KR20170109609A - 시그널링 세트들 또는 호들의 분석 및 분류 - Google Patents

시그널링 세트들 또는 호들의 분석 및 분류 Download PDF

Info

Publication number
KR20170109609A
KR20170109609A KR1020177023952A KR20177023952A KR20170109609A KR 20170109609 A KR20170109609 A KR 20170109609A KR 1020177023952 A KR1020177023952 A KR 1020177023952A KR 20177023952 A KR20177023952 A KR 20177023952A KR 20170109609 A KR20170109609 A KR 20170109609A
Authority
KR
South Korea
Prior art keywords
signaling
distance
sets
sequence
signaling set
Prior art date
Application number
KR1020177023952A
Other languages
English (en)
Other versions
KR101842088B1 (ko
Inventor
페터 실라기
스자볼크스 노바크즈키
Original Assignee
노키아 솔루션스 앤드 네트웍스 오와이
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 노키아 솔루션스 앤드 네트웍스 오와이 filed Critical 노키아 솔루션스 앤드 네트웍스 오와이
Publication of KR20170109609A publication Critical patent/KR20170109609A/ko
Application granted granted Critical
Publication of KR101842088B1 publication Critical patent/KR101842088B1/ko

Links

Images

Classifications

    • 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
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • 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
    • 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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0823—Errors, e.g. transmission errors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/04—Large scale networks; Deep hierarchical networks
    • H04W84/042—Public Land Mobile systems, e.g. cellular systems

Abstract

적어도 하나의 프로세싱 회로, 및 프로세싱 회로에 의해 실행될 명령들을 저장하기 위한 적어도 하나의 메모리를 포함하는 장치에서, 적어도 하나의 메모리 및 명령들은 적어도 하나의 프로세싱 회로와 함께, 장치로 하여금 적어도: 분석 결과에 따라 각각의 시그널링 세트를 적어도 하나의 클래스의 시그널링 세트들로 분류하기 위해 복수의 개별 시그널링 세트들을 상기 복수의 시그널링 세트들 중 적어도 2개의 시그널링 세트들 사이의 유사성들 및 차이점들에 관해 분석하게 하도록 구성되고, 분석은, 미리결정된 정보를 복수의 시그널링 세트들의 각각의 시그널링 세트를 나타내는 트레이스 데이터로부터 필터링함으로써 시퀀스 모델에 따라 시그널링 세트 시퀀스를 생성하도록 상기 트레이스 데이터를 변환하는 것, 각각의 시그널링 세트 시퀀스들을 사용함으로써 시그널링 세트들의 거리를 평가하는 것 ― 거리는 거리 메트릭으로 표시됨 ―, 그리고 거리 메트릭에 기반하여 각각의 시그널링 세트를 시그널링 세트 클래스에 배정하는 것을 포함한다.

Description

시그널링 세트들 또는 호들의 분석 및 분류
본 발명은 호들과 같은 시그널링 세트들 등을 분석 및 분류하기 위해 사용가능한 장치들, 방법들, 시스템들, 컴퓨터 프로그램들, 컴퓨터 프로그램 제품들 및 컴퓨터-판독가능 매체에 관한 것이다.
배경 기술의 하기 설명은, 관련된 종래 기술에 공지되지 않지만 본 발명에 의해 제공되는 개시내용들과 함께, 본 발명의 실시예들의 적어도 일부의 예들에 대한 인사이트들(insights), 발견들, 이해들 또는 개시내용들 또는 연관성들을 포함할 수 있다. 본 발명의 이러한 기여들 중 일부는 아래에서 구체적으로 적시될 수 있는 한편, 본 발명의 이러한 기여들 중 다른 것은 관련된 콘텍스트로부터 자명할 것이다.
본 명세서에서 사용되는 약어들에 대해 하기 의미들이 적용된다:
3GPP 3rd Generation Partnership Project
AP: access point
BGW: border gateway
BS: base station
CPU: central processing unit
DHD: dynamic Hamming distance
DL: downlink
DSP: digital signal processor
IP: Internet protocol
LTE: Long Term Evolution
LTE-A: LTE Advanced
MGW: media gateway
MSS: mobile switching center
RAN: radio access network
RLC: radio link control
RNC: radio network controller
RRC: radio resource control
SDU: service data unit
SIP: session initiation protocol
SON: self-organizing network
TAS: telephony application server
TCP: transmission control protocol
UE: user equipment
UL: uplink
UP: user plane
VNF: virtual network function
VoIP: voice over IP
VoLTE: voice over LTE
WCDMA: wideband code division multiple access
본 발명의 실시예들은 시그널링 세트들, 이를테면 호들, 데이터 통신들 등을 분석 및 분류하기 위한 절차가 구현될 수 있는 통신 시스템을 포함하는 네트워크들에 관한 것이다.
실시예의 예에 따르면, 예컨대, 적어도 하나의 프로세싱 회로 및 프로세싱 회로에 의해 실행될 명령들을 저장하기 위한 적어도 하나의 메모리를 포함하는 장치가 제공되고, 적어도 하나의 메모리 및 명령들은, 적어도 하나의 프로세싱 회로와 함께, 장치로 하여금, 적어도, 분석 결과에 따라 각각의 시그널링 세트를 시그널링 세트들의 적어도 하나의 부류로 분류하기 위해, 복수의 시그널링 세트들 중 적어도 2개간의 유사성들 및 차이점들에 대해 복수의 별개의 시그널링 세트들을 분석하게 하고, 분석하는 것은 트레이스 데이터로부터 미리결정된 정보를 필터링함으로써 시퀀스 모델에 따른 시그널링 세트 시퀀스를 생성하기 위해 복수의 시그널링 세트들 중 각각의 하나를 나타내는 트레이스 데이터를 변환하는 것, 각각의 시그널링 세트 시퀀스들을 사용함으로써 시그널링 세트들의 거리를 평가하는 것 ― 거리는 거리 메트릭(distance metric)에 의해 표시됨 ―, 및 거리 메트릭에 기반하여 각각의 시그널링 세트를 시그널링 세트 부류에 배정하는 것을 포함한다.
또한, 실시예의 예에 따르면, 예컨대, 분석 결과에 따라 각각의 시그널링 세트를 시그널링 세트들의 적어도 하나의 부류로 분류하기 위해, 복수의 시그널링 세트들 중 적어도 2개간의 유사성들 및 차이점들에 대해 복수의 별개의 시그널링 세트들을 분석하는 단계를 포함하는 방법이 제공되고, 분석하는 단계는 트레이스 데이터로부터 미리결정된 정보를 필터링함으로써 시퀀스 모델에 따른 시그널링 세트 시퀀스를 생성하기 위해 복수의 시그널링 세트들 중 각각의 하나를 나타내는 트레이스 데이터를 변환하는 단계, 각각의 시그널링 세트 시퀀스들을 사용함으로써 시그널링 세트들의 거리를 평가하는 단계 ― 거리는 거리 메트릭에 의해 표시됨 ―, 및 거리 메트릭에 기반하여 각각의 시그널링 세트를 시그널링 세트 부류에 배정하는 단계를 포함한다.
또한, 실시예의 예에 따르면, 예컨대, 컴퓨터 판독가능 프로그램 코드가 구현된 컴퓨터 사용가능한 매체를 포함하는 컴퓨터 프로그램 제품이 제공되고, 컴퓨터 판독가능 프로그램 코드는, 분석 결과에 따라 각각의 시그널링 세트를 시그널링 세트들의 적어도 하나의 부류로 분류하기 위해, 복수의 시그널링 세트들 중 적어도 2개간의 유사성들 및 차이점들에 대해 복수의 별개의 시그널링 세트들을 분석하는 것을 포함하는 프로세스를 실행하도록 적응되고, 분석하는 것은 트레이스 데이터로부터 미리결정된 정보를 필터링함으로써 시퀀스 모델에 따른 시그널링 세트 시퀀스를 생성하기 위해 복수의 시그널링 세트들 중 각각의 하나를 나타내는 트레이스 데이터를 변환하는 것, 각각의 시그널링 세트 시퀀스들을 사용함으로써 시그널링 세트들의 거리를 평가하는 것 ― 거리는 거리 메트릭에 의해 표시됨 ―, 및 거리 메트릭에 기반하여 각각의 시그널링 세트를 시그널링 세트 부류에 배정하는 것을 포함한다.
