CN117896231A - 频发设备识别方法、装置、电子设备和可读存储介质 - Google Patents
频发设备识别方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN117896231A CN117896231A CN202211223352.4A CN202211223352A CN117896231A CN 117896231 A CN117896231 A CN 117896231A CN 202211223352 A CN202211223352 A CN 202211223352A CN 117896231 A CN117896231 A CN 117896231A
- Authority
- CN
- China
- Prior art keywords
- target
- frequency
- service
- determining
- equipment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 110
- 230000005540 biological transmission Effects 0.000 claims abstract description 437
- 230000008520 organization Effects 0.000 claims description 67
- 230000002159 abnormal effect Effects 0.000 claims description 32
- 238000005070 sampling Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000005192 partition Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本公开提供一种频发设备识别方法、装置以及电子设备和计算机可读存储介质,涉及计算机与互联网技术领域。频发设备识别方法包括:获取目标设备的至少一个业务传输特征;确定目标设备所在的目标区域和目标设备所对应的目标业务;确定在目标区域中目标业务对应的区域高频传输基线,区域高频传输基线是根据目标区域中目标业务对应的物联网设备的至少一个业务传输特征生成的;根据目标设备的至少一个业务传输特征和区域高频传输基线,确定目标设备是频发设备。本公开实施例可以准确的确定目标设备是否是频发设备。
Description
技术领域
本公开涉及计算机与互联网技术领域,尤其涉及一种频发设备识别方法及装置、电子设备和计算机可读存储介质。
背景技术
近年来随着物联网业务规模的持续扩大,可能会因部分频发终端(高频次收发信息的终端)导致网络故障时有发生。据2021年物联网会话数据统计,12%高频终端约占用了47%网络资源。
因此,频发终端极易导致网络拥塞、上下行载波利用率不足等,进而会次生网络性能告警。
目前相关技术中,缺少频发终端识别手段,更无法对可能由于频发设备导致的网络问题进行定位。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。
发明内容
本公开的目的在于提供一种频发设备识别方法、装置、电子设备以及计算机可读存储介质,可以准确且便捷地确定目标设备是否是频发终端。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
本公开实施例提供了一种频发设备识别方法,包括:获取目标设备的至少一个业务传输特征;确定所述目标设备所在的目标区域和所述目标设备所对应的目标业务;确定在所述目标区域中所述目标业务对应的区域高频传输基线,所述区域高频传输基线是根据所述目标区域中所述目标业务对应的物联网设备的至少一个业务传输特征生成的;根据所述目标设备的至少一个业务传输特征和所述区域高频传输基线,确定所述目标设备是频发设备。
在一些实施例中,根据所述目标设备的至少一个业务传输特征和所述区域高频传输基线,确定所述目标设备是频发设备,包括:确定所述目标区域中所述目标业务对应的至少一个业务传输特征树,其中所述至少一个业务传输特征树是根据所述目标区域中所述目标业务对应的物联网设备的至少一个业务传输特征生成的;根据所述目标设备的至少一个业务传输特征和所述至少一个业务传输特征树,确定所述目标设备的业务传输异常值;根据所述目标设备的业务传输异常值和所述区域高频传输基线,确定所述目标设备是频发设备。
在一些实施例中,根据所述目标设备的至少一个业务传输特征和所述至少一个业务传输特征树,确定所述目标设备的业务传输异常值,包括:根据所述目标设备的至少一个业务传输特征,确定所述目标设备的至少一个业务传输特征在各个业务传输特征树中的路径深度;根据所述目标设备的至少一个业务传输特征在各个业务传输特征树中的路径深度,确定所述目标设备对应的平均深度;根据所述目标设备对应的平均深度,确定所述目标设备的业务传输异常值。
在一些实施例中,根据所述目标设备的业务传输异常值和所述区域高频传输基线,确定所述目标设备是频发设备,包括:在所述目标设备的业务传输异常值相比于所述区域高频传输基线的倍数大于第一阈值时,则确定所述目标设备是频发设备。
在一些实施例中,根据所述目标设备的业务传输异常值和所述区域高频传输基线,确定所述目标设备是频发设备,包括:在所述目标设备的业务传输异常值大于第二阈值时,则确定所述目标设备是频发设备。
在一些实施例中,在确定在所述目标区域中所述目标业务对应的至少一个业务传输特征树之前,所述方法还包括:在所述目标区域中的所述目标业务对应的多个物联网设备中随机取样,以生成M个随机样本组,M为大于或者等于1的整数;确定各个随机样本组中的物联网设备所对应的至少一个业务传输特征;根据所述物联网设备对应的至少一个业务传输特征,为每个随机样本组对应生成一个业务传输特征树,以便根据各个随机样本组对应的业务传输特征树确定频发设备。
在一些实施例中,在确定在所述目标区域中所述目标业务对应的和区域高频传输基线之前,所述方法还包括:获取所述目标区域中所述目标业务对应的物联网设备的至少一个业务传输特征;根据各个物联网设备的至少一个业务传输特征,确定每个物联网设备在各个业务传输特征树上的路径深度;根据每个物联网设备在各个业务传输特征树上的路径深度确定每个物联网设备的异常分数值;根据每个物联网设备的异常分数值确定所述目标业务在所述目标区域对应的区域高频传输基线。
在一些实施例中,所述M个随机样本组包括第一随机样本组,所述第一随机样本组中的物联网设备的至少一个业务传输特征包括第一传输业务特征和第二传输业务特征,所述第一随机样本组与所述至少一个业务传输特征树中的第一业务传输特征树对应;其中,根据所述物联网设备对应的至少一个业务传输特征,为每个随机样本组对应生成一个业务传输特征树,包括:在所述第一随机样本组中的物联网设备的至少一个业务传输特征中随机抽取第一业务传输特征;在所述第一随机样本组中确定所述第一业务传输特征的最大值和最小值;在所述第一业务传输特征的最大值和最小值之间确定第一分割点;通过所述第一分割点将所述第一随机样本组进行分割,以生成第一子节点和第二子节点,以便根据所述第一子节点和所述第二子节点生成所述第一业务传输特征树。
