型；以及系统测试组件，该系统测试组件用于：接收系统测试网络配置记录；以及使用网络操作模型基于系统测试网络配置记录来生成系统测试网络操作记录。描述并要求保护其他实施方案。

Description

用于生成网络模拟场景的技术
本申请是申请号为“202010520526.8”，申请日为“2020年6月9日”，发明名称为“用于生成网络模拟场景的技术”的中国专利申请的分案申请。
技术领域
本公开涉及光学通信系统，并且特别地涉及使用人工智能方法和应用程序对海底光纤传输系统的模拟。
背景技术
当开发海底光学通信系统时，在部署之前和之后测试网络管理系统(NMS)及其操作是有价值的。这些通信系统通常由各种互连的网络元件(一个NE或多个NE)组成，互连的网络元件中的每个网络元件可根据特定于其设计和构造的细节来表现。NE可包括但不限于发射器、接收器、中继器、耦合器、分支单元、以及构成典型的海底光学通信系统的各种其他组件。这些NE也可被配置为将关于通信系统、构成该系统的节点、以及在其中的组件的操作信息传达到NMS。不幸地，在实验室中创建和配置表示这些NE的实际硬件以测试NMS系统可能是不经济或不可行的，因为该实际硬件可能由数百个不利于实验室复制的物理元件组成。因此，已经开发了软件以模拟此类系统的操作和在这些通信系统内的NE功能性。然而，用于模拟此类系统和NE功能性的当前软件采用支持硬编码并有时还支持手动地创建的NE功能和响应的基于静态环境的行为文件和数据库。此静态环境仅提供有限的系统复制和硬件仿真并要求大量手动编辑才能引入新的用例。因此，当前模拟技术基于特定系统架构而在其适用性方面是有限的，并且不允许基于机器学习的模拟器更准确地创建系统模拟环境。
发明内容
下文呈现了简化概述，以便提供对本文所述的一些新颖实施方案的基本理解。该概述并不是详尽的概述，并且其无意于标识关键/临界要素或描绘其范围。一些概念以简化形式呈现，作为之后呈现的更详细的描述的序言。
各种实施方案一般涉及用于使用采用机器学习技术的网络操作模型生成网络模拟场景的技术。在一个实施方案中，例如，一种装置可包括：组件，该组件用于：接收示例性网络配置记录；接收示例性网络操作记录；机器学习管理组件，该机器学习管理组件用于基于示例性网络配置记录作为示例性输入并且基于示例性网络操作记录作为示例性输出，使用机器学习组件来生成网络操作模型；以及系统测试组件，该系统测试组件用于：接收系统测试网络配置记录；以及使用网络操作模型基于系统测试网络配置记录来生成系统测试网络操作记录。描述并要求保护其他实施方案。
为了实现前述和相关目的，本文结合以下描述和附图描述了某些例示性方面。这些方面指示了可实践本文公开的原理的各种方式，并且所有方面和其等同物都旨在在所要求保护的主题的范围内。当结合附图考虑时，从以下详细描述中，其他优点和新颖特征将变得显而易见。
附图说明
图1A示出了结合本公开的海底光学传输系统的简化框图。
图1B示出了网络建模系统的实施方案。
图2A示出了从输入矩阵产生输出矩阵的模拟器文件生成器的实施方案。
图2B示出了训练模块的实施方案。
图3示出了处理输入数据的网络建模系统的实施方案。
图4示出了基于网络操作模型来产生系统测试网络操作记录的网络建模系统的实施方案。
图5示出了用于图1的系统的逻辑流程的实施方案。
图6示出了用于图1的系统的集中式系统的实施方案。
图7示出了用于图1的系统的分布式系统的实施方案。
图8示出了计算架构的实施方案。
图9示出了通信架构的实施方案。
具体实施方式
如上所述，当前海底光纤通信系统软件模拟器可基于支持网络元件响应和警报事件的硬编码的模拟的文件和数据库来使用静态模拟环境。这些模拟器在计算机系统上执行并基于包含静态响应的数据集来在缺少物理硬件的情况下复制网络元件行为。支持模拟器的文件可手动地创建并由指示网络元件的输出参数的固定键值对组成。管理软件可像在真实世界环境中那样起作用，但是由于静态文件结构而只能实现部分功能性。因此，行为复制仅对现实世界通信系统部分地建模。
相反，模拟系统将优选地是灵活的且可配置的，以支持小型和超大型系统配置两者，同时可接近于在系统级上的实际硬件实现为一个NE的行为的动态地反应可影响其他NE的行为。为了解决与静态模拟以及模拟器操作文件的耗时的手动创建相关联的缺点，可部署基于机器学习的模拟器生成方法。在提供网络元件性能、配置、以及警报信息的情况下，基于机器学习的模拟生成器会自动地为新网络元件和现有网络元件生成模拟器。这使网络工程师能够容易地创建具有NE组合的不同拓扑和各种部署的整个电缆系统的模拟环境，从而将对这些系统准确地建模。此外，在收集操作信息时，随着系统更多地了解关于所使用的配置和功能的信息，模拟将会变得越来越准确。
现在参考附图，其中相同的附图标记贯穿全文用于指代相同的元件。在以下描述中，出于解释的目的，阐述了许多具体细节，以便提供对其的透彻理解。然而，可清楚，可在没有这些具体细节的情况下实践新颖实施方案。在其他实例中，以框图的形式示出了所熟知的结构和设备，以便促成对其的描述。其目的是覆盖与所要求保护的主题一致的所有修改、等同方案以及另选方案。
值得注意的是，如本文所用的“a”和“b”以及“c”还有类似的标号旨在为表示任何正整数的变量。因此，例如，如果实施方式将a的值设置为＝5，则示出为组件122-1至122-a的组件122的完整集可包括组件122-1、122-2、122-3、122-4和122-5。在这种情况下，这些实施方案不受限制。
图1A示出了根据本公开的实施方案的利用波分复用(WDM)的示例性光学传输系统的简化框图。光学传输系统10一般由终端设备101和108以及设置在它们之间的海底光纤电缆102组成，以允许以高通信量容量传输光学信号。特别地，多个光学发射器/接收器1011…101N在相关联的波长或信道上生成光学信号，该光学信号由复用器/解复用器104组合或复用并沿着海底光纤电缆102传输到接收器110。类似地，光学发射器/接收器1101…110N在相关联的波长或信道上生成光学信号，该光学信号由复用器/解复用器107组合或复用并沿着海底光纤电缆102传输到接收器101。发射器可被配置为使用各种调制技术来生成光学信号，该调制技术包括但不限于QPSK、DPSK、RZ-DPSK等。在各种波长上的光学信号可由沿着光纤电缆102设置的多个光学放大器或中继器1051…105N放大。放大器1051…105N可为例如铒掺杂的光纤放大器、拉曼放大器和/或它们的组合。光纤电缆102可包括与光学放大器1051…105N的数量相对应的跨段106N的多个光纤区段。当由终端108从终端101接收所传输的光学信号时，复用器/解复用器107将信道分开到接收器1101…110N中的每个接收器。类似地，当由终端101从终端108接收所传输的光学信号时，复用器/解复用器104将信道分开到接收器1011…101N中的每个接收器。终端101和108中的每个终端还可包括色散补偿模块、馈电设备以及线路监视设备，这取决于如本领域中已知的所期望的系统架构。另外，光学传输系统10还可包括各种其他组件，包括但不限于分支单元、中继和非中继跨段、以及各种耦合器，从而将所传输的光学信号提供到多个终端位置。系统10内的组件(例如，发射器/接收器、复用器/解复用器、放大器、光纤跨段、馈电设备等)中的每个组件都可被称为NE。