추가적인 개선들에 따르면, 이러한 예들은 하기 특징들 중 하나 또는 그 초과를 포함할 수 있다:
- 각각의 시그널링은 복수의 네트워크 엘리먼트들 또는 기능들 간의 또는 네트워크 엘리먼트 또는 기능 내의 시그널링의 결과일 수 있고, 시그널링은 하나 또는 그 초과의 네트워크 엘리먼트들 또는 기능들 및 프로토콜 스택들을 수반하는 소프트웨어 블록들간의 데이터 통신, 음성 통신, 메시지 교환 중 적어도 하나에서 일련의 메시지들 또는 콘텍스트 데이터를 포함하고, 트레이스 데이터는 시그널링 세트의 개별적인 이벤트들 및 메시지들, 사용자 평면 이벤트들, 상태 변화 이벤트들, 업데이트 이벤트들, 실패 카운터 이벤트들, 및 이벤트들 또는 메시지들과 관련된 특성들 중 적어도 하나에 대한 정보를 포함할 수 있다;
- 시퀀스 모델에 따라 생성되는 시그널링 세트 시퀀스는 트레이스 데이터의 관련 부분을 나타내는 시퀀스 엘리먼트들의 순서화된 리스트를 포함할 수 있고, 시퀀스 엘리먼트들은 시퀀스 엘리먼트들의 복수의 타입들로부터 선택될 수 있고, 각각의 타입은 차별화되고 고유 식별자에 배정되고, 시퀀스 엘리먼트는 트레이스 데이터로부터 유도된 스칼라 식별자 및 정보 엘리먼트 중 적어도 하나를 포함할 수 있다;
- 복수의 별개의 시그널링 세트들은 시그널링 세트들에 포함된 실패 표시의 타입에 따라 분석하기 위해 미리선택될 수 있다;
- 시퀀스 모델에 따라 시그널링 세트 시퀀스를 생성하기 위해 복수의 시그널링 세트들 중 각각의 하나를 나타내는 트레이스 데이터를 변환하기 위해, 특정 엘리먼트들을 식별하기 위한 트레이스 데이터의 부분들은 차별화될 수 있고, 대응하는 식별자는 각각의 특정 엘리먼트에 배정될 수 있고, 시그널링 세트 시퀀스는 배정된 식별자들을 사용함으로써 생성될 수 있다;
- 시퀀스 모델에 따라 시그널링 세트 시퀀스를 생성하기 위해 복수의 시그널링 세트들 중 각각의 하나를 나타내는 트레이스 데이터를 변환하기 위해, 트레이스 데이터로부터의 미리결정된 정보의 필터링은 시그널링 세트들의 거리를 평가하기 위해 수행된 프로세싱에 적응될 수 있고, 각각의 트레이스 데이터의 변환의 결과들은 시그널링 세트들의 거리를 평가하기 위해 수행되는 프로세싱에 적합한 공통 시퀀스 모델에 대응할 수 있다;
- 시그널링 세트들의 거리를 평가하기 위해, 복수의 시그널링 세트들로부터 유도된 적어도 2개의 시그널링 세트 시퀀스들의 서로에 대한 거리 또는 적어도 하나의 미리-저장된 레퍼런스 시퀀스 세트에 대한 복수의 시그널링 세트들로부터 유도된 시그널링 세트 시퀀스들의 거리가 컴퓨팅될 수 있고, 거리 메트릭은 각각의 시그널링 세트 시퀀스에서 특정 엘리먼트의 고려 하에 시그널링 세트 시퀀스들을 정렬함으로써 결정될 수 있고, 각각의 시그널링 세트 시퀀스의 특정 엘리먼트는 트레이스 데이터의 실패 이벤트, 시그널링 세트 시퀀스의 최초 엘리먼트 및 시그널링 세트 시퀀스의 마지막 엘리먼트 중 하나와 관련될 수 있다.
- 거리 메트릭으로서, 동적 해밍(Hamming) 거리, 레벤시타인(Levenshtein) 거리 및 자카드(Jaccard) 거리 중 하나가 결정될 수 있고, 거리 메트릭 결정의 결과는 정렬에 사용된 특정 엘리먼트에 대한 시그널링 세트 시퀀스에서의 포지션간의 거리에 의존하는 가중치 팩터 함수로 변조될 수 있다;
- 거리 메트릭은, 서로에 대해 미리결정된 유사성 조건을 충족하는 시그널링 세트들을 동일한 시그널링 세트 부류에 배정하기 위해, 그리고 서로에 대해 미리결정된 유사성 조건을 충족하지 않는 시그널링 세트들을 다른 시그널링 세트 부류에 배정하기 위해 고려될 수 있다;
- 복수의 별개의 시그널링 세트들은 오프-라인 모드 및 온-라인 모드 중 하나에서 분석될 수 있고, 오프-라인 모드에서 복수의 시그널링 세트들은 사전에 저장된 시그널링 세트들의 인접 세트일 수 있고, 온-라인 모드에서, 복수의 시그널링 세트들은 후속적 방식으로 입력될 수 있고, 분석하는 것은 임의의 시간 기간 동안 시그널링 세트들의 도달에 따라 수행될 수 있다;
- 오프-라인 모드에서, 시그널링 세트 부류들 중 적어도 하나는, 오프-라인 모드 및 온-라인 모드 중 적어도 하나에서의 시그널링 세트 분석에서 거리 평가에서 사용될 시그널링 세트 시퀀스를 정의하는 레퍼런스 시그널링 세트 부류로서 사용될 수 있다;
- 오프-라인 모드에서, 시그널링 세트들의 거리는 트레이스 데이터에서 실패 카운터 증분 이벤트에 대응하는 시그널링 세트 시퀀스들의 특정 엘리먼트에 대해 시그널링 세트 시퀀스들을 정렬함으로써 평가될 수 있고, 시그널링 세트 시퀀스들의 쌍별 거리들(pairwise distances)은 거리 메트릭에 따른 거리 매트릭스로서 컴퓨팅될 수 있고, 시그널링 세트들을 시그널링 세트 부류에 배정하기 위해, 거리 매트릭스를 사용함으로써 미리결정된 거리와 동일하거나 그보다 작은 거리를 갖는 시그널링 세트 시퀀스들의 서브세트들을 식별하기 위한 파티셔닝 또는 클러스터링 프로세싱이 사용될 수 있다;
- 온-라인 모드에서, 적어도 하나의 레퍼런스 시그널링 세트 시퀀스를 각각 포함하는 적어도 하나의 레퍼런스 시그널링 세트 부류는 시그널링 세트들의 거리를 평가하기 위해 그리고 시그널링 세트들을 시그널링 세트 부류에 배정하기 위해 사용될 수 있고, 어떠한 레퍼런스 시그널링 세트 부류에 따라서도 시그널링 세트가 배정이능하지 않은 경우, 배정이능하지 않은 시그널링 세트에 기반하여 새로운 레퍼런스 시그널링 세트 부류가 정의될 수 있다;
- 온-라인 모드에서, 시그널링 세트들의 거리는 시그널링 세트 시퀀스들을 레퍼런스 시그널링 세트 시퀀스에 배정함으로써 평가될 수 있고, 시그널링 세트 시퀀스와 레퍼런스 시그널링 세트 시퀀스의 쌍별 거리들은 거리 메트릭에 따른 거리 벡터로서 컴퓨팅될 수 있고, 거리 벡터에 기반하여, 시그널링 세트가 가장 가까운 시그널링 세트 부류인 시그널링 세트 부류에 배정될지 또는 새로운 시그널링 세트 부류를 정의할지 여부가 결정될 수 있다;
- 시그널링 세트들의 분석 결과들은 시간에 걸친 분석 결과들에서의 변화들과 관련된 포스트-프로세싱을 위해 제공될 수 있다;
- 위의 프로세싱은 네트워크 제어 엘리먼트 또는 기능으로서 동작하거나 분석 엘리먼트 또는 기능으로서 동작하도록 구성된 네트워크 엘리먼트 또는 기능에서 구현될 수 있고, 네트워크는 통신 네트워크일 수 있다.
게다가, 실시예들에 따르면, 예컨대 컴퓨터용 컴퓨터 프로그램 제품이 제공되며, 컴퓨터 프로그램 제품은, 상기 제품이 컴퓨터 상에서 실행되는 경우 위에 정의된 방법들의 단계들을 수행하기 위한 소프트웨어 코드 부분들을 포함한다. 컴퓨터 프로그램 제품은, 상기 소프트웨어 코드 부분들이 저장되는 컴퓨터-판독가능 매체를 포함할 수 있다. 또한, 컴퓨터 프로그램 제품은, 업로드, 다운로드, 및 푸시 절차들 중 적어도 하나에 의해 네트워크를 통해 송신가능하고 그리고/또는 컴퓨터의 내부 메모리에 직접 로딩가능할 수 있다.
단지 예로서, 첨부한 도면들을 참조하여 본 발명의 일부 실시예들이 아래에 설명된다.
도 1은, 실시예들의 일부 예들이 구현가능한 통신 시스템을 포함하는 네트워크의 일반적인 아키텍처를 예시하는 다이어그램을 도시한다.
도 2는, 실시예들의 일부 예들에 따라 시그널링 세트들을 분석 및 분류하기 위해 사용가능한 엘리먼트 또는 기능을 예시하는 다이어그램을 도시한다.
도 3은, 실시예들의 일부 예들에 따라 시그널링 세트들을 분석 및 분류하기 위해 사용가능한 엘리먼트 또는 기능을 예시하는 다이어그램을 도시한다.
도 4는, 실시예들의 일부 예들에 따라 시그널링 세트들을 분석 및 분류하기 위해 사용가능한 엘리먼트 또는 기능을 예시하는 다이어그램을 도시한다.
도 5는, 실시예들의 일부 예들에 따라 시그널링 세트들을 분석 및 분류하기 위해 사용가능한 엘리먼트 또는 기능을 예시하는 다이어그램을 도시한다.
도 6은, 실시예들의 일부 예들에 따라 시그널링 세트들을 분석 및 분류하기 위해 사용가능한 엘리먼트 또는 기능을 예시하는 다이어그램을 도시한다.
도 7은 실시예들의 일부 예들에 따른, 호를 나타내는 트레이스 데이터의 시퀀스 모델로의 변환의 예를 예시하는 다이어그램을 도시한다.
도 8은 실시예들의 일부 예들에 따른, 2개의 호들의 시퀀스들 간의 비교의 예를 예시하는 다이어그램을 도시한다.
도 9는 실시예들의 일부 예들에 따른, 호의 시퀀스 구조의 예를 예시하는 다이어그램을 도시한다.
도 10은 실시예들의 일부 예들에 따른, 호 시퀀스들의 정렬 프로세싱의 예를 예시하는 다이어그램을 도시한다.
도 11은 실시예들의 일부 예들에 따른, 호 시퀀스들의 거리 평가를 위한 프로세싱의 예를 예시하는 다이어그램을 도시한다.
도 12는 실시예들의 일부 예들에 따른, 호 시퀀스들의 거리 평가를 위한 프로세싱의 예를 예시하는 다이어그램을 도시한다.
도 13은 실시예들의 일부 예들에 따른, 호들에 대한 계층적 클러스터링 결과의 계통도를 예시하는 다이어그램을 도시한다.
도 14는, 실시예들의 일부 예들에 따라 시그널링 세트들을 분석 및 분류하기 위해 사용가능한 엘리먼트 또는 기능을 예시하는 다이어그램을 도시한다.