在一些实施例中,根据所述第一子节点和所述第二子节点生成所述第一业务传输特征树,包括:在所述第一子节点中的物联网设备的至少一个业务传输特征中随机抽取第二业务传输特征;在所述第一子节点中确定所述第二业务传输特征的最大值和最小值;在所述第二业务传输特征的最大值和最小值之间确定第二分割点;通过所述第二分割点将所述第一随机样本组进行分割,以生成第一孙子节点和第二孙子节点,以便根据所述第一子节点、所述第二子节点、所述第一孙子节点和所述第二孙子节点生成所述第一业务传输特征树。
在一些实施例中,所述目标设备属于目标组织;其中,所述方法还包括:根据上述频发设备识别方法确定所述目标组织中的设备是否是频发设备;统计所述目标组织中的频发设备的占比;若所述目标组织中频发设备的占比大于第三阈值,则确定所述目标组织是待定高频组织;根据所述待定高频组织中的设备的至少一个业务传输特征确定所述待定高频组织的组织高频传输基线,以便根据所述待定高频组织的组织高频传输基线确定所述待定高频组织是否是频发组织。
在一些实施例中,根据所述待定高频组织中的设备的至少一个业务传输特征确定所述待定高频组织的组织高频传输基线,以便根据所述待定高频组织的组织高频传输基线确定所述待定高频组织是否是频发组织,包括:根据所述待定高频组织中的终端设备的至少一个业务传输特征,为所述待定高频组织生成至少一个业务传输特征树;根据所述待定高频组织的至少一个业务传输特征树确定所述待定高频组织的组织高频传输基线;在所述组织高频传输基线相比于所述区域高频传输基线的倍数大于第四阈值的情况下,确定所述待定高频组织是目标高频组织。
在一些实施例中,所述方法还包括:确定目标区域的网络性能差;获取所述目标区域的网络性能质差数据;获取所述目标区域中的物联网设备的业务传输特征;确定所述网络性能质差数据和所述目标区域中的物联网设备的业务传输特征的相关系数;若所述相关系数大于第五阈值,则确定所述目标区域的网络性能质差是由所述目标区域中的频发设备引起的。
本公开实施例提供了一种频发设备识别装置,包括:特征获取模块、业务确定模块、区域高频传输基线确定模块和频发设备确定模块。
其中,所述特征获取模块用于获取目标设备的至少一个业务传输特征;所述业务确定模块可以用于确定所述目标设备所在的目标区域和所述目标设备所对应的目标业务;所述区域高频传输基线确定模块可以用于确定在所述目标区域中所述目标业务对应的区域高频传输基线,所述区域高频传输基线是根据所述目标区域中所述目标业务对应的物联网设备的至少一个业务传输特征生成的;所述频发设备确定模块可以用于根据所述目标设备的至少一个业务传输特征和所述区域高频传输基线,确定所述目标设备是频发设备。
本公开实施例提出一种电子设备,该电子设备包括:存储器和处理器;所述存储器用于存储程序指令;所述处理器调用所述存储器存储的所述程序指令,用于实现上述任一项所述的频发设备识别方法。
本公开实施例提出一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述任一项所述的频发设备识别方法。
本公开实施例提出一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述频发设备识别方法。
本公开实施例提供的频发设备识别方法、装置及电子设备和计算机可读存储介质,可以根据目标设备所在地目标区域和目标设备对应的目标业务确定一区域高频传输基线,根据该区域高频传输基线可以简单且准确的确定目标设备是否是频发设备。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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示出了可以应用于本公开实施例的频发设备识别方法或频发设备识别装置的示例性系统架构的示意图。
图2是根据一示例性实施例示出的一种频发设备识别方法的流程图。
图3是根据一示例性实施例示出的一种频发设备识别方法的流程图。
图4是根据一示例性实施例示出的一种传输异常值确定方法的流程图。
图5是根据一示例性实施例示出的一种业务传输特征树确定方法的流程图。
图6是根据一示例性实施例示出的一种区域高频传输基线确定方法的流程图。
图7是根据一示例性实施例示出的一种业务传输特征树生成方法的流程图。
图8是根据一示例性实施例示出的一种频发组织确定方法的流程图。
图9是根据一示例性实施例示出的一种网络质差定位方法的流程图。
图10是根据一示例性实施例示出的一种频发设备识别方法的流程图。
图11是根据一示例性实施例示出的一种频发组织确定方法的示意图。
图12是根据一示例性实施例示出的一种网络质差定位方法的示意图。
图13是根据一示例性实施例示出的一种频发设备识别装置的框图。
图14示出了适于用来实现本公开实施例的的电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
本公开所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图仅为本公开的示意性图解,图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和步骤,也不是必须按所描述的顺序执行。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
在本申请的描述中,除非另有说明,“/”表示“或”的意思,例如,A/B可以表示A或B。本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。此外,“至少一个”是指一个或多个,“多个”是指两个或两个以上。“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同;用语“包含”、“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述,需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
下面结合附图对本公开示例实施方式进行详细说明。
图1示出了可以应用于本公开实施例的频发设备识别方法或频发设备识别装置的示例性系统架构的示意图。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。其中,终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、虚拟现实设备、智能家居等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理,并将处理结果反馈给终端设备。
服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器等,本公开对此不做限制。
服务器105可例如获取目标设备的至少一个业务传输特征;服务器105可例如确定目标设备所在的目标区域和目标设备所对应的目标业务;服务器105可例如确定在目标区域中目标业务对应的区域高频传输基线,区域高频传输基线是根据目标区域中目标业务对应的物联网设备的至少一个业务传输特征生成的;服务器105可例如根据目标设备的至少一个业务传输特征和区域高频传输基线,确定目标设备是频发设备。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的,服务器105可以是一个实体的服务器,还可以为多个服务器组成,根据实际需要,可以具有任意数目的终端设备、网络和服务器。
在上述系统架构下,本公开实施例中提供了一种频发设备识别方法,该方法可以由任意具备计算处理能力的电子设备执行。