图1B示出了用于对图1A所示的示例性光学传输系统10进行建模的网络建模系统100的框图。网络建模系统100可包括具有包括一个或多个组件的软件应用程序的计算机实现的系统。尽管图1B所示的网络建模系统100在特定拓扑中具有有限数量的元件，但是应当理解，网络建模系统100可根据给定实施方式的需要在另选的拓扑中包括更多或更少的元件。
客户端应用程序120在海底光学通信网络的模拟中与网络模拟器140交互。客户端应用程序120可包括用于管理通信网络的网络管理应用程序。客户端应用程序120可针对用户接收和显示网络操作信息并可对应于网络及其组成网络元件的操作。客户端应用程序120使用户能够管理通信网络的操作并可向网络模拟器140发送请求130和接收响应135。网络操作记录存储库160存储模拟器文件170，该模拟器文件定义在网络元件与客户端应用程序120之间的通信行为(例如，消息构建规则)。网络模拟器140经由命令处理程序150管理请求到不同网络元件的路由，从而使用模拟器数据库180以包含执行不同行为所要求的命令，诸如例如基于模拟器文件170中的值来生成警报。在请求130是基于硬件的请求133的情况下，可由命令处理程序150基于模拟器文件170来处理基于硬件的请求133。在请求130是基于数据库的请求136的情况下，可由命令处理程序150基于模拟器数据库180来处理基于数据库的请求136。
自动网络元件模拟器生成可包括至少三个阶段。第一阶段可包括收集定义网络元件信息的硬件规范文件。网络元件信息可包括由客户端应用程序120生成的通信规则、配置命令、警报、事件、以及性能数据，还有指定其行为和目的的网络元件的所有警报和其他数据库文件的列表。
第二阶段可包括将所收集的网络元件行为文件作为训练数据的输入示例馈送到模拟器分类器中，该模拟器分类器可为无监督机器学习系统。如所已知，海底电缆系统在各个方面都具有相似性和区别。与线路监视设备相比，终端加载设备与双终端加载设备共享更多的相似性，该双终端加载设备具有主和冗余终端加载设备对。通过将网络元件正确地分类为不同类别，可大幅地简化第三步骤的模拟文件生成，使得每个单独的网络元件类别都将具有特定文件生成器。
第三阶段可包括将所收集的NE的行为文件作为训练数据的输入示例馈送到模拟器文件生成器中，该模拟器文件生成器可为受监督机器学习系统。可提供在先前系统中手动地创建用于模拟如线路监视设备、馈电设备等NE的现有模拟器文件，作为训练数据的明确地标记的所期望的输出，以调节机器学习系统的导出来用于海底电缆元件的模拟。机器学习系统尝试通过卷积神经网络、递归神经网络或适合此目的的其他方法在之前用手创建的人工定义的监督下基于训练数据的指定输入示例来学习如何生成训练数据的所期望的输出。
训练数据可包括不同类型的数据的集合。训练数据可包括定义NE的行为的NE定义。训练数据可包括警报数据库，该警报数据库定义可由NE产生的警报的类型并可包括在操作期间收集的系统数据。训练数据还可包括模拟器模板，该模拟器模板定义模拟器数据的形式，包括创建命令，该创建命令定义在建模网络中应当包括哪些特定NE并以哪种配置包括。
图2A示出了从输入矩阵220产生输出矩阵260的NE模拟器文件生成器240的实施方案。NE信息可被组织成多个输入矩阵220，其中每个NE具有可用于定义其模拟的不同参数或值。这些参数可定义警报、事件、以及可矢量化并存储在输入矩阵220中以准备用作NE模拟器文件生成器240的输入的网络性能数据。特别地，多个不同训练模型可用于创建模拟器文件生成器240。包括矢量化拓扑信息、警报信息、事件信息、以及命令规范的输入矩阵220可作为示例性输入被发送到训练模型。
表示在输出矩阵260中的对应矢量化模拟器文件用于训练机器学习训练模型270，如图2B所示。训练模型被训练以接收矩阵220-i作为输入，包括表示网络拓扑272、警报274、事件276、以及命令278的一个或多个矢量。矢量化模拟器文件是作为示例性输出被提供到训练模型。输出矩阵260可包括表示网络元件警报、网络元件清单、网络元件数据集、网络元件操作模式、网络元件电压读数、网络元件配置信息、以及由网络元件提供的任何其他性能数据中的一个或多个的值。训练模型270通过将来自软件模拟器的结果与输出矩阵中的预计输出结果进行比较来学习将由输入矢量220表示的输入条件映射到由输出矩阵260表示的输出条件。
训练模型270可为任何合适的类型的机器学习结构，诸如人工神经网络(ANN)、贝叶斯网络、遗传算法等。在图2B描绘的优选实施方案中，训练模型270可结构化为卷积神经网络。卷积神经网络是特定类型的ANN，其中网络内的给定层的节点仅连接到上一层中的节点的子集。例如，在图2B中，节点被表示为特征图282、286、290、294的元素。卷积280被应用于输入矩阵220-i中的数据的不同子集，这些子集被组合以向包含第一组特征图的第一层282中的节点中提供输入。根据馈送到神经网络中的矢量的相关性、矢量中的每个参数的对准、以及神经网络的构建过程，可将那些矢量的隐藏特征从若干层中提取出来。这些特征包括其中状态共同地变化的字段、警报和事件的严重性等。当应用卷积280、288时，连接到下一层的节点的上一层中的节点数量被称为层的感受野。在其中应用感受野的卷积层可由其他类型的层诸如池化层、激活函数、归一化层等补充。例如，卷积280、288所应用于的卷积层282、290可散布于采样284、292所应用于的子采样层286、294。采样是指局部平均，其通常用于降低给定特征图的分辨率并提取局部特征。最终，这些特征能够构建最终状态位，该最终状态位可由状态位相关的NE模拟器所读取，以触发用户可看到的某些警报/事件/清单/拓扑变化并验证NE的操作，即使它们对NE模拟器的状态位不熟悉。
基于感受野中的节点集并基于称为滤波器的权重和偏差矢量来激活(或不激活)每个层中的节点。使用输入矩阵和输出矩阵训练模型的目标是建立节点的一组滤波器，以将输入矩阵准确地映射到所期望的输出矩阵。因此，节点的滤波器可被随机地初始化，然后被迭代地更新以产生神经网络，该神经网络基于输入矩阵220来产生输出矩阵260。为此，可通过模拟器文件生成器240将神经网络应用于输入矩阵220以产生实际输出矩阵，该实际输出矩阵与从模拟器文件生成的所期望的输出矩阵260进行比较。然后，使用在NE的模拟文件的实际输出矩阵与所期望的输出矩阵260之间的差值来计算用于更新的神经网络中的滤波器的更新的系数，从而更好地提取NE拓扑、警报、清单等中的隐藏特征，如可使用机器学习技术所执行的。
网络的某些参数(诸如层的数量、每一层的特征图和节点的数量、卷积的感受野的大小等)被称为超参数。这些超参数在训练模型270之前选择并在单个模型训练期间不会改变。可手动地或根据已知自动超参数调谐技术来选择超参数，并且可在逐应用的基础上选择超参数。例如，与更复杂的NE如可被视为增强版本的sWMU的波长选择性交换机或冗余光学分插复用器(WSS ROADM)相比，具有更少的属性的NE如交换波长管理单元(sWMU)应当具有更少的字段和更简单的特征层。然而，由于NE的命令规范有相似性，因此具有大型且能够通过模拟文件的统一生成能够处理不同NE的一个神经网络是理想的。
一旦配置了神经网络，就可将其与可使用现有参数的组合定义的附加NE一起使用。在完成初始训练后，可基于已经从先前提供的训练数据学习的系统来将任何新NE的任何新命令或其他信息馈送到系统中以自动地生成表达这些附加NE的更新的模拟器文件。这些附加NE可包括组合多个NE的特点的混合网络元件。模拟器文件生成器240用于基于其对混合到混合NE中的基础NE的行为的学习来生成结合了这些混合NE的模拟器文件。