도 15는, 실시예들의 일부 예들에 따라 시그널링 세트들을 분석 및 분류하기 위해 사용가능한 엘리먼트 또는 기능에서 수행되는 프로세싱의 흐름도를 도시한다.
도 16은, 실시예들의 일부 예들에 따라 시그널링 세트들을 분석 및 분류하기 위해 사용가능한 엘리먼트로서 동작하는 네트워크 엘리먼트의 다이어그램을 도시한다.
지난 몇 년 동안, 예컨대 유선 기반 통신 네트워크들(이를테면 ISDN(Integrated Services Digital Network), DSL), 또는 무선 통신 네트워크들(이를테면, cdma2000(code division multiple access) 시스템, UMTS(Universal Mobile Telecommunications System)와 같은 셀룰러 3G(3rd generation), 예컨대 LTE 또는 LTE-A에 기반한 4G(fourth generation) 통신 네트워크들 또는 향상된 통신 네트워크들, 5G(fifth generation) 통신 네트워크들, GSM(Global System for Mobile communications), GPRS(General Packet Radio System), EDGE(Enhanced Data Rates for Global Evolution) 같은 셀룰러 2G(2nd generation) 통신 네트워크들, 또는 다른 무선 통신 시스템, 이를테면 WLAN(Wireless Local Area Network), 블루투스 또는 WiMAX(Worldwide Interoperability for Microwave Access))의 통신 네트워크들의 증가된 확장이 전 세계에 걸쳐 발생했다. 3GPP(3rd Generation Partnership Project), TISPAN(Telecoms & Internet converged Services & Protocols for Advanced Networks), ITU(International Telecommunication Union), 3GPP2(3rd Generation Partnership Project 2), IETF(Internet Engineering Task Force), IEEE(Institute of Electrical and Electronics Engineers), WiMAX 포럼 등과 같은 다양한 조직들이 원격통신 네트워크 및 액세스 환경들에 대한 표준들 또는 규격들에 대해 노력을 들이고 있다.
아래에서 설명된 실시예들뿐만 아니라 원리들은, 통신 네트워크 환경에 포함된 임의의 네트워크 엘리먼트, 이를테면 단말 디바이스, 네트워크 엘리먼트, 중계 노드, 서버, 노드, 대응하는 컴포넌트, 및/또는 통신 시스템의 임의의 다른 엘리먼트 또는 요구되는 기능성들을 지원하는 상이한 통신 시스템들의 임의의 조합과 관련하여 적용가능하다. 통신 시스템들은 고정식 통신 시스템, 무선 통신 시스템, 또는 고정식 네트워크들 및 무선 네트워크들 둘 모두를 활용하는 통신 시스템 중 임의의 하나 또는 이들의 임의의 조합일 수 있다. 특히 무선 통신에서의, 사용되는 프로토콜들, 통신 시스템들의 규격들, 장치들, 이를테면 노드들, 서버들, 및 사용자 단말들은 급속하게 발달했다. 그러한 발달은 실시예에 대해 가외의 변화들을 요구할 수 있다. 따라서, 모든 단어들 및 표현들은 광범위하게 해석되어야 하며, 이들은 실시예들을 제한하는 것이 아니라 예시하는 것으로 의도된다.
다음에서, 실시예들이 적용될 수 있는 통신 네트워크의 예로서, 3GPP 표준들, 이를테면 3세대 또는 4세대(이를테면 LTE 또는 LTE-A) 통신 네트워크에 기반한 라디오 액세스 아키텍처를 사용하여 상이한 예시적인 실시예들이 설명될 것이지만, 실시예들이 이러한 아키텍처들로 제한되지는 않는다. 실시예들은 또한, 파라미터들 및 절차들을 적절하게 조정함으로써 적절한 수단을 갖는 다른 종류들의 통신 네트워크들, 예컨대 WiFi, WiMAX(worldwide interoperability for microwave access), 블루투스®, PCS(personal communications services), ZigBee®, WCDMA(wideband code division multiple access), UWB(ultra-wideband) 기술을 사용하는 시스템들, 센서 네트워크들, MANET(mobile ad-hoc network)들 등에 적용될 수 있다는 것이 당업자에게 명백하다.
다음의 예들 및 실시예들은 단지 예시적인 예들로서 이해되어야 한다. 본 명세서가 여러 위치들에서 "일", "하나의" 또는 "일부" 예(들) 또는 실시예(들)를 참조할 수 있지만, 이는, 각각의 그러한 참조가 반드시 동일한 예(들) 또는 실시예(들)에 관련되거나 또는 특징이 단일의 예 또는 실시예에만 적용된다는 것을 의미하는 것은 아니다. 상이한 실시예들의 단일 특징들은 또한 다른 실시예들을 제공하도록 결합될 수 있다. 또한, "포함하는" 및 "구비하는" 같은 용어들은, 설명된 실시예들이 언급된 그러한 특징들만으로 이루어지게 제한하지 않는 것으로 이해되어야 하며, 그러한 예들 및 실시예들은 또한 명시적으로 언급되지 않은 특징들, 구조들, 유닛들, 모듈들 등을 또한 포함할 수 있다.
실시예들의 일부 예들이 적용가능한 통신 시스템을 포함하는 네트워크의 기본 시스템 아키텍처는 유선 또는 무선 액세스 네트워크 서브시스템 및 코어 네트워크를 포함하는 하나 또는 그 초과의 통신 네트워크들의 아키텍처를 포함할 수 있다. 이러한 아키텍처는 각각의 커버리지 영역 또는 셀(들)을 제어하는 하나 또는 그 초과의 통신 네트워크 제어 엘리먼트들, 액세스 네트워크 엘리먼트들, 라디오 액세스 네트워크 엘리먼트들, 액세스 서비스 네트워크 게이트웨이들 또는 베이스 트랜시버 스테이션들, 이를테면, BS(base station), AP(access point) 또는 eNB를 포함할 수 있으며, 이를 이용하여, 하나 또는 그 초과의 통신 엘리먼트들, 사용자 디바이스들 또는 단말 디바이스들, 이를테면, UE, 또는 유사한 기능을 갖는 다른 디바이스, 이를테면, 모뎀 칩셋, 칩, 모듈 등 ― 이는 또한, 통신을 수행할 수 있는 엘리먼트, 기능 또는 애플리케이션, 이를테면, UE, 머신-투-머신 통신 아키텍처에서 사용가능한 엘리먼트 또는 기능의 부분일 수 있거나, 또는 통신 등을 수행할 수 있는 이러한 엘리먼트, 기능 또는 애플리케이션에 별개의 엘리먼트로서 어태치될 수 있음 ― 은, 몇몇 타입들의 데이터를 송신하기 위해 하나 또는 그 초과의 채널들을 통해 통신할 수 있다. 게다가, 코어 네트워크 엘리먼트들, 이를테면, 게이트웨이 네트워크 엘리먼트들, 정책 및 과금 제어 네트워크 엘리먼트들, 이동성 관리 엔티티들, 동작 및 유지보수 엘리먼트들 등이 포함될 수 있다.
실제 네트워크 타입에 또한 의존하는 설명된 엘리먼트들의 일반적인 기능들 및 상호연결들은 당업자에게 알려져 있고 대응하는 명세서들에 설명되어 있으므로, 그 상세한 설명은 본원에서 생략된다. 그러나, 아래에서 본원에 상세하게 설명되는 것들 이외에도, 몇몇 추가의 네트워크 엘리먼트들 및 시그널링 링크들이, UE와 같은 통신 엘리먼트, 서버와 같은 통신 네트워크 제어 엘리먼트, 라디오 네트워크 제어기, 및 동일한 또는 다른 통신 네트워크들의 다른 엘리먼트들과 같은 엘리먼트, 기능 또는 애플리케이션으로의 또는 그로부터의 통신을 위해 이용될 수 있다는 것이 주목되어야 한다.
실시예들의 예들에서 고려되는 네트워크는 또한, 다른 네트워크들, 이를테면 공중 교환 전화 네트워크 또는 인터넷과 통신할 수 있다. 통신 네트워크는 또한 클라우드 서비스들의 사용을 지원할 수 있다. 코어 네트워크 등의 액세스 시스템의 네트워크 엘리먼트들 및/또는 각각의 기능성들이, 이러한 사용에 적절한 임의의 노드, 호스트, 서버, 액세스 노드 또는 엔티티 등을 사용함으로써 구현될 수 있다는 것이 인지되어야 한다.