图2是根据一示例性实施例示出的一种频发设备识别方法的流程图。本公开实施例所提供的方法可以由任意具备计算处理能力的电子设备来执行,例如该方法可以由上述图1实施例中的服务器或终端设备来执行,也可以由服务器和终端设备共同执行,在下面的实施例中,以服务器为执行主体为例进行举例说明,但本公开并不限定于此。
参照图2,本公开实施例提供的频发设备识别方法可以包括以下步骤。
步骤S202,获取目标设备的至少一个业务传输特征。
其实,上述业务传输特征可以用来描述目标设备的业务传输特性,例如可以用来刻画目标设备的上行传输特征,再例如可以用来刻画目标设备的下行传输特征等,本申请对此不做限制。该上行传输特征或者下行传输特征可以包括传输次数(分上下行)、传输频率(分上下行)等,本申请对此不做限制。
在一些实施例中,目标设备的至少一个业务传输特征可以包括按照周、天、小时等对目标设备的上行特征或者下行特征统计获得的业务传输特征。
在一些实施例中,可以取目标设备在周(天或者小时)内的均值、中值等作为目标设备在该周(天或者小时)对应的业务传输特征,但本申请并不限于此。
例如,如果目标设备是以COAP(Constrained Application Protocol,Constrained Application Protocol)协议进行信息的传输,那么就可以按照周、天或者小时等时间粒度统计该目标设备的上con次数、下con次数、上non次数、下non次数。
再例如,如果目标设备是以MQTT(Message Queuing Telemetry Transport,消息队列遥测传输)协议进行信息的传输,那么就可以按照周、天或者小时等时间粒度统计该目标设备的CONNECT(连接)次数、PUBLISH(发布消息报文)次数、SUBSCRIBE(订阅)次数、UNSUBSCRIBE(退订)次数或者PING(Packet Internet Groper,是一种因特网包探索器)次数或者DISCONNECT(断开连接)次数等。
在一些实施例中,目标设备的至少一个业务传输特征可以一起代表目标设备。譬如,一个目标设备可以包括一组业务传输特征数据,该一组业务传输特征数据可以包括多个业务传输特征,通过该一组业务传输特征数据可以对目标设备的传输特性进行描述。
步骤S204,确定目标设备所在的目标区域和目标设备所对应的目标业务。
在一些实施例中,不同业务的物联网设备的传输特征可能不同,例如水表、气表、路灯、烟感等物联网设备的传输频率可能会不同,因此他们的传输特征也不会相同。
在一些实施例中,不同区域的物联网设备的传输特征也可能不同,如偏远地区的物联网设备传输频率可能远低于发达地区的传输频率。
因此,由于不同业务的不一样,在不同区域应用也不一样。比如水表一般定时一天一次或者几天上con一次。而路灯这种下控的业务,一般都是定时接受下con指令,然后每隔半小时进行non包进行心跳交互。因此,本申请在确定目标设备是否是频发设备时要结合该目标设备所处区域和该目标设备对应的业务。
步骤S206,确定在目标区域中目标业务对应的区域高频传输基线,区域高频传输基线是根据目标区域中目标业务对应的物联网设备的至少一个业务传输特征生成的。
在一些实施例中,可以分区域分业务存储不同的区域高频传输基线。
在一些实施例中,上述区域高频传输基线可以是根据目标区域中目标业务对应的物联网设备的至少一个业务传输特征生成的,该区域高频传输基线可以用来描述某个区域下某个业务中的物联网设备的平均传输情况。
一般来说,如果一个设备的业务传输特性超出该区域高频传输基线,则可以认为该设备是频发设备。
步骤S208,根据目标设备的至少一个业务传输特征和区域高频传输基线,确定目标设备是频发设备。
在一些实施例中,可以根据目标设备的至少一个业务传输特征确定目标设备的业务传输异常值。
在一些实施例中,在目标设备的业务传输异常值相比于区域高频传输基线的倍数大于第一阈值时,则可以确定目标设备是频发设备。
在一些实施例中,在目标设备的业务传输异常值大于第二阈值时,则可以确定目标设备是频发设备。
在一些实施例中,当确定目标设备时频发设备时,可以从业务模型、资费引导、网络控制等方面,对高频次终端进行限制,从而降低高终端的传输频次,从而减少高频次设备对网络的影响。
其中,从业务模型方面对频发设备进行限制可以指的是规范频发设备的传输频率模型,让其在合理区里内。
从资费引导方面对频发设备进行限制可以指的是对高频设备和低频设备进行区别收费。
从网络控制方面对频发设备进行限制可以指的是对高频导致网络故障的设备进行传输限制或者关停。
上述实施例提高的技术方案,一方面针对不同的区域和不同的业务场景确定不同的频发基线,从而对频发设备进行合理约束引导;另一方面,本实施例简单且快捷的识别出频发设备,并针对频发设备给与对应的限制策略,从而减少网络拥塞和上下行载波利用率不足等问题的发生,进而减少网络性能告警。
图3是根据一示例性实施例示出的一种频发设备识别方法的流程图。
参考图3所示,上述频发设备识别方法可以包括以下步骤。
步骤S302,获取目标设备的至少一个业务传输特征。
步骤S304,确定目标设备所在的目标区域和目标设备所对应的目标业务。
步骤S306,确定在目标区域中目标业务对应的区域高频传输基线,区域高频传输基线是根据目标区域中目标业务对应的物联网设备的至少一个业务传输特征生成的。
步骤S308,确定目标区域中目标业务对应的至少一个业务传输特征树,其中至少一个业务传输特征树是根据目标区域中目标业务对应的物联网设备的至少一个业务传输特征生成的。
在一些实施例中,上述至少一个业务传输特征树可以是根据目标区域中目标业务对应的物联网设备的至少一个业务传输特征生成的,具体生成过程可以参考图4~图6所示实施例,本实施例不再赘述。
在一些实施例中,上述区域高频传输基线可以是根据至少一个业务传输特征树生成的,具体生成过程可以参考图7所示实施例,本实施例不再赘述。
步骤S310,根据目标设备的至少一个业务传输特征和至少一个业务传输特征树,确定目标设备的业务传输异常值。
在一些实施例中,可以确定目标设备的至少一个业务传输特征在各个业务传输特征树上的路径深度,然后对各个路径深度取平均值,最后将平均值进行归一化处理,以确定该目标设备的业务传输异常值。
步骤S312,根据目标设备的业务传输异常值和区域高频传输基线,确定目标设备是频发设备。
在一些实施例中,当业务传输异常值高于区域高频传输基线时,可以认为目标设备是频发设备,但本申请并不限于此。
在一些实施例中,上述业务传输特征树可以是根据目标区域中目标业务对应的物联网设备的至少一个业务传输特征生成的,具体可以参考以下过程:
1、假设数据集有N条数据(每条数据中可以包括一个设备的至少一个业务传输特征),可以从N条数据中均匀抽样(一般是无放回抽样)出ψ个样本出来,作为一颗树的训练样本,N为大于或者等于1的整数,ψ为大于或者等于1的整数。
2、在训练样本中,可以随机选一个特征(如在至少一个业务传输特征中选择一个特征),并在这个特征的所有值范围内(最小值与最大值之间)随机选一个值,对样本进行二叉划分,例如将样本中小于该值的划分到节点的左边,大于等于该值的划分到节点的右边。这样得到了一个分裂条件和左、右两边的数据集,然后分别在左右两边的数据集上重复上面的过程,直接达到终止条件。终止条件可以有两个,一个是数据本身不可再分(只包括一个样本,或者全部样本相同),另外一个是树的高度达到预设阈值。
3、按照上述步骤2构建至少一个业务传输特征树。
在一些实施例中,把某个区域内的某个业务对应的所有的业务传输特征树树构建好了,就可以根据该至少一个业务传输特征树确定该区域中该业务对应的区域高频传输基线了。