由此，模拟器文件生成器240可学习构建表示通信网络内的事件(诸如它们将出现在可操作的通信网络中)的模拟器文件。例如，即使单个中继器将发生故障或其他硬件或软件问题，也可反映在数百个其他NE的参数的变化中。例如，中继器的输出功率的降低可能造成一系列中继器和分支单元检测到降低的输入功率(引发对应警报)、修改其行为以适应降低的输入功率(改变各种操作参数)等等。尽管可手动地配置这数百个参数以反映一个故障，但是可通过用于自动地生成反映不同场景的模拟器文件的模拟器文件生成器240来改进网络管理软件的测试。模拟器文件生成器240的训练基于输入矩阵220和输出矩阵260的所提供的示例来在给定特定场景的情况下准备神经网络以产生正确网络元件参数。
图3示出了在模拟器创建过程310中处理输入数据的网络建模系统100的实施方案。网络建模系统100基于训练数据集来创建海底光学通信网络的模拟器。训练数据可包括实时地从在真实世界中操作的通信系统收集的现场数据。可从实际NE硬件和固件获得现场数据。它包括针对通信网络中的不同网络实体的命令序列、由通信网络中的NE返回的性能数据、以及有关安装在通信网络中的所有NE的信息。性能数据可按恒定时间间隔和/或当发生故障和报告了故障时返回。
输入训练数据可为具有输入训练数据的矢量化形式的矩阵或一组矩阵。输出训练数据可包括由文件组成的手动地创建的模拟器，该文件包含有关警报和/或事件的信息还有生成警报和/或事件的活动的列表以及相关联的性能数据。这些手动地创建的模拟器文件可基于由网络建模系统100的操作员策划的真实世界性能数据和所记录的活动来生成。在一些实施方案中，真实世界性能数据和所记录的活动可被自动地转换成模拟器文件。
模拟器创建过程310可接收指示通信网络的类型的系统类型320。系统类型320可包括线性系统、分支系统或其他网络布局，并且可指示系统的整体拓扑，包括多个分支、中继器等以及它们的布局。模拟器创建过程310可接收网络元件配置330，该网络元件配置提供关于在通信网络中使用的具体网络元件的信息。
模拟器创建过程310可接收指示在各种时间的性能数据的一系列基于时间的数据340，该基于时间的数据定义随时间推移的信息集。在每个时间实例上，基于时间的数据340可指示所报告的警报350、监视数据360和/或发送到网络元件370的命令。模拟创建过程310还可接收分类规则380，该分类规则包括用于对不同类型的警报和/或事件以及与那些类型的警报和/或事件相关联的活动进行分类的规则。
图4示出了基于网络操作模型450来产生系统测试网络操作记录470的网络建模系统100的实施方案。可使用操作员控制台410来操作网络建模系统100以管理模拟器文件的创建，以供正在使用模拟器文件进行测试的网络管理应用程序480使用。网络管理应用程序480可执行表示光学通信网络的软件管理操作。模拟器文件可用于在网络管理应用程序480执行软件管理操作时测试该网络管理应用程序。
特别地，网络建模系统100包括记录组件430，该记录组件一般被布置为管理用于训练为创建模拟器文件生成的网络操作模型450的记录。记录组件430接收由操作员控制台410指定的示例性网络配置记录420。示例性网络配置记录包括网络拓扑信息、网络警报信息、网络事件信息和网络命令规范中的一者或多者。网络拓扑信息指示示例性海底通信系统的拓扑。网络警报信息指定可能在通信系统中引发的警报，而网络事件信息指定可能在示例性通信系统中引发的事件。网络命令规范指定可由网络管理应用程序480发送到示例性通信网络的命令。
记录组件430还接收由操作员控制台410指定的示例性网络操作记录425。示例性网络操作记录425包括网络警报报警、网络事件报警、网络警报数据和网络事件数据中的一者或多者。网络警报报警对应于在所模拟的通信网络中引发的警报，在给定示例性网络配置记录420的情况下，该警报将由网络管理应用程序480在示例性通信网络的操作中接收。网络事件报警对应于与在所模拟的通信网络中引发的事件通知相对应的事件报警，在给定示例性网络配置记录420的情况下，该报警将由网络管理应用程序480在示例性通信网络的操作中接收。网络警报数据指示描述各种警报的警报报警的有效负载信息。网络事件数据指示描述各种事件的事件报警的有效负载信息。
在一些情况下，可使用真实世界数据。示例性网络配置记录420可对应于操作网络。示例性网络操作记录425可包括为操作网络收集的操作数据。因此，示例性网络操作记录425可包括由示例性网络配置记录表示的示例性网络配置的多个示例性网络元件的示例性输出参数的多个示例性键值对。
记录组件430将示例性网络配置记录420和示例性网络操作记录425馈送到机器学习管理组件440中，以在示例性网络配置记录420和示例性网络操作记录425上执行机器学习操作。机器学习管理组件440管理可根据已知机器学习技术来操作的机器学习组件445的操作。机器学习组件445一般可被布置为产生网络操作模型450，该网络操作模型指定在示例性网络配置记录420和示例性网络操作记录425上训练的神经网络的配置。
机器学习管理组件440基于网络配置记录420作为示例性输入并且基于示例性网络操作记录425作为示例性输出，使用机器学习组件445来生成网络操作模型450。机器学习组件445用于生成网络操作模型450，在给定特定网络配置、进入该网络的命令集和在该网络内的事件的情况下，该网络操作模型产生在给定那些命令和事件的情况下网络管理应用程序480在对该网络配置的监视内将呈现的监视信息。
特别地，机器学习组件445可包括模拟文件生成器。使用机器学习组件445来生成网络操作模型可包括：将示例性网络配置记录迭代地提交到模拟文件生成器420；作为响应，接收尝试的网络操作记录；以及对模拟文件生成器的配置设置进行迭代，其中尝试的网络操作记录与示例性网络操作记录425不匹配。当示例性网络操作记录425和尝试的网络操作记录完全地匹配时，或者当它们在所定义的公差内匹配时，迭代可结束。此迭代可包括训练多层神经网络。
网络建模系统100包括系统测试组件460。系统测试组件460用于执行通信网络的模拟。系统测试组件460一般可对应于参考图1所述的网络模拟器140。系统测试组件460可类似地对应于参考图2所述的模拟器文件生成器240。模拟器文件生成器240可包括与网络操作模型450配对的机器学习组件445，该操作模型作为机器学习组件445的神经网络的配置。
系统测试组件460经由机器学习模型执行组件465执行网络操作模型450。机器学习模型执行组件465一般可与机器学习组件445相同。机器学习组件445可基于示例性网络配置记录并且基于示例性网络操作记录425来配置神经网络，而机器学习模型执行组件465执行该神经网络以将系统测试网络配置记录420转换为对应系统测试网络操作记录470。
网络操作模型450被提供给系统测试组件460。在一些实施方案中，系统测试组件460可经由操作员控制台410接收网络操作模型450。在其他实施方案中，系统测试组件460可从机器学习管理组件440直接接收网络操作模型450。系统测试组件460接收由操作员控制台410指定的系统测试网络配置记录420。系统测试网络配置记录420包括网络拓扑信息、网络警报信息、网络事件信息和网络命令规范中的一者或多者。网络拓扑信息、网络警报信息、网络事件信息和网络命令规范是根据与用于训练网络操作模型450的示例性网络配置记录420的网络拓扑信息、网络警报信息、网络事件信息和网络命令规范所使用的相同的模式来指定的。