게다가, 설명된 네트워크 엘리먼트들, 이를테면, UE와 같은 통신 엘리먼트들, 라디오 네트워크 제어기와 같은 액세스 네트워크 엘리먼트들, 서버, 분석 엔티티 등과 같은 다른 네트워크 엘리먼트들뿐만 아니라 본원에 설명된 대응하는 기능들, 및 다른 엘리먼트들, 기능들 또는 애플리케이션들은 소프트웨어에 의해, 예컨대, 컴퓨터를 위한 컴퓨터 프로그램 제품에 의해, 그리고/또는 하드웨어에 의해 구현될 수 있다. 그들의 각각의 기능들을 실행하기 위해, 대응하여 사용되는 디바이스들, 노드들, 기능들 또는 네트워크 엘리먼트들은 제어, 프로세싱 및/또는 통신/시그널링 기능성을 위해 요구되는 몇몇 수단들, 모듈들, 유닛들, 컴포넌트들 등(도시되지 않음)을 포함할 수 있다. 이러한 수단들, 모듈들, 유닛들 및 컴포넌트들은, 예컨대, 명령들 및/또는 프로그램들을 실행하기 위한 그리고/또는 데이터를 프로세싱하기 위한 하나 또는 그 초과의 프로세싱 부분들을 포함하는 하나 또는 그 초과의 프로세서들 또는 프로세서 유닛들, 명령들, 프로그램들 및/또는 데이터를 저장하고, 프로세서 또는 프로세싱 부분 등의 작업 영역으로서 역할을 하기 위한 저장소 또는 메모리 유닛들 또는 수단(예컨대, ROM, RAM, EEPROM 등), 데이터 및 명령들을 소프트웨어에 의해 입력하기 위한 입력 또는 인터페이스 수단(예컨대, 플로피 디스크, CD-ROM, EEPROM 등), 모니터 및 조작 가능성들을 사용자에게 제공하기 위한 사용자 인터페이스(예컨대, 스크린, 키보드 등), 프로세서 유닛 또는 부분의 제어 하에서 링크들 및/또는 연결들을 확립하기 위한 다른 인터페이스 및 수단(예컨대, 유선 및 무선 인터페이스 수단, 예컨대, 안테나 유닛 등을 포함하는 라디오 인터페이스 수단, 라디오 통신 부분을 형성하기 위한 수단 등) 등을 포함할 수 있으며, 라디오 통신 부분과 같은 인터페이스를 형성하는 각각의 수단은 또한 원격 사이트(예컨대, 라디오 헤드 또는 라디오 스테이션 등) 상에 로케이팅될 수 있다. 본 명세서에서, 프로세싱 부분들이 하나 또는 그 초과의 프로세서들의 물리적 부분들만을 나타내는 것으로 간주되어야 하는 것이 아니라, 하나 또는 그 초과의 프로세서들에 의해 수행되는 언급된 프로세싱 태스크들의 논리적 분할로서도 간주될 수 있다는 것이 주목되어야 한다.
일부 예들에 따르면, 네트워크 제어 엘리먼트, 네트워크 기능 또는 네트워크의 다른 엔티티의 동작들 및 기능성들이 플렉시블 방식으로 상이한 엔티티들 또는 기능들에서, 이를테면, 노드, 호스트 또는 서버에서 수행될 수 있는 경우, 소위 "리퀴드" 또는 플렉시블 네트워크 개념이 이용될 수 있다는 것이 인지되어야 한다. 다시 말해, 수반되는 네트워크 엘리먼트들, 기능들 또는 엔티티들 간의 "분업(division of labor)"은 경우에 따라 변화될 수 있다.
도 1과 관련하여, 실시예들의 일부 예들이 구현가능한 통신 시스템을 포함하는 네트워크의 일반적인 아키텍처를 예시하는 도면이 도시된다. 도 1에 표시된 구조는, 본 발명의 실시예들의 일부 예들의 기초를 이루는 원리들을 이해하는 데 유용한 그러한 디바이스들, 네트워크 엘리먼트들 및 링크들만을 도시한다는 것이 주목되어야 한다. 또한, 당업자에게 알려진 바와 같이, 통신 시스템에서의 통신에서 수반되는 몇몇 다른 네트워크 엘리먼트들 또는 디바이스들이 존재할 수 있으며, 이들은 간략성을 위해 여기에서 생략되었다.
도 1에서, 실시예들의 일부 예들에 따른 통신 시스템의 일반적인 기초를 형성하는 통신 시스템을 포함하는 네트워크가 도시된다. 구체적으로, 예컨대, 3GPP 규격에 기반하는 (무선) 통신 네트워크가 제공된다. 도 1에 도시된 바와 같은 네트워크 엘리먼트들의 수뿐만 아니라 네트워크 엘리먼트들의 타입 둘 모두는 단지, 실시예들의 일부 예들에 따라 프로세싱을 분석 및 분류하는 원리들을 예시하기 위한 기초를 제공하도록 의도된다는 것이 주목되어야 한다.
도 1에 따르면, 참조 부호들 10, 11 및 12는 (위에서 설명된 바와 같이) 분석될 시그널링 세트를 형성하는 통신의 일 엔드 포인트를 나타내는 각각의 통신 엘리먼트, 이를테면, UE, 서버, 액세스 네트워크 제어 엘리먼트 또는 코어 네트워크 제어 엘리먼트와 같은 다른 네트워크 엘리먼트를 표기한다. 예컨대, UE(10)를 예로 들면, UL 데이터 패킷들 및 시그널링은 UE로부터 네트워크를 향해 송신되고, DL 데이터 패킷들 및 시그널링은 UE(10)에 의해 네트워크로부터 수신된다.
참조 부호 20은, UE(10)가 통신하는 액세스 네트워크의 라디오 네트워크 제어기와 같은 네트워크 제어 엘리먼트를 표기한다. 네트워크 제어 엘리먼트(20)는 분석될 시그널링 세트를 형성하는 통신의 다른 엔드 포인트를 나타낸다. 네트워크 제어 엘리먼트(20)는, 예컨대 다른 서버, 다른 UE 등과 같이, 참조 부호들 10, 11 및 12에 의해 표기되는 다른 엔드 포인트들 중 임의의 하나와의 통신 또는 시그널링 교환을 수행하기에 적절한 임의의 네트워크 엘리먼트 또는 기능일 수 있다는 것이 주목되어야 한다.
당연히, 통신 엔드 포인트들, 이를테면, 엘리먼트들(10, 11 및 12) 및/또는 제어 엘리먼트(20)의 수는 도 1에 표시된 엘리먼트들의 수로 제한되지 않는다. 실시예들의 일부 예들에 따르면, 엘리먼트들의 수, 그러므로 분석될 시그널링 세트들의 수는 도 1과 비교하여 가변적일 수 있으며, 도 1은 이와 관련하여 예시적인 예로서만 사용된다.
참조 부호 30은 네트워크에서 교환되는, 이를테면, 엘리먼트들(10, 11, 12, 및 20) 중 임의의 엘리먼트들 간에 교환되는 시그널링 세트들을 분석 및 분류하도록 구성되는 엔티티 또는 기능을 표기한다. 분석 엘리먼트 또는 기능(30)은, 예컨대 전용된 디바이스 또는 시스템에서 실행되거나 또는 네트워크의 하나 또는 그 초과의 다른 엘리먼트들, 이를테면, 제어 엘리먼트(20), 또는 다른 네트워크 엘리먼트, 예컨대, MSS, TAS, MGW, BGW 등에서 구현되는 독립형 엘리먼트 또는 기능일 수 있다. 그것의 기능성을 실행하기 위해, 분석될 시그널링 세트들은 아래에서 논의될 적절한 형태로 네트워크로부터 분석 엘리먼트 또는 기능에 제공된다. 예컨대, 실시예들의 일부 예들에 따르면, 시그널링 세트들은 제어 엘리먼트(20)에 의해 제공되지만, 실시예들의 예들은 이에 제한되지 않는다.
데이터가 네트워크 엘리먼트들 또는 기능들 간에 통신되는 네트워크들에서의 일 문제점은, 통신 실패들의 가능성이 항상 존재하는 것이다. 따라서, (알람들, 실패 카운터들 등에 의해 표시될 수 있는) 네트워크 측 실패들의 신속한 문제해결 및 정확한 근본 원인 분석은, 네트워크들에서 낮은 실패 레이트 및 높은 서비스 품질을 유지하는 데 중요하다.
예컨대, 도 1에 도시된 바와 같은 통신 네트워크에서, 호들이 실패할 수 있으며, 이러한 실패한 호들의 문제해결은 어려울 수 있다. 예컨대, 전체 호 양이 막대하고, 호 경우들이 복잡할 수 있고, 많은 상이한 네트워크 엘리먼트들이 호에 참여할 수 있고, 통신되는 데이터 양이 막대할 수 있다는 것 등의 이유들이 있다.
네트워크에서의 특정 이벤트 또는 메시징 시퀀스가 실패를 초래하는 문제들을 야기할 수 있다는 것이 알려져 있다. 예컨대, 핸드오버 후의 코덱 또는 사용자 평면 개시가 실패될 수 있고, 사용자 평면 타임아웃으로 인해 호가 뮤팅되거나 또는 실패된다.
그에 따라, 호 실패 이유들의 분석은 서비스 품질/경험 품질을 보장하기 위한 중요한 조치이다.
그러나, 대응하는 워크플로우들은 현재, 인간 개입 및 하나씩 실패 경우들을 수동적으로 조사하는 것을 종종 요구하는 다수의 장황한 단계들을 수반한다. 그에 따라, 실패 분석 및 분류 프로세스들에서 소정의 레벨의 자동화를 달성하는 것이 바람직한데, 이는 수동적인 자원들을 절약할 뿐만 아니라 정확도를 증가시키는 것이 가능하기 때문이다.
문제해결 자동화가 유용할 수 있는 하나의 가능한 애플리케이션 필드는 호들과 같은 실패된 시그널링 세트들의 분류이다. 호(예컨대, 음성 또는 데이터 베어러)의 셋업 및 설정 후의 그 진행은 (제어 평면 및 사용자 평면 관점 둘 모두로부터) 완전히 성공적일 수 있거나, 또는 이는 그 수명 동안에 치명적 실패 및/또는 하나 또는 그 초과의 비치명적 실패들을 나타낸다. 각각의 실패(치명적 및 비치명적 둘 모두)는 특정 에러 코드로 표시될 수 있다. 실패들을 갖는 호들은 일반적으로, 실패 카운터들이라고 또한 지칭되는, 에러 코드(들)에 대응하는 하나 또는 그 초과의 카운터들을 증가시킴으로써, 네트워크 관리 시스템에 표시된다. 실패가 발생되는 경우에, 예컨대, 이 이벤트는 대응하는 실패 카운터를 증가시키는 것을 트리거한다.
현재, 실패 카운터들은 실패된 호들의 카테고리화만을 제공한다. 그에 따라, 동일한 실패 카운터를 갖는 모든 호들은 (반드시 사실일 필요는 없는) 동일한 근원적인 문제를 갖는 것으로 생각되거나, 또는 이들은 장황한 수동적인 조사를 받아야만 한다. 전자의 경우에서, 부정확한 결론들 및 동작들이 트리거될 수 있는 반면에, 후자의 경우에서, 호들의 대부분이 분석되지 않은 상태로 남는데, 이는 수동적인 문제해결이 스케일링 가능하지 않고, 임의의 종류의 실패를 갖는 모든 호들을 커버할 수 없기 때문이다.