例如,可以确定所有训练样本在不同业务传输特征树上的业务传输异常值,然后对所有训练样本的业务传输异常值进行平均以作为该目标区域的目标业务的区域高频传输基线;再例如,可以在所有训练样本的业务传输异常值中取中值,以作为该目标区域的目标业务的区域高频传输基线等,本申请对此不做限制。
在一些实施例中,可以参考以下过程预测样本的业务传输异常值。
预测的过程就是把样本数据在业务传输特征树树上沿对应的条件分支往下走,直到达到叶子节点,并记录这过程中经过的路径长度h(x),即从根节点、穿过中间的节点、最后到达叶子节点,所走过的边的数量(path length)。
最后,将h(x)带入,计算每个样本的异常分数(Anomaly Score)s(x,n),其计算公式为:
其中,c(n)=2H(n-1)-(2(n-1)/n)是二叉搜索树的平均路径长度,用来对结果进行归一化处理,其中的H(k)可以通过公式H(k)=ln(k)+ζ来估计,ζ是欧拉常数,其值为0.5772156649。h(x)为路径长度,E(h(x))为所有业务传输特征树的平均路径长度。
在一些实施例中如果分数越接近1,其是异常点的可能性越高;如果分数都比0.5要小,那么基本可以确定为正常数据;如果所有分数都在0.5附近,那么数据不包含明显的异常样本。
上述过程业务传输特征树的生成过程还可以具参考图4~图6实施例示出的技术方案。
图4是根据一示例性实施例示出的一种业务传输特征树确定方法的流程图。
参考图4,上述业务传输特征树确定方法可以包括以下步骤。
步骤S402,在目标区域中的目标业务对应的多个物联网设备中随机取样,以生成M个随机样本组,M为大于或者等于1的整数。
步骤S404,确定各个随机样本组中的物联网设备所对应的至少一个业务传输特征。
步骤S406,根据物联网设备对应的至少一个业务传输特征,为每个随机样本组对应生成一个业务传输特征树,以便根据各个随机样本组对应的业务传输特征树确定频发设备。
图5是根据一示例性实施例示出的一种业务传输特征树生成方法的流程图。
在一些实施例中,上述M个随机样本组可以包括第一随机样本组,第一随机样本组中的物联网设备的至少一个业务传输特征可以包括第一传输业务特征和第二传输业务特征,第一随机样本组与至少一个业务传输特征树中的第一业务传输特征树对应。
在一些实施中,可以以第一随机样本组为例解释如何生成业务传输特征树,具体可以参考图5。
步骤S502,在第一随机样本组中的物联网设备的至少一个业务传输特征中随机抽取第一业务传输特征。
步骤S504,在第一随机样本组中确定第一业务传输特征的最大值和最小值。
步骤S505,在第一业务传输特征的最大值和最小值之间确定第一分割点。
步骤S508,通过第一分割点将第一随机样本组进行分割,以生成第一子节点和第二子节点。
步骤S510,在第一子节点中的物联网设备的至少一个业务传输特征中随机抽取第二业务传输特征。
步骤S512,在第一子节点中确定第二业务传输特征的最大值和最小值。
步骤S514,在第二业务传输特征的最大值和最小值之间确定第二分割点。
步骤S515,通过第二分割点将第一随机样本组进行分割,以生成第一孙子节点和第二孙子节点,以便根据第一子节点、第二子节点、第一孙子节点和第二孙子节点生成第一业务传输特征树。
在一些实施例中,可以参考图5所示实施例为上述M个随机样本组分别生成对应的业务传输特征树。
在一些实施例中,在生成至少一个业务传输特征树后,可以根据图6所示实施例为目标区域的目标业务确定对应的区域高频传输基线。
图6是根据一示例性实施例示出的一种区域高频传输基线确定方法的流程图。
参考图6,上述区域高频传输基线方法可以包括以下步骤。
步骤S602,获取目标区域中目标业务对应的物联网设备的至少一个业务传输特征。
步骤S604,根据各个物联网设备的至少一个业务传输特征,确定每个物联网设备在各个业务传输特征树上的路径深度。
步骤S606,根据每个物联网设备在各个业务传输特征树上的路径深度确定每个物联网设备的异常分数值。
步骤S608,根据每个物联网设备的异常分数值确定目标业务在目标区域对应的区域高频传输基线。
例如,可以在所有物联网设备的异常分数值中取均值或者中值等作为目标业务在目标区域对应的区域高频传输基线,但本申请并不限于此。
在一些实施例中,可以参考图7确定目标设备的传输异常值。
图7是根据一示例性实施例示出的一种传输异常值确定方法的流程图。
参考图7所示,上述传输异常值确定方法可以包括以下步骤。
步骤S702,根据目标设备的至少一个业务传输特征,确定目标设备的至少一个业务传输特征在各个业务传输特征树中的路径深度。
步骤S704,根据目标设备的至少一个业务传输特征在各个业务传输特征树中的路径深度,确定目标设备对应的平均深度。
步骤S706,根据目标设备对应的平均深度,确定目标设备的业务传输异常值。
图8是根据一示例性实施例示出的一种频发组织确定方法的流程图。
参考图8,上述频发组织确定方法可以包括以下步骤。
步骤S802,确定目标组织中的设备是否是频发设备。
在一些实施例中,可以根据上述频发设备识别方法确定目标组织中的设备是否是频发设备。
步骤S804,统计目标组织中的频发设备的占比。
步骤S806,若目标组织中频发设备的占比大于第三阈值,则确定目标组织是待定高频组织。
步骤S808,根据待定高频组织中的设备的至少一个业务传输特征确定待定高频组织的组织高频传输基线,以便根据待定高频组织的组织高频传输基线确定待定高频组织是否是频发组织。
在一些实施例中,根据待定高频组织中的设备的至少一个业务传输特征确定待定高频组织的组织高频传输基线,以便根据待定高频组织的组织高频传输基线确定待定高频组织是否是频发组织可以包括:根据待定高频组织中的终端设备的至少一个业务传输特征,为待定高频组织生成至少一个业务传输特征树;根据待定高频组织的至少一个业务传输特征树确定待定高频组织的组织高频传输基线;在组织高频传输基线相比于区域高频传输基线的倍数大于第四阈值的情况下,确定待定高频组织是目标高频组织。
其中,根据待定高频组织中的终端设备的至少一个业务传输特征,为待定高频组织生成至少一个业务传输特征树,可以参考为目标区域的目标业务生成至少一个业务传输特征树的过程,本实施例不再赘述。
其中,根据待定高频组织的至少一个业务传输特征树确定待定高频组织的组织高频传输基线,可以参考为目标区域的目标业务生成区域高频传输基线的过程,本实施例不再赘述。
在一些实施例中,如果待定组织的组织高频传输基线相比于区域高频传输基线的倍数大于第四阈值的情况下,则确定待定组织中的频发设备比较多,那么进而可以确定该待定高频组织是高频组织,进而可以从业务模型、资费引导、网络控制等方面,对高频组织中的设备进行限制,从而降低高频组织中设备的的传输频次,从而减少高频次设备对网络的影响。
本实施例基于物联网设备的特征库构建物联网各区域及个行业对应的基线业务传输行为模型,并通过异常检测和网络质差关联,实现频发企业的快速预警的准确定位,实现网络资源的有效优化。
图9是根据一示例性实施例示出的一种网络质差定位方法的流程图。
参考图9,上述网络质差定位方法可以包括以下步骤。
步骤S902,确定目标区域的网络性能差。
在一些实施例中,可以根据目标区域的网络传输数据确定目标区域的网络性能差。
步骤S904,获取目标区域的网络性能质差数据。
在一些实施例中,上述网络性能质差数据可以指的是目标区域中的网络性能数据,例如网络中的带宽、时延、带宽时延积等,本申请对网络性能质差数据的具体内容不做限制,本领域技术人员可以根据实际需要确定该网络性能质差数据。