系统测试组件460使用网络操作模型450基于系统测试网络配置记录420来生成系统测试网络操作记录470。系统测试网络操作记录包括网络警报报警、网络事件报警、网络警报数据和网络事件数据中的一者或多者。网络警报报警、网络事件报警、网络警报数据和网络事件数据是根据与用于训练网络操作模型450的网络警报报警、网络事件报警、网络警报数据和网络事件数据所使用的相同的模式来指定的。系统测试网络操作记录470可包括用于由系统测试网络配置记录420表示的系统测试网络配置的多个系统测试网络元件的系统测试输出参数的多个系统测试键值对。
然后，网络管理应用程序480接收系统测试网络操作记录470。在一些情况下，系统测试组件460可将系统测试网络操作记录470直接提供给网络管理应用程序480。在其他情况下，系统测试组件460可将系统测试网络操作记录470提供给操作员控制台410，并且然后操作员控制台410用于使网络管理应用程序480运行系统测试网络操作记录470。系统测试网络操作记录470可由网络模拟器140执行，如参考图1所述，以由网络管理应用程序480作为客户端应用程序120将信息显示为给网络模拟器140。
网络建模系统100可支持混合网络元件。示例性网络配置记录420可包括用于第一网络元件类型的第一网络配置信息和用于第二网络元件类型的第二网络配置信息。对应地，示例性网络操作记录425可包括用于第一网络元件类型和第二网络元件类型的网络操作信息。由此，网络操作模型450可体现第一网络元件类型和第二网络元件类型两者的网络元件的操作。
此后，系统测试网络配置记录420可包括用于组合第一网络元件类型和第二网络元件类型的混合网络元件类型的混合网络配置信息。基于示例性网络配置记录的网络操作模型450用于基于已经在第一网络元件类型和第二网络元件类型上训练的网络操作模型450来生成具有混合网络元件类型的混合网络操作信息的系统测试网络操作记录470，而没有在混合网络元件类型的任何网络元件上训练。这可通过使用用于定义第一网络元件类型和第二网络元件类型的参数的组合来指定混合网络元件类型来执行。
本文包括表示用于执行所公开的架构的新颖方面的示例性方法的一组流程图。尽管出于简化解释的目的，本文例如以流程图(flow chart)或流程图(flow diagram)的形式示出的一种或多种方法被示出并描述为一系列动作，但是应当理解和体会，方法不受动作次序的限制，因为一些动作可据此与其他动作以与本文所示和所述的动作不同的次序和/或同时地发生。例如，本领域的技术人员将理解和体会，方法可另选地表示为一系列互相关联的状态或事件，诸如在状态图中。此外，对于新颖实施方式，可能并不要求方法中例示的所有动作。
图5示出了逻辑流程500的一个实施方案。逻辑流程500可表示由本文所述的一个或多个实施方案执行的操作中的一些或全部。在图5所示的例示的实施方案中，逻辑流程500可在框502处接收示例性网络配置记录并在框504处接收网络操作记录。逻辑流程500可在框506处基于示例性网络配置记录作为示例性输入并且基于示例性网络操作记录作为示例性输出，使用机器学习组件来生成网络操作模型。
逻辑流程500可在框508处接收系统测试网络配置记录并在框510处使用网络测试模型基于系统测试网络配置记录来生成系统测试网络操作记录。实施方案不限于此示例。
图6示出了集中式系统600的框图。集中式系统600可在单个计算实体中诸如完全地在单个集中式设备610内实现网络建模系统100的结构和/或操作中的一些或全部。集中式设备610可包括能够接收、处理和发送用于网络建模系统100的信息的任何电子设备。电子设备的示例可包括但不限于超移动设备、移动设备、个人数字助理(PDA)、移动计算设备、智能电话、电话、数字电话、蜂窝电话、电子书阅读器、手机、单向寻呼机、双向寻呼机、消息收发设备、计算机、个人计算机(PC)、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、手持式计算机、平板计算机、服务器、服务器阵列或服务器场、web服务器、网络服务器、互联网服务器、工作站、小型计算机、大型机、超级计算机、网络器具、web设备、分布式计算系统、多处理器系统、基于处理器的系统、消费者电子产品、可编程消费者电子产品、游戏设备、电视机、数字电视机、机顶盒、无线接入点、基站、用户站、移动用户中心、无线电网络控制器、路由器、集线器、网关、网桥、交换机、机器或它们的组合。在这种情况下，这些实施方案不受限制。
集中式设备610可使用处理组件630执行网络建模系统100的处理操作或逻辑。处理组件630可包括各种硬件元件、软件元件或这两者的组合。硬件元件的示例可包括设备、逻辑设备、组件、处理器、微处理器、电路、处理器电路、电路元件(例如，晶体管、电阻器、电容器、电感器等)、集成电路、专用集成电路(ASIC)、可编程逻辑器件(PLD)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、存储器单元、逻辑门、寄存器、半导体器件、芯片、微芯片、芯片组等。软件元件的示例可包括软件组件、程序、应用、计算机程序、应用程序、系统程序、软件开发程序、机器程序、操作系统软件、中间件、固件、软件模块、例程、子例程、功能、方法、过程、软件接口、应用程序接口(API)、指令集、计算代码、计算机代码、代码段、计算机代码段、字、值、符号或它们的任何组合。确定是否使用硬件元件和/或软件元件实现实施方式可根据任何数量的因素而变化，该因素诸如所期望的计算速率、功率水平、耐热性、处理周期预算、输入数据速率、输出数据速率、存储器资源、数据总线速度以及其他设计或性能约束，具体根据给定实施方式所需。
集中式设备610可使用通信组件640执行网络建模系统100的通信操作或逻辑。通信组件640可实现任何所熟知的通信技术和协议，诸如适合与分组交换网络(例如，公共网络诸如互联网、专用网络诸如企业内联网等)、电路交换网络(例如，公共交换电话网络)或分组交换网络和电路交换网络的组合(具有合适的网关和转换器)一起使用的技术。通信组件640可包括各种类型的标准通信元件，诸如一个或多个通信接口、网络接口、网络接口卡(NIC)、无线电、无线发射器/接收器(收发器)、有线和/或无线通信介质、物理连接器等。作为示例而非限制，通信介质612包括有线通信介质和无线通信介质。有线通信介质的示例可包括电线、电缆、金属引线、印刷电路板(PCB)、后板、交换结构、半导体材料、双绞线、同轴电缆、光纤、所传播的信号等。无线通信介质的示例可包括声学、射频(RF)频谱、红外和其他无线介质。
集中式设备610可经由通信组件640使用通信信号614在通信介质612上与其他设备620通信。对于给定实施方式，设备620可在集中式设备610内部或外部。设备620可包括与网络建模系统100交互的各种设备。例如，设备620可包括网络建模系统100从中采集性能数据的操作网络元件。
集中式设备610可执行网络建模系统100作为集中式系统600。网络建模系统100的组件可在集中式设备610上执行，以供网络建模系统100的运营商使用。
图7示出了分布式系统700的框图。分布式系统700可跨多个计算实体分布网络建模系统100的结构和/或操作的部分。分布式系统700的示例可包括但不限于客户端-服务器架构、3层架构、N层架构、紧密耦合或集群架构、对等架构、主从架构、共享数据库架构、以及其他类型的分布式系统。在这种情况下，这些实施方案不受限制。