그에 따라, 본 발명의 실시예들에 의해 해결되는 기본 문제로서, 실패들의 근본 원인에 대한 더 깊은 통찰을 허용하는, 또는 더 세분화된 분류를 인에이블링하게 될, 호의 내부 구조 내의 유사성들 또는 차이점들의 인지를 위한 (부가적인) 자동화된 분류 또는 분석이 제공될 것이다.
즉, 본 발명의 실시예들의 일부 예들에 따르면, 통신 시스템에 의해 호에 배정되는 미리정의된 실패 카운터들 중 하나 또는 그 초과에 의존하는 것 대신에 또는 이에 부가하여, 호들과 같은 시그널링 세트들을 이들의 내부 구조(이는 또한, 아래에서 정의되는 바와 같이, 트레이스 데이터 또는 호 트레이스라고 지칭됨)에 기반하여 분류하게 허용하는 측정들이 제공된다. 실패 카운터들은 (알람들과 유사하게) 시스템 내에 프로그램된 이들의 정의의 세분화 및 범위로 제한되고, 이들은 실패를 초래하는 환경들 및 단계들이 무엇이었는지에 대한 임의의 부가적인 콘텍스트 없이, 실패 이벤트의 발생에 관한 정보의 특이점을 전달한다. 동일한 실패(즉, 동일한 실패 카운터)의 경우에서도, 실패의 콘텍스트(예컨대, 실패 이벤트를 초래하는 메시지들의 시퀀스 또는 실패 후의 메시지들)가 상당히 상이하여, 대안적인 수정 동작들을 요구하거나 또는 적어도 리포팅을 위해 차별화되어야 하는 불-균일한 시나리오들을 표시할 수 있다. 부가적으로, 실패 카운터들의 미리정의된 성질은 아웃라이어들, 즉, 모든 사전에 알려진 실패 경우들과 상당히 상이한 호들의 자동적인 발견을 허용하지 않는다. 결과적으로, 이 호들은 잘못된 또는 적어도 너무 일반적인 실패 카운터(특정 문제를 표시하기 위한 더 특정한 것이 없음)로 배정될 수 있거나, 또는 실패 카운터로 전혀 배정되지 않을 수 있어서(특정 실패를 핸들링하도록 호를 가능하게 하는 소프트웨어 컴포넌트들에서의 트랩이 존재하지 않는 경우), 성공적인 호의 잘못된 임프레션을 생성할 수 있다. 이 부정확성들은, 그러한 호들이 수동적인 조사의 대상이 될 때까지 시스템에 남아 있는데, 이는 전혀 발생하지 않을 수 있거나, 또는 그러한 호들 중 다수가 이미 검출되지 않은 상태로 패스된 후에만 또는 특정 문제가 심각한 저하들을 야기하고 있는 후에만 발생할 수 있다.
결과적으로, 본 발명의 실시예들의 예들은, 또한 현재의 실패 카운터들을 넘어서 실패된 시그널링 세트들 또는 호들을 분류할 수 있는 자동화된 분석에 관한 것이다.
이와 관련해서, 분석 및 분류가 임의의 적절한 시그널링 세트에 적용될 수 있다는 것이 주목되어야 한다. 용어에 대한 등가물로서 아래에서 사용되는 그러한 시그널링 세트의 일 예는 호이지만, "시그널링 세트"는 더 넓은 범위에서 이해될 것이고, 네트워크 엔티티들 또는 기능들 간에서 또는 내에서 임의의 콘텍스트를 생성하는 컴퓨터 또는 통신 네트워크에서 수행되는 임의의 절차(일반적으로, 프로토콜 메시지들의 시퀀스)를 설명한다. 이러한 의미에서, 시그널링 세트 또는 호는, 다양한 타입들의 통신들, 이를테면, TCP 연결, 다수의 네트워크 엔티티들 및 프로토콜 스택들을 수반하는 원격통신 네트워크에서의 (복합) 음성 호 절차, 소프트웨어 블록들 간의 전유 메시지 시퀀스, 뿐만 아니라, 그러한 절차들의 임의의 적절한 부분들을 지칭하도록 일반화될 수 있다.
또한, 본 발명의 실시예들의 예들이, 예컨대, 에러 표시들 또는 다른 명시적인 카테고리화가 제공되고 트레이스 데이터에 의해 표현될 수 있는, 3GPP 2G, 3G 또는 LTE 및 비욘드 라디오 액세스 네트워크들, IP 네트워크들, 단대단 호 설정 절차들, 이를테면 SIP, VoIP, VoLTE, 또는 임의의 다른 시그널링 세트를 포함하는 임의의 통신 네트워크 내에서 시그널링 세트들 또는 호들의 분석에 적용될 수 있다는 것이 주목되어야 한다.
본 발명의 실시예들에 예들에 따르면, 호들과 같은 시그널링 세트들의 분석 및 분류는 호들의 구조적 유사성들 및 차이들에 기반한다. 실시예들의 예들에 따르면, 호들과 같은 시그널링 세트들은, (예컨대, 네트워크 엘리먼트 내의 내부에서의, 또는 예컨대, 3GPP 기반 네트워크들에서의 계층 3 상의 통신 연결을 통해 교환되는) 호, (예컨대, 데이터를 전송/수신하는) 사용자 평면 이벤트들, 또는 네트워크 엘리먼트 내의 상태 변화들/업데이트들 동안에, 시그널링과 같은 메시지들 및 개별 이벤트들을 수집하는 소위 트레이스 데이터 또는 호 트레이스들에 의해 표현될 수 있다. 실시예들의 추가 예들에 따르면, 호 트레이스들 또는 트레이스 데이터에서의 각각의 이벤트 또는 메시지는 시간, 전송기 및/또는 수신기 아이덴티티, 속성들 등과 같은 특성들의 세트에 의해 보완될 수 있다. 또한, 실시예들의 일부 예들에 따르면, 실패 카운터들 이들 자체가 또한 트레이스 데이터 또는 호 트레이스의 부분이다. 이와 관련해서, 치명적 실패의 경우에서, 실패 카운터가 호 트레이스의 최종 엘리먼트일 수 있는 반면에, 비치명적 실패들의 경우에서, 호 트레이스는 부가적인 메시지들 또는 이벤트들을 갖는 실패 카운터 후에 계속될 수 있다는 것이 주목되어야 한다. 또한, 실시예들의 일부 예들에 따르면, 시그널링 세트들 또는 호들이 분석을 위해 제공되는 네트워크의 조건들로 프로세싱(예컨대, 프로세싱이 기반하는 알고리즘)을 조정하도록 허용하는 분석 및 분류 엘리먼트 또는 기능을 위한 자기-학습 능력이 제공된다.
실시예들의 예들은 네트워크에서의 다양한 위치들에서 적용가능하다. 위에서 표시된 바와 같이, 네트워크 제어 엘리먼트 또는 기능, 또는 분석 엘리먼트 또는 기능은 시그널링 세트 분석 및 분류 절차를 구현하는데 사용가능하지만, 실시예들의 다른 예들이 네트워크에서 제어 부분을 프로세싱하거나 또는 핸들링하기 위해 사용되는 임의의 장비 또는 기능과 관련하여 구현될 수 있다.
실시예들의 예들은, 호들 사이에서 구조적 유사성들(및 차이점들)을 발견하기 위해 호 트레이스들이 자율적으로 분석되는 시그널링 세트 분류(아래에서, 시그널링 세트는 호라고 지칭될 것임)에 관한 것이다. 예컨대, 동일한 실패 카운터를 증가시키거나 또는 실패 카운터를 전혀 갖지 않는, 즉, 기존의 네트워크 관리 또는 문제해결 시스템들에 의해 균일하게 취급될 것인 호들이 분석에서 고려된다. 분류는 충분히 유사한 트레이스들을 갖는 호들이 동일한 부류로 배정되도록 정의된다.
위에서 표시된 바와 같이, 실패 카운터들은 알려진 실패 경우들 사이에서 명시적으로 차별화된다. 그에 따라, 실시예들의 일부 예들에 따르면, 실시예들의 일부 예들에 따른 분석 및 분류 절차들의 하나의 사용 경우는, 동일한 실패 카운터를 증가시키는 호들을 추가로 카테고리화함으로써, 본래 단일 타입의 실패 표시만이 존재하는 상이한 근본 원인들 및 실패 시나리오들을 자동적으로 발견하기 위한 것이다. 실시예들의 일부 예들에 따른 분석 및 분류 절차들의 다른 사용 경우는, 실패 카운터들을 갖지 않지만(그에 따라, 성공적인 것으로 고려되지만) 여전히, (실패 카운터들을 갖는) 알려진 실패된 호들과의 높은 구조적 유사성을 나타내는 호들을 식별하기 위한 것이다. 이는, 그렇지 않으면 은닉된 상태로 유지될 시스템에서의 소프트(즉, 비치명적) 실패들을 사전에 밝힐 수 있다.
도 2는 실시예들의 일부 예들에 따른, 시그널링 세트들을 분석 및 분류하는데 사용가능한 엘리먼트 또는 기능을 예시하는 다이어그램을 도시한다. 기본적으로, 도 2는 도 1에서 도시된 바와 같은 분석 엘리먼트 또는 기능(30)의 기본 개념을 예시하고, 실시예들의 예들에 따른 분석 및 분류 절차들의 메인 워크플로우를 설명한다.