步骤S906,获取目标区域中的物联网设备的业务传输特征。
在一些实施例中,可以获取目标区域中的没个物联网设备的业务传输特征(该业务传输特征可以包括至少一个)。
步骤S908,确定网络性能质差数据和目标区域中的物联网设备的业务传输特征的相关系数。
步骤S910,若相关系数大于第五阈值,则确定目标区域的网络性能质差是由目标区域中的频发设备引起的。
本实施例提供的技术方案,可以基于物联网设备的特征库构建物联网的基线业务传输行为模型,并通过异常检测和网络质差关联,实现网络质差的准确定位,实现网络资源的有效优化。
图10是根据一示例性实施例示出的一种频发设备识别方法的流程图。
参考图10,上述频发设备识别方法可以包括以下步骤。
步骤S1001,收集物联网设备业务日志。
步骤S1002,分业务分区域业务传输行为聚合。
在一些实施例中,可以收集历史物联网NB(基于蜂窝网络的窄带物联网技术)业务传输日志,主要为DPI或者COAP(一种计算机协议,应用于物联网)等数据,并完成在小时/天粒度单业务传输行为的聚合统计。
DPI(Deep Packet Inspection)是一种基于数据包的深度检测技术,针对不同的网络应用层载荷(例如HTTP、DNS等)进行深度检测,通过对报文的有效载荷检测决定其合法性。
COAP协议通信是通过在UDP上传输消息类完成。UDP比作公路话,消息就是公路上汽车。
COAP定义了4种类型消息,来实现设备端与云端之间双向通信:1.需要确认消息CON;2.不需要确认消息NON(适用于消息会重复频繁的发送,丢掉消息不对业务产生影响);3.确认应答消息ACK;4.复位消息RST。
步骤S1003,业务传输频率基线模型构建。
在一些实施例中,可以分业务分区域计算频发相关特征的中位数、均值、75%分位值等指标,然后对上述各指标设置权值完成分业务分区域画像构建(对各业务计算其平均或者众数一般聚集的位置)。
步骤S1004,频发终端识别。
在一些实施例中,可以基于业务基线模型识别频发客户业务,具体可以包括频发终端的识别:基于周粒度注册数、上行数、下行数等特征,基于异常点检测方法完成频发终端识别。
1、基于周粒度注册数、上行数、下行数等特征,然后构建一个树分割模型,从全量数据中随机抽取20%数据,然后从已有特征中随机抽取一个特征中最小值与最大值作为开始分割点,大于分割点在树右分支,小于该分割点在左分支。
2、重复上述步骤1,直至当次数据分割结果左分支或右分支包换数据个数为0,或者树深度达到设置最大深度(本方案设置为20)。
3、对全量数据按照步骤2依次分割,直至到达叶子节点,计算该数据在该树的路径深度h(x)=e+C(Tree.size),其中e是经过的边的数目,Tree.size是该数据落在叶子节点包含数据的个数, γ为欧拉常数。
其中,n是Tree.size,就是该数据落在叶子节点包含数据个数。
4、根据数据规模大小,按照上述1、2、和3步骤构建若干分割、树,并计算每个数据在分割树的路径长度h,然后计算每个数据h的平均深度(树的路径指的是“从树根到每一个节点的路径长度的总和”,计算每个数据需要多少次才能分割开,越大说明越难分开,越特殊,越可能是异常点)。
5、对h做归一化处理(如min-max归一化、z-score等),其得分越接近1,指标越为异常。
步骤S1005,基于客户维度的频发终端聚类。
步骤S1006,客户业务模型行为预警。
在一些实施例中,可以基于业务基线模型识别频发客户业务,具体可以包括高频企业客户聚类:对上述终端进行分客户基于频次聚类,若某一客户下属终端聚类频次显著高于基线模型1,且识别的频发终端占总终端比例超过30%,判定为频发企业,需要进行预警。具体可以包括:
1、识别高频终端标签按照客户进行聚合计算,若某企业下属所有终端中高频占比超过30%,为待定预警高频企业。
2、根据图11所述,可以对根据待定高频企业周粒度注册数、上行数、下行数等特征计算该企业对应的频发业务基线(具体可以参考区域频发业务基线的确定方法),若该企业的频发业务基线高于上述频发终端识别业务中确定的业务基线模型3倍以上,判定该企业为高频企业。
高频企业客户聚类实例说明。
若某企业A终端数为300,高频终端识别数为180,高频终端占比为180/300=60%>30%,为待定预警高频企业。
然后计算该企业基线权值,以“周粒度上行数”特征简要说明,若该企业共300个终端,其“周粒度上行业务条数”的中位数、均值、75%分位值分别为90/80、120,该三项权值分别为0.3/0.3/0.4,则其业务评估值为90*0.3+80*0.3+120*0.4=99,若基线模型值为24,99>24*3,该企业A识别为高频预警企业。
步骤S1007,无线网络性能质差关联。
在一些实施例中,可以对网络的业务质差定位分责,具体可以包括:
如图12所示,可以对网络性能质差数据(如网络拥塞率高、上/下行载波利用率低)与频发终端识别结果相关联,当质差小区出现上/下行载波利用率或网络拥塞率出现质差时,与质差时段的上下行频发终端进行相关系数匹配。
在一些实施例中,当相关系数大于0.7时,可以定位导致网络质差原因为相关频发终端。
步骤S1008,网络质差定责。
在一些实施例中,可以将物联网质差原因定位并下发处理方案;频发客户预警并优化业务传输模型。
本实施例提供的技术方案,在物联网频发终端识别中创新的引入了基线预测的方法:由于物联网业务众多,不同业务的传输特性存在相似性的同时也存在较大的差异,本实施例考虑业务特性、环境影响等因素,通过分区域分业务构建业务传输基线模型。同时考虑到部分终端的偶发性频发,设计了“单终端频发识别——企业频发聚类”两级模式,有效剔除了异常噪点因素,识别精度更高。
另外,本实施例网络质差精细化定位,且具备良好的可解释性:本实施例提出的频发终端与网络融合的质差定位方法与装置,能有效节约人力成本,且与传统网络性能监测方法相比,更精准的定位到了导致网络质差的业务原因,能更快解决问题。与相比神经网络类模型,本方法更具有可解释性,更符合一线运维人员的使用习惯。
总而言之,本实施例基于历史日志数据,通过业务画像构建、单终端异常行为检测、企业频发聚类三流程实现频发企业的快速识别,实现对不规范客户网络的业务模型演绎推理。另外,还以物联网无线小区监控的性能指标为入手,借鉴聚类分析的思路,融合终端频发、寻呼密集对网络性能的影响,进而协助一线运维人员推断出导致质差的根因。
基于同一发明构思,本公开实施例中还提供了一种频发设备识别装置,如下面的实施例。由于该装置实施例解决问题的原理与上述方法实施例相似,因此该装置实施例的实施可以参见上述方法实施例的实施,重复之处不再赘述。
图13是根据一示例性实施例示出的一种频发设备识别装置的框图。参照图13,本公开实施例提供的频发设备识别装置1300可以包括:特征获取模块1301、业务确定模块1302、区域高频传输基线确定模块1303和频发设备确定模块1304。
其中,特征获取模块1301可以用于获取目标设备的至少一个业务传输特征;业务确定模块1302可以用于确定目标设备所在的目标区域和目标设备所对应的目标业务;区域高频传输基线确定模块1303可以用于确定在目标区域中目标业务对应的区域高频传输基线,区域高频传输基线是根据目标区域中目标业务对应的物联网设备的至少一个业务传输特征生成的;频发设备确定模块1304可以用于根据目标设备的至少一个业务传输特征和区域高频传输基线,确定目标设备是频发设备。