分布式系统700可包括多个服务器设备710。一般，服务器设备710可与如参考图6所述的集中式设备610相同或类似。例如，服务器设备710可各自包括分别与如参考图6所述的处理组件630和通信组件640相同或类似的处理组件730和通信组件740。在另一个示例中，服务器设备710可经由通信组件740使用通信信号714在通信介质712上通信。
服务器设备710可执行网络建模系统组件720，诸如参考图1至图4所述的网络建模系统100组件。分布式系统700可将网络建模系统100的组件分布在不同服务器设备710上。服务器设备710可由操作员控制台410操作以执行网络建模操作。
服务器设备710可经由通信组件740使用通信信号714在通信介质712上与其他设备720通信。设备720可包括与网络建模系统100交互的各种设备。例如，设备720可包括网络建模系统100从中采集性能数据的操作网络元件。
图8示出了适于实现如前所述的各种实施方案的示例性计算架构800的实施方案。在一个实施方案中，计算架构800可包括或被实现为电子设备的一部分。电子设备的示例可包括参考图8描述的那些电子设备等等。在这种情况下，这些实施方案不受限制。
如本申请中所用，术语“系统”和“组件”旨在是指计算机相关的实体，其可为硬件、硬件和软件的组合、软件、或者在执行中的软件，其示例由示例性计算架构800提供。例如，组件可为但不限于在处理器上运行的进程、处理器、硬盘驱动器、(光学和/或磁性存储介质的)多个存储驱动器、对象、可执行文件、执行线程、程序和/或计算机。作为例示，在服务器上运行的应用程序以及服务器两者都可为组件。一个或多个组件可驻留在执行进程和/或线程内，并且一个组件可位于一台计算机上或分布在两台或更多台计算机之间。此外，组件可通过各种类型的通信介质彼此通信地耦合以协调操作。协调可涉及信息的单向或双向交换。例如，组件可以以在通信介质上传达的信号的形式传达信息。该信息可实现为分配给各种信号线的信号。在此类分配中，每个消息都是信号。然而，另外的实施方案可另选地采用数据消息。此类数据消息可跨各种连接发送。示例性连接包括并行接口、串行接口以及总线接口。
计算架构800包括各种公共计算元件，诸如一个或多个处理器、多核心处理器、协处理器、存储器单元、芯片组、控制器、外围装置、接口、振荡器、定时设备、视频卡、音频卡、多媒体输入/输出(I/O)组件、电源等。然而，实施方案不限于由计算架构800实现。
如图8所示，计算架构800包括处理单元804、系统存储器806以及系统总线808。处理单元804可为各种可商购的处理器中的任一种，包括但不限于：以及/>处理器；/>应用程序、嵌入式和安全处理器；/>和/>和/>处理器；IBM和/>Cell处理器；/>Core(2)/> 以及/>处理器；以及类似的处理器。双微处理器、多核心处理器、以及其他多处理器架构也可用作处理单元804。
系统总线808为系统组件提供了接口，包括但不限于系统存储器806到处理单元804。系统总线808可为若干类型的总线结构中的任一种，它们可使用多种可商购的总线架构中的任一种进一步互连到存储器总线(有或没有存储控制器)、外围总线以及本地总线。接口适配器可经由插槽架构连接到系统总线808。示例性插槽架构可包括但不限于加速图形端口(AGP)、卡总线、(扩展)行业标准架构((E)ISA)、微通道架构(MCA)、NuBus、外围组件互连(扩展)(PCI(X))、PCI Express、国际个人计算机存储卡协会(PCMCIA)等。
计算架构800可包括或实现各种制品。制品可包括计算机可读存储介质以用于存储逻辑。计算机可读存储介质的示例可包括能够存储电子数据的任何有形介质，包括易失性存储器或非易失性存储器、可移动或不可移动存储器、可擦除或不可擦除存储器、可写入或可重写入存储器等。逻辑的示例可包括使用任何合适的类型的代码(诸如源代码、编译代码、解释代码、可执行代码、静态代码、动态代码、面向对象的代码、可视代码等)实现的可执行计算机程序指令。实施方案还可至少部分地实现为包含在非暂态计算机可读介质中或上的指令，该指令可由一个或多个处理器读取和执行以允许执行本文所述的操作。
系统存储器806可包括以一个或多个更高速度存储器单元的形式的各种类型的计算机可读存储介质，诸如只读存储器(ROM)、随机存取存储器(RAM)、动态RAM(DRAM)、双数据速率DRAM(DDRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、闪存存储器、聚合物存储器(诸如铁电聚合物存储器)、双向存储器、相变或铁电存储器、氧化硅-氮化物-氧化硅(SONOS)存储器、磁卡或光卡、设备阵列(诸如独立磁盘冗余阵列(RAID)驱动器)、固态存储器设备(例如，USB存储器、固态驱动器(SSD)、以及适于存储信息的任何其他类型的存储介质。在图8所示的例示的实施方案中，系统存储器806可包括非易失性存储器810和/或易失性存储器812。基本输入/输出系统(BIOS)可存储在非易失性存储器810中。
计算机802可包括以一个或多个低速存储器单元的形式的各种类型的计算机可读存储介质，包括内部(或外部)硬盘驱动器(HDD)814、从可移动磁盘818读取或写入的磁盘驱动器(FDD)816、以及从可移动光盘822(例如，CD-ROM或DVD)读取或写入的光盘驱动器820。HDD 814、FDD 816以及光盘驱动器820可分别通过HDD接口824、FDD接口826以及光盘驱动器接口828连接到系统总线808。用于外部驱动器实施方式的HDD接口824可包括通用串行总线(USB)和IEEE 1394接口技术中的至少一者或两者。
驱动器和相关联的计算机可读介质提供数据、数据结构、计算机可执行指令等的易失性和/或非易失性存储。例如，多个程序模块可存储在驱动器和存储器单元810、812中，包括操作系统830、一个或多个应用程序832、其他程序模块834、以及程序数据836。在一个实施方案中，一个或多个应用程序832、其他程序模块834、以及程序数据836可包括例如网络建模系统100的各种应用程序和/或组件。
用户可通过一个或多个有线/无线输入设备(例如，键盘838和指向设备，诸如鼠标840)将命令和信息输入到计算机802中。其他输入设备可包括麦克风、红外(IR)遥控器、射频(RF)遥控器、游戏板、触笔、读卡器、加密狗、指纹读取器、手套、绘图板、操纵杆、键盘、视网膜阅读器、触摸屏(例如，电容式、电阻式等)、轨迹球、触控板、传感器、触针等。这些和其他输入设备通常通过耦合到系统总线808的输入设备接口842连接到处理单元804，但是可通过其他接口(诸如并行端口、IEEE 1394串行端口、游戏端口、USB端口、IR接口等)进行连接。
监视器844或其他类型的显示设备还经由接口诸如视频适配器846连接到系统总线808。监视器844可在计算机802内部或外部。除了监视器844之外，计算机通常包括其他外围输出设备，诸如扬声器、打印机等。