도 2에서 표시된 바와 같이, 분석 및 분류 플로우를 형성하는 2 개의 부분들이 존재하는데, 즉, 시퀀스 변환을 실행함으로써, 현재까지 미분류된 시그널링 세트들 또는 호들(트레이스 데이터 또는 호 트레이스들(60)에 의해 표현됨)과 같은 입력 데이터를 준비하는 사전프로세싱 부분(40), 및 실제 분류를 수행하기 위해, 거리 평가 및 부류 배정을 수반하는 분류 부분(50)이 존재한다. 부분들(40 및 50)에서 실시되는 분석 및 분류 프로세싱의 결과는 분류된 시그널링 세트들(호들)(70)로의 미분류된 시그널링 세트들(호들)(60)의 분류이고, 여기에서, X, Y, 및 Z는 호들에 대한 상이한 시그널링 세트 부류들 또는 호 부류들을 표현한다.
예컨대, 사전프로세싱 부분(40)에서, 시퀀스 변환이 실행된다. 이 목적을 위해, 분류(classification)와 관련된 (즉, 아래에서 설명되는 바와 같이, 특히 거리 평가 단계와 관련된) 트레이스들의 엘리먼트들만이 유지되도록, 먼저 개별 시그널링 세트들(호들)을 나타내는 트레이스 데이터 또는 호 트레이스들(70)이 필터링된다. 필터를 통과하는 엘리먼트들은 시그널링 세트 시퀀스, 즉, 호의 시퀀스 모델 표현으로 지칭된다. 호 분석 및 분류 프로세싱시에 추가적인 부분들은 시퀀스 모델들의 공간에서 작업한다.
실시예들의 예들에 따르면, 시퀀스 변환의 구현이 절차의 전개 환경에 의존할 수 있다는 점이 주목된다. 즉, 실시예들의 일부 예들에 따르면, 임의의 포맷 및 구조의 호 트레이스들은 그 자체가 전개 환경에 특정적인 공통 시퀀스 모델 표현으로 컨버팅될 수 있다. 따라서, 추가 부분들에서의 추가 프로세싱, 즉, 거리 평가 및 부류 배정은, 예컨대, 오리지널 트레이스 포맷 및 구조와는 관계없이, 후속 단계들에 사용되는 알고리즘들에 시퀀스들을 적응시킴으로써 지원될 수 있다.
분류 부분(50)에서, 실시예들의 예들에 따르면, 서로에 대한 호들의 거리들을 평가할 때, 분석된 시퀀스들의 거리들은 서로 페어-단위(pair-wise)로 또는 분석된 시퀀스들과 기준 시퀀스 세트의 멤버들(즉, 이전 실행에서 이미 분류된 시퀀스들의 세트) 사이에서 컴퓨팅된다. 예컨대, 실시예들의 일부 예들에 따르면, 거리 컴퓨테이션은 그들의 시퀀스 모델에 의해 제공된 2개의 호들의 거리를 정의하는 메트릭에 기반한다. 다양한 거리 메트릭 타입들은 실시예들의 일부 예들에 따른 분석 및 분류 절차들의 상이한 구현들에 의해 사용될 수 있다는 것이 주목된다. 기본적으로, 거리 메트릭의 목적은 그들의 실패의 근본 원인이 동일할 가능성이 있는 경우에 2개의 호들을 유사한 호들(즉, 낮은 거리를 가짐)로서 나타내기 위함이다. 따라서, 실시예들의 일부 예들에 따르면, 거리 메트릭은 특정 포인트, 예컨대, 실패 카운터 이벤트 부근의 호 구조에서 (비)유사성들을 우선순위화할 수 있고, 특정 포인트로부터 멀리 떨어진 부분을 거리에 영향을 덜 미치는 것으로 고려할 수 있다.
게다가, 분류 부분에서, 실시예들의 일부 예들에 따르면, 클래스 배정이 실행된다. 즉, 거리 평가의 결과들에 기반하여, 분석된 시퀀스들은 하나 또는 그 초과의 클래스들에 배정된다. 클래스 배정의 목적은, 동일한 클래스에 맵핑된 호들 내에서 (거리 메트릭에 따라) 높은 유사성을 유지하는 것 그리고 상이한 클래스에 맵핑된 호들 사이에 낮은 유사성을 유지하는 것이다.
도 3 및 도 4는 실시예들의 일부 예들에 따라 시그널링 세트들을 분석하고 분류하기 위해 유용한 엘리먼트 또는 기능을 예시하는 도면들을 도시한다. 특정적으로, 도 3 및 도 4는 실시예들의 일부 예들에 따라 분석 및 분류 절차들에 유용한 상이한 동작 모드들을 도시한다. 도 3 및 도 4 각각에 표시된 부분들 및 기능들은 도 2에 따른 분석 및 분류 메커니즘의 일반적인 구조와 일치하므로, 동일한 부분들에 동일한 참조 부호들이 사용된다는 것이 주목된다.
상세하게는, 도 3에서, 호들의 분석이 호들의 인접 세트에 관하여 수행되는 오프-라인 모드가 도시된다. 실시예들의 일부 예들에 따르면, 호들의 인접 세트는 분석의 시작시에 이용가능하고, 분석 동안에는 어떠한 추가적인 호들도 고려되지 않는다. 예컨대, 호들의(즉, 호들을 나타내는 트레이스 데이터 또는 호 트레이스들(60)의) 인접 세트는, 호들의 인접 세트가 예컨대 기능의 분석 엘리먼트(30)에 전달되는 호 저장소로서 사용되는 메모리(80) 등에 저장된다.
오프-라인 동작이 한 번에 분석될 호들 모두에 대한 액세스를 갖기 때문에, 실시예들의 일부 예들에 따르면, 분류를 수행하기 위해 호들 중 임의의 2개 사이에서 전체 비교(즉, 거리 계산)를 실행하는 것이 가능하다.
실시예들의 일부 예들에 따르면, 오프-라인 분류의 결과(즉, 호들의 세트 및 그들의 개별적인 클래스들)는 레퍼런스 클래스 세트(90)로서 사용가능하다. 도 3에서, 레퍼런스 클래스 세트는, 예컨대, 클래스들(X, Y, 및 Z)을 포함하는 것으로 가정한다. 레퍼런스 클래스 세트(90)는, (보다 광범위한 분류 기준을 제공하기 위해), 예컨대, 다음 오프-라인 구동에 사용되거나 또는 온-라인 동작에 대한 비교 기준으로서 사용된다(이하 참조).
한편, 도 4에서, 호들의 분석이 연속하는 동작으로 수행되는 온-라인 모드가 도시된다. 즉, 실시예들의 일부 예들에 따르면, 호 트레이스들(60)로 나타낸 호들이 임의의 시간에 그리고 임의의 시간 기간(즉, 유한적인 또는 무한적인 시간 기간) 동안 도달할 수 있다. 즉, 도 3에 표시된 오프-라인 모드와는 대조적으로, 분석에 의해 최종 호 집단으로서 고려될 수 있는 온-라인 모드에 호들의 인접 세트는 존재하지 않는다. 이런 이유로, 분석 및 분류 절차들은, 각각의 호에서의 분석을 그 도착시에 수행하고, (예컨대, 실시간으로) 분류를 생성하거나, 또는 적절한 분류를 수행하기 위해 통계학적으로 관련된 데이터의 양을 갖도록 다수의 호들을 누적시킨다.
실시예들의 일부 예들에 따르면, 온-라인 모드에서, 분류 프로세싱은 선행하는 온-라인 모드 프로세싱에서 이미 분석된 호들 또는 레퍼런스 클래스 세트(100)의 호들을 고려한다. 레퍼런스 클래스 세트는, 예컨대, 오프-라인 분석에 의해 생성될 수 있는데, 즉, 레퍼런스 클래스 세트(90)에 대응할 수 있다. 다른 한편으로, 이전에 분석된 호들 중 임의의 호와 상당히 상이한 호들이 분석되는 경우, 새로운 호 클래스(71)(도 4에서는 호 클래스 W)는 자율적으로 정의되며, 여기서 실시예들의 일부 예들에 따라 이러한 새로운 호 클래스는 추가적인 분석 사이클들을 위해 레퍼런스 클래스 세트(100)에 삽입된다.
즉, 실시예들의 예들에 따르면, 실패 카운터들을 넘어 시그널링 세트 또는 호 분류를 수행하는 것이 가능하며, 예컨대, 동일한 실패 카운터(들)를 증분시키는 것에도 불구하고 상당히 상이한 호들의 서브-클래스들을 자동적으로 생성하는 것이 가능하다. 동일한 서브-클래스에서의 호들이, 실패 카운터들을 증분하도록 야기했던 동일한 근본적인 문제를 가질 가능성이 있기 때문에, 개선된 분석이 달성가능하다.
더욱이, 실시예들의 예들에 따르면, 그럼에도 불구하고 (예컨대, 프로세싱-후 절차에 최종적으로 표시될 수 있는) 공지된 실패 경우들과의 유사성을 나타내는 실패 카운터 증분과 같은 암시(즉, 원래 성공적인 것으로 분류된 호들)는 존재하지 않는다고 하더라도, 문제가 있는 호들(예컨대, 비치명적 문제들을 갖는 호들)은 식별될 수 있다. 이로 인해, 문제들이 더욱 심각한 어려운 실패들로 확대되기 전에 문제들을 예측함으로써 조기 경고를 제공할 수 있다.
더욱이, 실시예들의 예들에 따르면, 실패 카운터들 등과는 독립적인 호 분류가 가능하다. 즉, 상이한 실패 카운터들을 증분시키는 유사성을 호들 사이에서 검출할 수 있다. 따라서, 상이한 실패 카운터들을 증분시키지만, 이들 호들이 결국에는 동일한 근본적인 문제의 영향들을 받았음을 나타내는 구조적 유사성을 호 시퀀스들에 갖는 호들의 그룹들이 생성될 수 있다. 이런 이유로, 상이한 실패 이벤트들 간의 링크는 파악될 수 있다.