此处需要说明的是,上述特征获取模块1301、业务确定模块1302、区域高频传输基线确定模块1303、频发设备确定模块1304对应于方法实施例中的S202~S208,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述方法实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在一些实施例中,频发设备确定模块1304包括:业务传输特征树确定单元、业务传输异常值确定单元和频发设备确定单元。
其中,业务传输特征树确定单元可以用于确定目标区域中目标业务对应的至少一个业务传输特征树,其中至少一个业务传输特征树是根据目标区域中目标业务对应的物联网设备的至少一个业务传输特征生成的;业务传输异常值确定单元可以用于根据目标设备的至少一个业务传输特征和至少一个业务传输特征树,确定目标设备的业务传输异常值;频发设备确定单元可以用于根据目标设备的业务传输异常值和区域高频传输基线,确定目标设备是频发设备。
在一些实施例中,业务传输异常值确定单元可以包括:路径深度确定子单元、平均深度确定子单元和业务传输异常值确定单元。
其中,路径深度确定子单元用于根据目标设备的至少一个业务传输特征,确定目标设备的至少一个业务传输特征在各个业务传输特征树中的路径深度;平均深度确定子单元用于根据目标设备的至少一个业务传输特征在各个业务传输特征树中的路径深度,确定目标设备对应的平均深度;业务传输异常值确定单元用于根据目标设备对应的平均深度,确定目标设备的业务传输异常值。
在一些实施例中,频发设备确定单元可以包括:第一判断子单元。
其中,第一判断子单元可以用于在目标设备的业务传输异常值相比于区域高频传输基线的倍数大于第一阈值时,则确定目标设备是频发设备。
在一些实施例中,频发设备确定单元可以包括:第二判断子单元。
其中,第二判断子单元可以用于在目标设备的业务传输异常值大于第二阈值时,则确定目标设备是频发设备。
在一些实施例中,频发设备识别装置还可以包括:随机取样模块、业务传输特征确定模块和业务传输特征树生成模块。
其中,随机取样模块可以用于在确定在目标区域中目标业务对应的至少一个业务传输特征树之前,在目标区域中的目标业务对应的多个物联网设备中随机取样,以生成M个随机样本组,M为大于或者等于1的整数;业务传输特征确定模块可以用于确定各个随机样本组中的物联网设备所对应的至少一个业务传输特征;业务传输特征树生成模块可以用于根据物联网设备对应的至少一个业务传输特征,为每个随机样本组对应生成一个业务传输特征树,以便根据各个随机样本组对应的业务传输特征树确定频发设备。
在一些实施例中,频发设备识别装置还可以包括:至少一个业务传输特征获取模块、物联网设备路径深度确定模块、物联网设备异常分数值确定模块和区域高频传输基线确定模块。
其中,至少一个业务传输特征获取模块可以用于在确定在目标区域中目标业务对应的和区域高频传输基线之前,获取目标区域中目标业务对应的物联网设备的至少一个业务传输特征;物联网设备路径深度确定模块可以用于根据各个物联网设备的至少一个业务传输特征,确定每个物联网设备在各个业务传输特征树上的路径深度;物联网设备异常分数值确定模块可以用于根据每个物联网设备在各个业务传输特征树上的路径深度确定每个物联网设备的异常分数值;区域高频传输基线确定模块可以用于根据每个物联网设备的异常分数值确定目标业务在目标区域对应的区域高频传输基线。
在一些实施例中,M个随机样本组包括第一随机样本组,第一随机样本组中的物联网设备的至少一个业务传输特征包括第一传输业务特征和第二传输业务特征,第一随机样本组与至少一个业务传输特征树中的第一业务传输特征树对应;其中,业务传输特征树生成模块可以包括:第一业务传输特征抽取单元、最值确定第一单元、第一分割点确定单元和第一分割单元。
其中,第一业务传输特征抽取单元可以用于在第一随机样本组中的物联网设备的至少一个业务传输特征中随机抽取第一业务传输特征;最值确定第一单元可以用于在第一随机样本组中确定第一业务传输特征的最大值和最小值;第一分割点确定单元可以用于在第一业务传输特征的最大值和最小值之间确定第一分割点;第一分割单元可以用于通过第一分割点将第一随机样本组进行分割,以生成第一子节点和第二子节点,以便根据第一子节点和第二子节点生成第一业务传输特征树。
在一些实施例中,第一分割单元可以包括:第二业务传输特征确定子单元、第二最值确定子单元、第二分割点确定子单元和第二分割子单元。
其中,第二业务传输特征确定子单元可以用于在第一子节点中的物联网设备的至少一个业务传输特征中随机抽取第二业务传输特征;第二最值确定子单元可以用于在第一子节点中确定第二业务传输特征的最大值和最小值;第二分割点确定子单元可以用于在第二业务传输特征的最大值和最小值之间确定第二分割点;第二分割子单元可以用于通过第二分割点将第一随机样本组进行分割,以生成第一孙子节点和第二孙子节点,以便根据第一子节点、第二子节点、第一孙子节点和第二孙子节点生成第一业务传输特征树。
在一些实施例中,目标设备属于目标组织;其中,频发设备识别装置还可以包括:频发设备识别模块、统计模块、第三阈值判断模块和组织高频传输基线确定模块。
其中,频发设备识别模块可以用于根据上述频发设备识别方法确定目标组织中的设备是否是频发设备;统计模块用于统计目标组织中的频发设备的占比;第三阈值判断模块用于若目标组织中频发设备的占比大于第三阈值,则确定目标组织是待定高频组织;组织高频传输基线确定模块用于根据待定高频组织中的设备的至少一个业务传输特征确定待定高频组织的组织高频传输基线,以便根据待定高频组织的组织高频传输基线确定待定高频组织是否是频发组织。
在一些实施例中,组织高频传输基线确定模块可以包括:生成业务传输特征树单元、组织高频传输基线生成单元和第四阈值判断单元。
其中,生成业务传输特征树单元可以用于根据待定高频组织中的终端设备的至少一个业务传输特征,为待定高频组织生成至少一个业务传输特征树;组织高频传输基线生成单元可以用于根据待定高频组织的至少一个业务传输特征树确定待定高频组织的组织高频传输基线;第四阈值判断单元可以用于在组织高频传输基线相比于区域高频传输基线的倍数大于第四阈值的情况下,确定待定高频组织是目标高频组织。
在一些实施例中,频发设备识别装置还可以包括:网络性能确定模块、网络性能质差数据获取模块、物联网设备的业务传输特征获取模块、相关系数确定模块和第五阈值判断模块。
其中,网络性能确定模块可以用于确定目标区域的网络性能差;网络性能质差数据获取模块可以用于获取目标区域的网络性能质差数据;物联网设备的业务传输特征获取模块可以用于获取目标区域中的物联网设备的业务传输特征;相关系数确定模块可以用于确定网络性能质差数据和目标区域中的物联网设备的业务传输特征的相关系数;第五阈值判断模块可以用于若相关系数大于第五阈值,则确定目标区域的网络性能质差是由目标区域中的频发设备引起的。
由于装置1300的各功能已在其对应的方法实施例中予以详细说明,本公开于此不再赘述。
描述于本申请实施例中所涉及到的模块和/或单元和/或子单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块和/或单元和/或子单元也可以设置在处理器中。其中,这些模块和/或单元和/或子单元的名称在某种情况下并不构成对该模块和/或单元和/或子单元本身的限定。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