计算机802可使用经由与一个或多个远程计算机诸如远程计算机848的有线和/或无线通信的逻辑连接在联网环境中操作。远程计算机848可为工作站、服务器计算机、路由器、个人计算机、便携式计算机、基于微处理器的娱乐器具、对等设备或其他公共网络节点，并且通常包括相对于计算机802描述的元件中的许多或全部，但是出于简洁的目的，仅示出了存储器/存储设备850。所描绘的逻辑连接包括与局域网(LAN)852和/或更大网络(例如，广域网(WAN)854)的有线/无线连接性。此类LAN和WAN联网环境在办公室和公司中是常见的，并且促成企业范围的计算机网络诸如企业内联网，所述计算机网络中的全部都可连接到全球通信网络，例如互联网。
当在LAN联网环境中使用时，计算机802通过有线和/或无线通信网络接口或适配器856连接到LAN 852。适配器856可促成与LAN 852的有线和/或无线通信，该LAN还可包括设置在其上的无线接入点，以用于与适配器856的无线功能性通信。
当在WAN联网环境中使用时，计算机802可包括调制解调器858，或者连接到WAN854上的通信服务器，或者具有用于通过WAN 854建立通信的其他手段，诸如借助于互联网。可在内部或外部且可为有线和/或无线设备的调制解调器858经由输入设备接口842连接到系统总线808。在网络环境中，相对于计算机802或其部分描述的程序模块可存储在远程存储器/存储设备850中。应当理解，所示的网络连接是示例性的，并且可使用在计算机之间建立通信链路的其他手段。
计算机802可操作以使用IEEE 802系列标准与有线和无线设备或实体通信，诸如无线设备可操作地设置在无线通信中(例如，IEEE 802.11空中调制技术)。这至少包括Wi-Fi(或无线保真)、WiMax以及BluetoothTM无线技术等等。因此，通信可为与常规网络一样的预定义的结构，或者仅是在至少两个设备之间的自组织通信。Wi-Fi网络使用称为IEEE802.11x(a、b、g、n等)的无线电技术来提供安全、可靠、快速的无线连接性。Wi-Fi网络可用于将计算机彼此连接，连接到互连网，以及连接到有线网络(该网络使用IEEE 802.3相关的介质和功能)。
图9示出了适于实现如前所述的各种实施方案的示例性通信架构900的框图。通信架构900包括各种常见通信元件，诸如发射器、接收器、收发器、无线电、网络接口、基带处理器、天线、放大器、滤波器、电源等。然而，实施方案不限于由通信架构900实现。
如图9所示，通信架构900包括一个或多个客户端902和服务器904。客户端902可实现如参考图4所述的操作员控制台410。服务器904可实现服务器设备，诸如参考图7所述的服务器设备710。客户端902和服务器904可操作地连接到可用于存储在相应客户端902和服务器904本地的信息诸如信息记录和/或相关联的情景信息的一个或多个相应客户端数据存储908和服务器数据存储910。
客户端902和服务器904可使用通信框架906在彼此之间传达信息。通信框架906可实现任何所熟知的通信技术和协议。通信框架906可被实现为分组交换网络(例如，公共网络诸如互联网、专用网络诸如企业内联网等)、电路交换网络(例如，公共交换电话网络)或分组交换网络和电路交换网络的组合(具有合适的网关和转换器)。
通信框架906可实现被布置为接受、传达并连接到通信网络的各种网络接口。网络接口可被视为输入输出接口的一种特定形式。网络接口可采用连接协议，包括但不限于直接连接、以太网(例如，粗、细、双绞10/100/1000Base T等)、令牌环、无线网络接口、蜂窝网络接口、IEEE 802.11a-x网络接口、IEEE 802.16网络接口、IEEE 802.20网络接口等。此外，可使用多个网络接口来与各种通信网络类型接合。例如，可采用多个网络接口以允许通过广播、多播和单播网络进行通信。如果处理要求指示更大量的速度和容量，则可类似地采用分布式网络控制器架构来使客户端902和服务器904所要求的通信带宽池化、负载平衡、以及以其他方式增加。通信网络可为有线和/或无线网络中的任一者和有线和/或无线网络的组合，包括但不限于直接互连、安全自定义连接、专用网络(例如，企业内联网)、公共网络(例如，互联网)、个人局域网(PAN)、局域网(LAN)、城域网(MAN)、作为互联网上的节点的操作任务(OMNI)、广域网(WAN)、无线网络、蜂窝网络以及其他通信网络。
可使用表达“一个实施方案”或“实施方案”及其派生词来描述一些实施方案。这些术语表示结合实施方案描述的特定特征、结构或特性被包括在至少一个实施方案中。出现在本说明书中的各个地方的短语“在一个实施方案中”不一定全都是指同一实施方案。此外，可使用表达“耦合”和“连接”及其派生词来描述一些实施方案。这些术语不一定旨在互为同义词。例如，可以使用术语“连接”和/或“耦合”来描述一些实施方案以指示两个或更多个元件彼此直接物理或电接触。然而，术语“耦合”也可表示两个或更多个元件不彼此直接接触，但是仍彼此协作或交互。
总体参考本文使用的符号和命名，可根据在计算机或计算机的网络上执行的程序过程来呈现本文的详细描述。这些过程描述和表示被本领域的技术人员用来将其工作的实质最有效地传达给本领域的其他技术人员。
此处的过程通常被认为是产生所期望的结果的自洽操作序列。这些操作是要求对物理量进行物理操纵的操作。通常，尽管并不是必要的，但是这些量采取能够被存储、传输、组合、比较、以及以其他方式操纵的电、磁性或光学信号的形式。主要出于常见用法的原因，有时将这些信号称为位、值、元素、符号、字符、项、数字等被证明是方便的。然而，应当注意，所有这些和类似术语都将与适当的物理量相关联并仅是应用于这些量的方便标签。
此外，所执行的操纵通常是用诸如添加或比较的术语指代，这些术语通常与由人类操作员执行的心理操作相关联。在本文所述的形成一个或多个实施方案的一部分的操作中的任一个中，在大多数情况下，操作员的这种能力都不是必要的或期望的。相反，操作是机器操作。用于执行各种实施方案的操作的有用机器包括通用数字计算机或类似的设备。
各种实施方案还涉及用于执行这些操作的装置或系统。此装置可被特殊地构造用于所要求的目的，或者其可包括如由存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。本文呈现的过程并非与特定计算机或其他装置固有地相关。各种通用机器可与根据本文的教导编写的程序一起使用，或者其可证明构建更专用的装置以执行所要求的方法步骤是方便的。从给定描述中将出现多种这些机器的所要求的结构。
强调的是，提供本公开的摘要以允许读者快速地探知技术公开的性质。本公开的摘要按以下理解而提交，即，它将不被用于解释或限制权利要求书的范围或含义。另外，在前述具体实施方式中，可看出，出于简化本公开的目的，各种特征被一起组合在单个实施方案中。本公开的方法不应当被解释为反映以下意图，即，所要求保护的实施方案要求比每项权利要求中明确地陈述的特征更多的特征。相反，如所附权利要求书所反映，发明主题在于少于单个公开的实施方案的所有特征。因此，所附权利要求书据此结合到具体实施方式中，其中每项权利要求独立地作为单独的实施方案。在所附权利要求书中，术语“包括(including)”和“其中(in which)”分别用作相应术语“包括(comprising)”和“其中(wherein)”的简明英语等同物。此外，术语“第一”、“第二”、“第三”等仅用作标签，并且并不旨在对其对象强加数字要求。
上文已经描述的内容包括所公开的架构的示例。当然，不可能描述组件和/或方法的每种可设想的组合，但是本领域的普通技术人员可认识到许多另外的组合和置换是可能的。因此，新颖架构旨在涵盖落入所附权利要求书的精神和范围内的所有此类更改、修改和变型。