이에 더해, 실시예들의 예들에 따르면, 동일한 실패 카운터가 이전에 알려지지 않은 구조를 갖는 호들에 의해 증분됨을 검출함으로써, 새로운 타입들의 실패들이 인지될 수 있다. 예컨대, 포스트 프로세싱으로서, 이러한 검출 결과는 실패 카운터 정의 엔티티에게 또는 이후의 근본적인 문제에 대한 명확한 가시성을 제공하기 위한 전용 카운터가 생성될 수 있도록 오퍼레이터에게 다시 채널화될 수 있다.
게다가, 실시예들의 예들에 따르면, (예컨대, SON, 구성, 최적화 등에 의해 트리거된) 변화들의 검증은 이러한 이벤트 이후에 호 패턴들의 변화를 자동적으로 검출함으로써 지원될 수 있다.
이하에서, GSM, 3G/UMTS 또는 LTE에 기반하는 것과 같은 모바일 통신 네트워크에 확립된 호들(예컨대, 보이스 호들 또는 데이터 베어러들)의 진단(diagnosis)에 적용되는 경우에 실시예들의 예들에 따라 호 트레이스 분류 절차의 구현들을 나타내는 예시적인 예들이 설명된다.
도 5는, 실시예들의 일부 예들에 따라 시그널링 세트들을 분석하고 분류하는데 유용한 엘리먼트 또는 기능을 예시하는 도면을 도시하는데, 이 통신 네트워크에서 호들이 특정 실패 카운터에 의해 사전-분류된 것으로 가정된다. 즉, 동일한 실패 카운터 또는 실패 카운터들의 세트는, 증분되는 호들이 존재하는 것으로 가정한다.
도 5에 나타낸 예에서, 실패 카운터들(F1 및 F2)로 나타내는 2개의 실패 이벤트들이 가정되지만, 상이한 실패 이벤트들의 수 그리고 이에 따른 실패 카운터들은 2로 제한되지 않는다는 것이 명백하다는 것이 주목된다.
도 5에 도시된 예에 따르면, 네트워크, 즉, 엔티티 수집 호 트레이스들, 이를테면, 도 1의 네트워크 제어 엘리먼트(20)(예컨대, RNC)는 동일한 실패(각각, 실패 카운터 이벤트 (F1 및 F2)의 존재로 인함)를 갖는 것으로 식별된 각각의 호들과 관련된 호 트레이스들을 하나 또는 그 초과의 분석 엘리먼트들(30)의 전용 호 분석/분류 프로세스(1 또는 2)로 지향시킨다(도 5에서, 하나의 분석 엘리먼트(30)는 각각의 호 분석/분류 기능(1 및 2)을 결합하는 것으로 가정되지만, 각각의 호 분석/분류 기능들은 1개 초과의 분석 엘리먼트(30)에 걸쳐 또한 분산될 수 있다). 즉, 증분된 실패 카운터에 기반하는 호들의 필터링이 실행된다. 예컨대, 동일한 실패 카운터(F1)가 증분된 호 트레이스들(61)은 호 분석/분류 엔티티(1)로 지향되는 한편, 동일한 실패 카운터(F2)가 증분된 호 트레이스들(62)은 호 분석/분류 엔티티(2)로 지향된다.
호 분석/분류 엔티티들(1 및 2)은 실시예들의 예들에 따라 호 분류 절차를 수행한다. 호 분류 절차의 결과로서, 호 분석/분류 엔티티(1)는 실패 카운터 분류 레벨 외에, 실시예들(이를테면 X, Y, Z)의 예들에 따른 호 분류 절차에 의해 배정된 추가 분류를 포함하는 분류된 호들의 세트를 출력한다.
다음에서, 실시예들의 예들의 구현들은, 동일한 실패 카운터를 증가시키는 호들의 세트들을 분류하기 위하여 적용될 때 호 분류 절차의 동작의 추가 세부사항들을 도시하기 위하여 논의된다. 예컨대, 도 5의 프로세싱 브랜치(branch)들 중 하나는 실시예들의 일부 예들에 따른 호 분류 절차에 대한 각각의 프로세싱 모드들에서 시험된다. 즉, 캡처된 호 트레이스들은 먼저 분리된 세트들로 분리되는 것으로 가정되고, 여기서 각각의 세트는 특정 카운터(예컨대, 실패 카운터(F1))를 증가시키는 호들로 구성된다. 다음으로, 각각의 세트는 전용된 호 분석/분류 엔티티(예컨대, 호 분석/분류 엔티티(1))에 의해 프로세싱되고, 여기서 연관된 호 트레이스 세트 내의 호들의 분류는 오프-라인 모드 또는 온-라인 모드 중 어느 하나에서 수행된다.
구체적으로, 도 6에서, 실시예들의 예들에 따른 호 분류 절차의 오프-라인 모드의 워크플로우가 도시된다.
위에서 설명된 바와 같이, 호 분류 절차의 워크플로우는 3개의 메인 부분들을 포함하고, 즉 시퀀스 변환 부분(40)은 사전프로세싱 인스턴스, 거리 평가 부분(51) 및 분류 배정 부분(52)을 나타내고, 이는 분류 인스턴스를 나타낸다. 미분류된 호들(호 트레이스들 또는 트레이스 데이터)(61)는 시퀀스 변환 부분(40)에서 입력 및 프로세싱되고, 그 다음으로 결과적인 호 시퀀스들은 거리 평가 부분(51)으로 전달된다. 거리 평가 부분에서, 오프-라인 모드에 따른 프로세싱은, 예컨대 시퀀스들을 시퀀스들의 특정 포인트 또는 엘리먼트(예컨대 시퀀스들의 실패 카운터 이벤트)에 기준 포인트로서 정렬하고, 그리고 선택된 거리 메트릭(metric)에 따른 거리 매트릭스로서 분석된 시퀀스들의 쌍 거리들을 계산함으로써 수행된다. 그 다음으로, 거리 매트릭스는 호들 배정 부분(52)에 전달되고, 여기서 거리 매트릭스를 사용함으로써 (예컨대, 임계치와 비교에 기반하여) 시퀀스들의 낮은 거리 서브세트들을 식별하기 위하여 파티셔닝 또는 클러스터링 프로세싱이 수행된다. 그 다음으로, 프로세싱의 결과, 즉 분류된 호들(70)은 출력된다.
다음에서, 도 6에 표시된 오프-라인 모드 프로세싱에서 시퀀스 변환 부분(40), 거리 평가 부분(51) 및 부류 배정 부분(52) 각각에 의해 수행되는 프로세싱의 세부사항들은 실시예들의 예들에 따라 설명된다.
도 7에서, 실시예들의 일부 예들에 따른 시퀀스 모델에 따라 시그널링 세트 시퀀스 또는 호 시퀀스로 호를 나타내는 트레이스 데이터의 컨버션(conversion)의 예를 예시하는 다이어그램이 도시된다. 도 7에 표시된 컨버션 프로세싱은 시퀀스 변환 부분(40)의 가능한 프로세싱에 대응한다.
기본적으로, 예컨대 시퀀스 변환 부분(40)에서 수행되는 시퀀스 변환의 프로세싱은 (간략화된) 시퀀스 모델 표현으로 잠재적으로 복잡한 입력 호 트레이스들의 준비에 관련되고, (간략화된) 시퀀스 모델 표현은 예컨대 도 6의 후속 프로세싱 블록들에서 사용되는 예컨대 미리결정된 알고리즘에 기반한 절차에 의해 프로세싱될 수 있다. 설명된 컨버션 프로세싱이 호 시퀀스들의 합성을 위한 단지 하나의 가능한 예인 것이 주목되어야 한다.
시퀀스 변환 프로세싱의 엘리먼터리(elementary) 입력으로서, 시스템에서 수행되는 특정 호에 대응하는 트레이스 데이터 또는 호 트레이스는 네트워크에 의해 제공된다. 시퀀스 변환의 목적은 거리 평가(다음 프로세싱 페이즈(phase)에서 뒤따름)에 관련되지 않은 호 트레이스들의 이들 부분들을 제거하는 것이다. 결과적으로, 시퀀스 변환 프로세싱은, 또한 다양한 대안들이 구현될 수 있는 적용된 거리 평가 프로세싱에 특정된다.
실시예들의 일부 예들에 따라, 트레이스 데이터 또는 호의 호 트레이스들로부터 호 시퀀스 생성에 사용되는 시퀀스 모델은 예컨대 각각 하나 또는 그 초과의 메시지들(예컨대, 물리적 엔티티와 논리적 엔티티 간에 교환됨)을 나타내는 소위 시퀀스 엘리먼트들의 정렬된(ordered) 리스트이거나 또는 호 트레이스 내에서 식별된 이벤트들(이들 엔티티들 내에서 발생함)이다. 시퀀스 엘리먼트는 거리 평가 단계에 관련된 호 트레이스의 연관된 부분에 관한 정보를 반송한다.
도 7은 호 시퀀스에서 호 트레이스를 컨버팅하기 위한 시퀀스 변환 프로세싱의 가능한 구현의 하나의 특정 예를 도시한다. 구체적으로, 도 7은, 예컨대 WCDMA 시스템에서 수집된 호 트레이스들이 시퀀스 모델에 따라 단일 호 시퀀스(즉, 호당 하나의 시퀀스)로 컨버팅되는 예를 나타낸다.