图14示出了适于用来实现本公开实施例的的电子设备的结构示意图。需要说明的是,图14示出的电子设备1400仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图14所示,电子设备1400包括中央处理单元(CPU)1401,其可以根据存储在只读存储器(ROM)1402中的程序或者从储存部分1408加载到随机访问存储器(RAM)1403中的程序而执行各种适当的动作和处理。在RAM 1403中,还存储有电子设备1400操作所需的各种程序和数据。CPU 1401、ROM 1402以及RAM 1403通过总线1404彼此相连。输入/输出(I/O)接口1405也连接至总线1404。
以下部件连接至I/O接口1405:包括键盘、鼠标等的输入部分1406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1407;包括硬盘等的储存部分1408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1409。通信部分1409经由诸如因特网的网络执行通信处理。驱动器1410也根据需要连接至I/O接口1405。可拆卸介质1411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1410上,以便于从其上读出的计算机程序根据需要被安装入储存部分1408。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1409从网络上被下载和安装,和/或从可拆卸介质1411被安装。在该计算机程序被中央处理单元(CPU)1401执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本公开所示的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备可实现功能包括:获取目标设备的至少一个业务传输特征;确定目标设备所在的目标区域和目标设备所对应的目标业务;确定在目标区域中目标业务对应的区域高频传输基线,区域高频传输基线是根据目标区域中目标业务对应的物联网设备的至少一个业务传输特征生成的;根据目标设备的至少一个业务传输特征和区域高频传输基线,确定目标设备是频发设备。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例的各种可选实现方式中提供的方法。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者智能设备等)执行根据本公开实施例的方法,例如图2~图10中的一个或多个所示的步骤。
本领域技术人员在考虑说明书及实践在这里公开的公开后,将容易想到本公开的其他实施例。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不限于这里已经示出的详细结构、附图方式或实现方法,相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (15)
1.一种频发设备识别方法,其特征在于,包括:
获取目标设备的至少一个业务传输特征;
确定所述目标设备所在的目标区域和所述目标设备所对应的目标业务;
确定在所述目标区域中所述目标业务对应的区域高频传输基线,所述区域高频传输基线是根据所述目标区域中所述目标业务对应的物联网设备的至少一个业务传输特征生成的;
根据所述目标设备的至少一个业务传输特征和所述区域高频传输基线,确定所述目标设备是频发设备。
2.根据权利要求1所述方法,其特征在于,根据所述目标设备的至少一个业务传输特征和所述区域高频传输基线,确定所述目标设备是频发设备,包括:
确定所述目标区域中所述目标业务对应的至少一个业务传输特征树,其中所述至少一个业务传输特征树是根据所述目标区域中所述目标业务对应的物联网设备的至少一个业务传输特征生成的;
根据所述目标设备的至少一个业务传输特征和所述至少一个业务传输特征树,确定所述目标设备的业务传输异常值;
根据所述目标设备的业务传输异常值和所述区域高频传输基线,确定所述目标设备是频发设备。
3.根据权利要求2所述方法,其特征在于,根据所述目标设备的至少一个业务传输特征和所述至少一个业务传输特征树,确定所述目标设备的业务传输异常值,包括:
根据所述目标设备的至少一个业务传输特征,确定所述目标设备的至少一个业务传输特征在各个业务传输特征树中的路径深度;
根据所述目标设备的至少一个业务传输特征在各个业务传输特征树中的路径深度,确定所述目标设备对应的平均深度;
根据所述目标设备对应的平均深度,确定所述目标设备的业务传输异常值。
4.根据权利要求3所述方法,其特征在于,根据所述目标设备的业务传输异常值和所述区域高频传输基线,确定所述目标设备是频发设备,包括:
在所述目标设备的业务传输异常值相比于所述区域高频传输基线的倍数大于第一阈值时,则确定所述目标设备是频发设备。
5.根据权利要求3所述方法,其特征在于,根据所述目标设备的业务传输异常值和所述区域高频传输基线,确定所述目标设备是频发设备,包括:
在所述目标设备的业务传输异常值大于第二阈值时,则确定所述目标设备是频发设备。
6.根据权利要求2所述方法,其特征在于,在确定在所述目标区域中所述目标业务对应的至少一个业务传输特征树之前,所述方法还包括:
在所述目标区域中的所述目标业务对应的多个物联网设备中随机取样,以生成M个随机样本组,M为大于或者等于1的整数;
确定各个随机样本组中的物联网设备所对应的至少一个业务传输特征;
根据所述物联网设备对应的至少一个业务传输特征,为每个随机样本组对应生成一个业务传输特征树,以便根据各个随机样本组对应的业务传输特征树确定频发设备。
7.根据权利要求6所述方法,其特征在于,在确定在所述目标区域中所述目标业务对应的和区域高频传输基线之前,所述方法还包括:
获取所述目标区域中所述目标业务对应的物联网设备的至少一个业务传输特征;
根据各个物联网设备的至少一个业务传输特征,确定每个物联网设备在各个业务传输特征树上的路径深度;
根据每个物联网设备在各个业务传输特征树上的路径深度确定每个物联网设备的异常分数值;
根据每个物联网设备的异常分数值确定所述目标业务在所述目标区域对应的区域高频传输基线。
8.根据权利要求6所述方法,其特征在于,所述M个随机样本组包括第一随机样本组,所述第一随机样本组中的物联网设备的至少一个业务传输特征包括第一传输业务特征和第二传输业务特征,所述第一随机样本组与所述至少一个业务传输特征树中的第一业务传输特征树对应;其中,根据所述物联网设备对应的至少一个业务传输特征,为每个随机样本组对应生成一个业务传输特征树,包括:
在所述第一随机样本组中的物联网设备的至少一个业务传输特征中随机抽取第一业务传输特征;
在所述第一随机样本组中确定所述第一业务传输特征的最大值和最小值;
在所述第一业务传输特征的最大值和最小值之间确定第一分割点;
通过所述第一分割点将所述第一随机样本组进行分割,以生成第一子节点和第二子节点,以便根据所述第一子节点和所述第二子节点生成所述第一业务传输特征树。
9.根据权利要求8所述方法,其特征在于,根据所述第一子节点和所述第二子节点生成所述第一业务传输特征树,包括:
在所述第一子节点中的物联网设备的至少一个业务传输特征中随机抽取第二业务传输特征;
在所述第一子节点中确定所述第二业务传输特征的最大值和最小值;
在所述第二业务传输特征的最大值和最小值之间确定第二分割点;
通过所述第二分割点将所述第一随机样本组进行分割,以生成第一孙子节点和第二孙子节点,以便根据所述第一子节点、所述第二子节点、所述第一孙子节点和所述第二孙子节点生成所述第一业务传输特征树。