Claims (20)

1.一种计算机实现的方法，包括：
接收示例性网络配置记录，所述示例性网络配置记录表示光学通信系统的网络的配置；
接收示例性网络操作记录，所述示例性网络操作记录表示所述网络的行为；
生成被配置为模拟光学通信系统的网络操作模型，所述网络操作模型是基于所述示例性网络配置记录作为示例性输入并且基于所述示例性网络操作记录作为示例性输出、使用机器学习组件生成的；
接收系统测试网络配置记录；并且
使用所述网络操作模型基于所述系统测试网络配置记录来生成系统测试网络操作记录。
2.根据权利要求1所述的方法，还包括：
向网络管理应用程序提供所述系统测试网络操作记录。
3.根据权利要求1所述的方法，所述示例性网络操作记录包括由所述示例性网络配置记录表示的示例性网络配置的多个示例性网络元件的示例性输出参数的多个示例性键值对，所述系统测试网络操作记录包括由所述系统测试网络配置记录表示的系统测试网络配置的多个系统测试网络元件的系统测试输出参数的多个系统测试键值对。
4.根据权利要求1所述的方法，所述示例性网络配置记录和所述系统测试网络配置记录包括网络拓扑信息、网络警报信息、网络事件信息以及网络命令规范。
5.根据权利要求1所述的方法，所述示例性网络操作记录和所述系统测试网络操作记录包括网络警报报警、网络事件报警、网络警报数据以及网络事件数据。
6.根据权利要求1所述的方法，所述示例性网络配置记录包括用于第一网络元件类型的第一网络配置信息和用于第二网络元件类型的第二网络配置信息，所述示例性网络操作记录包括用于所述第一网络元件类型和所述第二网络元件类型的网络操作信息，系统测试网络配置记录包括用于组合所述第一网络元件类型和所述第二网络元件类型的混合网络元件类型的混合网络配置信息，基于所述示例性网络配置记录的所述网络操作模型用于使用用于所述混合网络元件类型的混合网络操作信息生成所述系统测试网络操作记录。
7.根据权利要求1所述的方法，所述示例性网络配置记录对应于操作网络，所述示例性网络操作记录包括为所述操作网络收集的操作数据。
8.根据权利要求1所述的方法，所述机器学习组件包括模拟文件生成器，其中使用机器学习组件生成网络操作模型包括：将所述示例性网络配置记录迭代地提交到所述模拟文件生成器；接收尝试的网络操作记录；以及对所述模拟文件生成器的配置设置进行迭代，其中所述尝试的网络操作记录与所述示例性网络操作记录不匹配。
9.一种装置，包括：
记录组件，所述记录组件用于接收表示海底光纤电缆系统的网络的配置的示例性网络配置记录和接收表示所述网络的行为的示例性网络操作记录；
机器学习管理组件，所述机器学习管理组件用于生成被配置为模拟海底光纤电缆系统的网络操作模型，所述网络操作模型是基于所述示例性网络配置记录作为示例性输入并且基于所述示例性网络操作记录作为示例性输出、使用机器学习组件生成的；和
系统测试组件，所述系统测试组件用于接收系统测试网络配置记录；以及使用所述网络操作模型基于所述系统测试网络配置记录来生成系统测试网络操作记录。
10.根据权利要求9所述的装置，所述示例性网络操作记录包括由所述示例性网络配置记录表示的示例性网络配置的多个示例性网络元件的示例性输出参数的多个示例性键值对，所述系统测试网络操作记录包括由所述系统测试网络配置记录表示的系统测试网络配置的多个系统测试网络元件的系统测试输出参数的多个系统测试键值对。
11.根据权利要求9所述的装置，所述示例性网络配置记录和所述系统测试网络配置记录包括网络拓扑信息、网络警报信息、网络事件信息以及网络命令规范。
12.根据权利要求9所述的装置，所述示例性网络操作记录和所述系统测试网络操作记录包括网络警报报警、网络事件报警、网络警报数据以及网络事件数据。
13.根据权利要求9所述的装置，所述示例性网络配置记录包括用于第一网络元件类型的第一网络配置信息和用于第二网络元件类型的第二网络配置信息，所述示例性网络操作记录包括用于所述第一网络元件类型和所述第二网络元件类型的网络操作信息，系统测试网络配置记录包括用于组合所述第一网络元件类型和所述第二网络元件类型的混合网络元件类型的混合网络配置信息，基于所述示例性网络配置记录的所述网络操作模型用于使用用于所述混合网络元件类型的混合网络操作信息生成所述系统测试网络操作记录。
14.根据权利要求9所述的装置，所述机器学习组件包括模拟文件生成器，其中使用机器学习组件生成网络操作模型包括：将所述示例性网络配置记录迭代地提交到所述模拟文件生成器；接收尝试的网络操作记录；以及对所述模拟文件生成器的配置设置进行迭代，其中所述尝试的网络操作记录与所述示例性网络操作记录不匹配。
15.至少一种非暂态计算机可读存储介质，所述至少一种计算机可读存储介质包括指令，所述指令在被执行时使系统：
接收表示网络的配置的示例性网络配置记录；
接收表示所述网络的行为的示例性网络操作记录；
生成被配置为模拟光学通信系统的网络操作模型，所述网络操作模型是基于所述示例性网络配置记录作为示例性输入并且基于所述示例性网络操作记录作为示例性输出、使用机器学习组件生成的；
接收系统测试网络配置记录；以及
使用所述网络操作模型基于所述系统测试网络配置记录来生成系统测试网络操作记录。
16.根据权利要求15所述的计算机可读存储介质，所述示例性网络操作记录包括由所述示例性网络配置记录表示的示例性网络配置的多个示例性网络元件的示例性输出参数的多个示例性键值对，所述系统测试网络操作记录包括由所述系统测试网络配置记录表示的系统测试网络配置的多个系统测试网络元件的系统测试输出参数的多个系统测试键值对。
17.根据权利要求15所述的计算机可读存储介质，所述示例性网络配置记录和所述系统测试网络配置记录包括网络拓扑信息、网络警报信息、网络事件信息以及网络命令规范。
18.根据权利要求15所述的计算机可读存储介质，所述示例性网络操作记录和所述系统测试网络操作记录包括网络警报报警、网络事件报警、网络警报数据以及网络事件数据。
19.根据权利要求15所述的计算机可读存储介质，所述示例性网络配置记录包括用于第一网络元件类型的第一网络配置信息和用于第二网络元件类型的第二网络配置信息，所述示例性网络操作记录包括用于所述第一网络元件类型和所述第二网络元件类型的网络操作信息，系统测试网络配置记录包括用于组合所述第一网络元件类型和所述第二网络元件类型的混合网络元件类型的混合网络配置信息，基于所述示例性网络配置记录的所述网络操作模型用于使用用于所述混合网络元件类型的混合网络操作信息生成所述系统测试网络操作记录。
20.根据权利要求15所述的计算机可读存储介质，所述机器学习组件包括模拟文件生成器，其中使用机器学习组件生成网络操作模型包括：将所述示例性网络配置记录迭代地提交到所述模拟文件生成器；接收尝试的网络操作记录；以及对所述模拟文件生成器的配置设置进行迭代，其中所述尝试的网络操作记录与所述示例性网络操作记录不匹配。
CN202410204439.XA 2019-06-14 2020-06-09 用于生成网络模拟场景的技术 Pending CN117880116A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/441,160 US11354593B2 (en) 2019-06-14 2019-06-14 Techniques to generate network simulation scenarios
US16/441,160 2019-06-14
CN202010520526.8A CN112087313B (zh) 2019-06-14 2020-06-09 用于生成网络模拟场景的技术

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202010520526.8A Division CN112087313B (zh) 2019-06-14 2020-06-09 用于生成网络模拟场景的技术

Publications (1)

Publication Number Publication Date
CN117880116A true CN117880116A (zh) 2024-04-12

Family

ID=70802772

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010520526.8A Active CN112087313B (zh) 2019-06-14 2020-06-09 用于生成网络模拟场景的技术
CN202410204439.XA Pending CN117880116A (zh) 2019-06-14 2020-06-09 用于生成网络模拟场景的技术

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202010520526.8A Active CN112087313B (zh) 2019-06-14 2020-06-09 用于生成网络模拟场景的技术

Country Status (4)

Country Link
US (2) US11354593B2 (zh)
EP (1) EP3751787B1 (zh)
JP (1) JP7568211B2 (zh)
CN (2) CN112087313B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2022212094A1 (en) * 2021-01-29 2023-09-14 World Wide Technology Holding Co., LLC Systems and methods for artificial intelligence-defined networking
WO2022182272A1 (en) * 2021-02-25 2022-09-01 Telefonaktiebolaget Lm Ericsson (Publ) Method for communications network analysis using trained machine learning models and network topography information
US20220337493A1 (en) * 2021-04-19 2022-10-20 Rakuten Mobile, Inc Report generation from testing a test application in a network-as-a-service
US11652725B2 (en) * 2021-04-19 2023-05-16 Rakuten Mobile, Inc. Performance testing of a test application in a network-as-a-service environment
KR102441035B1 (ko) * 2022-01-11 2022-09-05 안세환 통합 배선 관리 시스템
CN116781159B (zh) * 2023-06-25 2024-04-26 江西省通信产业服务有限公司上饶分公司 智慧机房光纤业务确认方法、系统以及存储介质

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9059895B2 (en) * 2009-12-08 2015-06-16 Cisco Technology, Inc. Configurable network management system event processing using simple network management table indices
US9218605B2 (en) * 2011-09-21 2015-12-22 Nokia Technologies Oy Method and apparatus for managing recommendation models
US8868710B2 (en) * 2011-11-18 2014-10-21 Amazon Technologies, Inc. Virtual network interface objects
US9456362B2 (en) * 2015-01-19 2016-09-27 Viavi Solutions Uk Limited Techniques for dynamic network optimization using geolocation and network modeling
CN106330507B (zh) * 2015-06-30 2020-06-05 中兴通讯股份有限公司 一种ctp生成方法和装置、以及网管服务器
US9900372B2 (en) * 2016-01-22 2018-02-20 Whatsapp Inc. Techniques to detect and react to proxy interference
WO2017199539A1 (ja) * 2016-05-18 2017-11-23 ソニー株式会社 情報処理装置、プログラム、及び情報処理方法
US10056978B2 (en) * 2016-06-10 2018-08-21 Tyco Electronics Subsea Communications Llc Techniques for provisioning network elements of a data communications network (DCN) and an optical communication system using the same
WO2019087382A1 (ja) 2017-11-06 2019-05-09 日本電気株式会社 稼働状況予測システム、稼働状況予測方法および稼働状況予測プログラム
CA3222672A1 (en) * 2019-02-20 2020-08-27 Level 3 Communications, Llc Systems and methods for communications node upgrade and selection
US10862767B2 (en) * 2019-03-27 2020-12-08 Lenovo (Singapore) Pte. Ltd. Data packet prediction
US11412001B2 (en) * 2019-06-10 2022-08-09 Zscaler, Inc. Statistical network application security policy generation
WO2021053966A1 (ja) 2019-09-17 2021-03-25 日本電気株式会社 情報処理装置、パケット生成方法、システム、及びプログラム

Also Published As

Publication number Publication date
US11704597B2 (en) 2023-07-18
CN112087313A (zh) 2020-12-15
US20200394554A1 (en) 2020-12-17
JP7568211B2 (ja) 2024-10-16
EP3751787A1 (en) 2020-12-16
EP3751787B1 (en) 2023-08-23
US11354593B2 (en) 2022-06-07
US20220284349A1 (en) 2022-09-08
JP2020205584A (ja) 2020-12-24
CN112087313B (zh) 2024-03-12

Similar Documents

Publication Publication Date Title
CN112087313B (zh) 用于生成网络模拟场景的技术
US10262019B1 (en) Distributed management optimization for IoT deployments
US20230195845A1 (en) Fast annotation of samples for machine learning model development
JP2022514508A (ja) 機械学習モデルの解説可能性ベースの調節
EP3886367B1 (en) Automating 5g slices using real-time analytics
CN108631854B (zh) 用于测试卫星有效载荷转发器的设计的装置及方法
US11294754B2 (en) System and method for contextual event sequence analysis
CN112199189B (zh) 深度学习模型对资源受限边缘设备的适应
US20240214429A1 (en) Complex it process annotation, tracing, analysis, and simulation
CN109901985B (zh) 分布式测试装置及方法、存储介质和电子设备
US11948077B2 (en) Network fabric analysis
EP4080789A1 (en) Enhanced uncertainty management for optical communication systems
Del-Pozo-Puñal et al. A scalable simulator for cloud, fog and edge computing platforms with mobility support
CN108304322A (zh) 一种压力测试方法及终端设备
US11943295B2 (en) Single bi-directional point of policy control, administration, interactive queries, and security protections
Liu et al. Distributed service integration for disaster monitoring sensor systems
US9454149B2 (en) Extracting attribute fail rates from convoluted systems
CN109814911A (zh) 用于管理脚本程序的方法、装置、计算机设备及存储介质
CN111125005B (zh) 一种hdfs分布式文件系统io性能调优方法、系统及设备
Raj Edge MLOps framework for AIoT applications
CN109308243A (zh) 数据处理方法、装置、计算机设备和介质
CN114756301A (zh) 日志处理方法、装置和系统
Dorenskyi The methodology of evaluating the test cases quality for simple IT monoprojects software testing
CN117081666B (zh) 故障预测方法、装置、电子设备、存储介质及程序产品
US20240012833A1 (en) Systems and methods for seamlessly updating and optimizing a digital system

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