10.根据权利要求1所述方法,其特征在于,所述目标设备属于目标组织;其中,所述方法还包括:
根据权利要求1所述方法确定所述目标组织中的设备是否是频发设备;
统计所述目标组织中的频发设备的占比;
若所述目标组织中频发设备的占比大于第三阈值,则确定所述目标组织是待定高频组织;
根据所述待定高频组织中的设备的至少一个业务传输特征确定所述待定高频组织的组织高频传输基线,以便根据所述待定高频组织的组织高频传输基线确定所述待定高频组织是否是频发组织。
11.根据权利要求10所述方法,其特征在于,根据所述待定高频组织中的设备的至少一个业务传输特征确定所述待定高频组织的组织高频传输基线,以便根据所述待定高频组织的组织高频传输基线确定所述待定高频组织是否是频发组织,包括:
根据所述待定高频组织中的终端设备的至少一个业务传输特征,为所述待定高频组织生成至少一个业务传输特征树;
根据所述待定高频组织的至少一个业务传输特征树确定所述待定高频组织的组织高频传输基线;
在所述组织高频传输基线相比于所述区域高频传输基线的倍数大于第四阈值的情况下,确定所述待定高频组织是目标高频组织。
12.根据权利要求1所述方法,其特征在于,所述方法还包括:
确定目标区域的网络性能差;
获取所述目标区域的网络性能质差数据;
获取所述目标区域中的物联网设备的业务传输特征;
确定所述网络性能质差数据和所述目标区域中的物联网设备的业务传输特征的相关系数;
若所述相关系数大于第五阈值,则确定所述目标区域的网络性能质差是由所述目标区域中的频发设备引起的。
13.一种频发设备识别装置,其特征在于,包括:
特征获取模块,用于获取目标设备的至少一个业务传输特征;
业务确定模块,用于确定所述目标设备所在的目标区域和所述目标设备所对应的目标业务;
区域高频传输基线确定模块,用于确定在所述目标区域中所述目标业务对应的区域高频传输基线,所述区域高频传输基线是根据所述目标区域中所述目标业务对应的物联网设备的至少一个业务传输特征生成的;
频发设备确定模块,用于根据所述目标设备的至少一个业务传输特征和所述区域高频传输基线,确定所述目标设备是频发设备。
14.一种电子设备,其特征在于,包括:
存储器;以及
耦合到所述存储器的处理器,所述处理器被用于基于存储在所述存储器中的指令,执行如权利要求1-12任一项所述的频发设备识别方法。
15.一种计算机可读存储介质,其上存储有程序指令,该程序指令被处理器执行时实现如权利要求1-12任一项所述的频发设备识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211223352.4A CN117896231A (zh) | 2022-10-08 | 2022-10-08 | 频发设备识别方法、装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211223352.4A CN117896231A (zh) | 2022-10-08 | 2022-10-08 | 频发设备识别方法、装置、电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117896231A true CN117896231A (zh) | 2024-04-16 |
Family
ID=90647444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211223352.4A Pending CN117896231A (zh) | 2022-10-08 | 2022-10-08 | 频发设备识别方法、装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117896231A (zh) |
-
2022
- 2022-10-08 CN CN202211223352.4A patent/CN117896231A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111124819B (zh) | 全链路监控的方法和装置 | |
CN111178380B (zh) | 数据分类方法、装置及电子设备 | |
CN108108743B (zh) | 异常用户识别方法和用于识别异常用户的装置 | |
US11188443B2 (en) | Method, apparatus and system for processing log data | |
CN111431819A (zh) | 一种基于序列化的协议流特征的网络流量分类方法和装置 | |
CN107392259B (zh) | 构建不均衡样本分类模型的方法和装置 | |
Liu et al. | Sensors anomaly detection of industrial internet of things based on isolated forest algorithm and data compression | |
CN114422267A (zh) | 流量检测方法、装置、设备及介质 | |
CN107306200B (zh) | 网络故障预警方法和用于网络故障预警的网关 | |
CN116166505B (zh) | 金融行业双态it架构的监控平台、方法、存储介质及设备 | |
CN111654538B (zh) | 基于区块链及大数据的通信处理方法及云边端计算服务器 | |
CN113688490A (zh) | 网络共建共享处理方法、装置、设备及存储介质 | |
CN115955691A (zh) | 5g专网感知评价方法、装置、电子设备及可读存储介质 | |
CN116761194B (zh) | 一种无线通信网络中警务协同通信优化系统及方法 | |
CN117896231A (zh) | 频发设备识别方法、装置、电子设备和可读存储介质 | |
CN115330140A (zh) | 一种基于数据挖掘的建筑风险预测方法及其预测系统 | |
CN115883392A (zh) | 算力网络的数据感知方法、装置、电子设备及存储介质 | |
CN112990797A (zh) | 基于云计算技术的灾害风险预警管理方法、装置 | |
CN109446020B (zh) | 云存储系统的动态评估方法以及装置 | |
Ji et al. | Integrated Generative Adversarial Network and XGBoost for Anomaly Processing of Massive Data Flow in Dispatch Automation Systems. | |
CN117056663B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN110995839B (zh) | 广告系统性能的分析方法、装置和计算机存储介质 | |
CN112560992B (zh) | 优化图片分类模型的方法、装置、电子设备及存储介质 | |
CN113794719B (zh) | 一种基于Elasticsearch技术网络异常流量分析方法、装置和电子设备 | |
CN116361112B (zh) | 一种告警收敛方法和装置 |
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 |