실시예들의 일부 예들에 따라, 호 시퀀스로 컨버션을 위하여, 컨버션 프로세싱은 로우(raw) 트레이스로부터 예컨대 계층 3 메시지들, 실패 이벤트들 및 특정 하이(high) 레벨 상태 이벤트들을 추출하고, 여기서 단지 메시지/이벤트 타입만이 고려된다(즉, 메시지/이벤트 세부사항들은 실시예들의 일부 예들에 따라 고려되지 않음). 도 7에 도시된 예에서, 좌측 상에는 호의 개략 표현 계층 3 트레이스가 도시된다. 구체적으로, 예로서, 호 셋업이 실패하고 특정 실패 카운터가 증가되는 경우가 예시된다. 상세히, 처음에, P1에 의해 표시된 바와 같이, 예컨대 도 1에 표시되는 UE(10)로부터 RNC(20)로 RRC 연결 요청이 송신된다. 그 다음으로, P2에 의해 표시된 바와 같이, RRC 연결 셋업 메시지들이 RNC(20)로부터 UE(10)로 전송된다(예컨대, 총 3번). P3에 의해 표시된 바와 같이, RRC 연결 해제(release) 메시지는 RNC(20)로부터 UE(10)로 전송되고, 그 다음 P4에 의해 표시된 바와 같이 RNC(20)에서 RLC SDU 전송 이벤트가 전송된다. 메시지(P3) 및 이벤트(P4)는 2번 더 반복된다. 그 다음으로, P5에 의해 표시된 바와 같이, DSP 스루풋 리포트 이벤트는 P5에 의해 표시된 바와 같이 RNC(20)에서 발생한다. P6에서, RRC 티켓 실패 액세스 페이즈 이벤트는 RNC(20)에서 발생하였고, 그 다음 P7에서 실패 카운터 증가 이벤트(예컨대, 증가된 실패 카운터(M1001C10))가 발생하였다.
도 7에 의해 제공되는 예가 단지 하나의 가능한 호 트레이스를 나타내고, 여기서 예컨대, 실패가 치명적이지 않은 경우에, 예컨대 실패 이벤트(즉, P7에 의해 표시된 실패 카운트 증가 이벤트) 다음에 다른 이벤트들 또는 시그널링이 뒤따른다 것이 주목되어야 한다.
도 7의 좌측에 도시된 호 트레이스는 예컨대 호 시퀀스를 생성하기 위한 프로세싱을 수행하기 위한 시퀀스 변환 부분(40)에 입력된다. 컨버션 동안, 실시예들의 일부 예들에 따라, 프로세싱은 차별화되어야 하는 호 트레이스 내의 특정 빌딩 블록들(예컨대, 계층 3 메시지들 및 이벤트들의 타입들)을 식별하고 각각에 대해 고유 식별자를 배정한다. 특정 호의 시퀀스 모델에 따른 결과적인 호 시퀀스는 예컨대 도 7의 우측에 표시된 식별자들의 시퀀스이다. 구체적으로, 추가 프로세싱에 관련되는 것으로 식별된 호 트레이스의 메시지들 및 이벤트들은 호 트레이스, 즉 P1, P2, P2, P2, P3, P4, P3, P4, P3, P4, P5, P6, P7에서 발생된 바와 같이 연속적인 순서로 리스트된다.
즉, 도 7의 양측들은 상이한 식별자들(P1 내지 P7)에 의해 차별화되는 식별된 시퀀스 엘리먼트들을 도시한다. 오리지널 계층 3 트레이스가 복수의 메시지 세부사항들, 이를테면 시간, 전송기/수신기 정보, 메시지 속성들 등을 포함하는 복합 데이터 구조들을 포함할 수 있고, 시퀀스 엘리먼트들이, 실시예들의 일부 예들에 따라, 단순히 식별자들, 이를테면 간단한 스칼라 식별자들인 것이 주목되어야 한다.
그러나, 실시예들의 일부 추가 예들에 따라, 구현가능한 시퀀스 변환 프로세싱의 대안적인 예들이 또한 존재한다. 예컨대, 도 7에 표시된 바와 같이 호 시퀀스에 의해 호의 오히려 간단한 표현 대신, 호 트레이스의 연관된 부분에 관한 더 많은 정보를 반송하는 시퀀스 엘리먼트들이 생성될 수 있다. 즉, 도 7에 표시된 바와 같은 대응하는 타입 식별자를 제외하고, 추가 정보, 이를테면 타임스탬프, 시그널링 방향, 또는 심지어 전체 연관된 트레이스 부분이 포함될 수 있다.
도 7의 시퀀스 변환이 오프-라인 모드와 연관하여 설명되더라도, 대응하는 시퀀스 변환 프로세싱이 또한 온-라인 동작 모드에 적용가능한 것이 주목되어야 한다.
도 8 내지 11은 실시예들의 일부 예들에 따른 시그널링 세트 시퀀스들 또는 호 시퀀스들의 거리 평가의 예를 예시하는 다양한 다이어그램들을 도시한다. 도 8 내지 11에 표시된 거리 평가 프로세싱은 예컨대 도 6의 거리 평가 부분(51)의 가능한 프로세싱에 대응한다.
호 분석/분류 절차의 나머지 부분들에 관하여, 실시예들의 일부 예들에 따라, 시퀀스 변환 부분(40)에서 호들에 대한 시퀀스 모델들에 따라 생성된 호 시퀀스들은 비교 개념을 사용함으로써 프로세싱된다. 기본 가정은, 2개의 호들이 동일한 콘텍스트에서 그리고 동일한 환경들에서 예컨대 실패 카운터를 증가시키면, 2개의 호들이 더 유사한 시퀀스 표현(즉, 거의 동일한 순서로 비교가능한 시퀀스 엘리먼트들)을 가지는 경향이 있다는 것이다.
도 8은 실시예들의 일부 예들에 따른 2개의 호들의 시퀀스들 간의 비교의 일 예를 예시한 다이어그램을 도시한다. 상세하게, 호 #1은 도 8의 왼손 측 상에 도시된 시퀀스에서 변환되며, 여기서, 시퀀스 엘리먼트는 도 7에 따른 예에 표시된 엘리먼트들, 즉 P1, P2, P2, P2, P3, P4, P3, P4, P3, P4, P5, P6, P7에 대응한다. 다른 한편으로, 호 #2는 도 8의 오른손 측 상에 도시된 시퀀스에서 변환된다. 도 8의 2개의 시퀀스들을 비교함으로써, 제 2 호 #2의 분석 이후 프로세싱은 (P8에 의해 표시된) 제 4 및 제 5 엘리먼트 간의 호 #2의 시퀀스에서 웨지되는 (예컨대, "UP DL Buffer Empty"와 같은 이벤트에 관련된) 새로운 시퀀스 엘리먼트를 발견한다는 것이 발견되었다. 그렇지 않으면, 2개의 호들은 정확히 동일한 시퀀스들을 갖는다.
다음으로, 실시예들의 일부 예들에 따른 거리 평가 프로세싱의 일 예에 대한 일반적인 프로세싱이 더 상세하게 설명된다. 기본적으로, 실시예들의 본 발명의 예들에 따르면, 예컨대 도 6의 거리 평가 부분(51)에 의해 수행되는 거리 평가 프로세싱은 각각의 블록에 포함된 특정 시퀀스 엘리먼트로 호 시퀀스들을 정렬시키는 것을 포함한다. 예컨대, 실시예들의 몇몇 예들에 따르면, 미리정의된 레퍼런스 시퀀스 엘리먼트는 정렬을 위한 앵커로서 사용된다. 예컨대, 레퍼런스 엘리먼트는, 즉 호 시퀀스의 실패 카운터 이벤트 대신 시퀀스들의 실패 카운터 증분 이벤트이다.
실시예들의 일부 예들에 따르면, 오프-라인 모드 동작의 경우에서 정렬은 분석된 호들의 세트 내에서 수행되는 반면, 온-라인 모드 동작의 경우에서 실제 호 시퀀스는 (레퍼런스 세트가 비워져 있지 않은 경우) 레퍼런스 세트로 정렬된다는 것이 주목될 것이다.
도 9는 실시예들의 일부 예들에 따른 호의 시퀀스 구조의 일 예를 예시한 다이어그램을 도시한다. 도 9에 도시된 구조는 위에서 표시된 바와 같이, 호 시퀀스들에 기반한 거리 평가에 관련된 추가적인 프로세싱에서 사용되는 기본 구성 예를 설명한다는 것이 주목될 것이다.
상세하게, 도 9에 표시된 호 시퀀스는 복수의 시퀀스 엘리먼트들 Q1 내지 Q6를 포함한다. 시퀀스 엘리먼트들의 수는 도 9에 표시된 수로 제한되지 않으며, 또한, 각각의 시퀀스 엘리먼트들을 식별하기 위해 사용되는 표시자들은 단지 예시의 목적들을 위해서만 기능하고, 즉 더 많거나 또는 더 적은 표시자들, 및 또한, 동일한 표시자를 갖는 2개 또는 그 초과의 시퀀스 엘리먼트들이 존재할 수 있다.
시퀀스 엘리먼트들 중 하나, 즉 표시자 Q4를 갖는 엘리먼트는 위에서 언급된 레퍼런스 시퀀스 엘리먼트 또는 레퍼런스 포인트인 것으로 (점선 박스에 의해) 도 9에서 추가적으로 강조된다. 즉, 실시예들의 일부 예들에 따르면, Q4에 의해 표시된 시퀀스 엘리먼트는, 예컨대 특정 실패 카운터(예컨대, 위에서 표시된 실패 카운터 F1)가 증분되는 이벤트이다.
위에서 표시된 바와 같이, 거리 평가 프로세싱에 관해, 동일한 실패 카운터를 증분하는 호들 중에서 클래스들을 발견하기 위해 프로세싱에서 레퍼런스 포인트를 정의하기 위한 동기는 다음의 가정이다: (동일한 환경들 하에서) 동일한 이유 때문에 카운터를 증분하는 호들은, 그들이 실패를 히트하기 전에 동일한(또는 유사한) 이력을 경험했을 때와 카운터 증분 이벤트 근처의 포지션들에서 유사한 경향이 있다.
거리 평가 프로세싱에서의 시퀀스 정렬의 목적은 프로세싱(분석)되는 복수의 시퀀스들 각각에서 동일한 포지션으로 관심있는 이벤트(즉, 레퍼런스 포인트)를 이동시키는 것이다. 이러한 정렬은 도 10과 관련하여 설명된다.
상세하게, 도 10은 실시예들의 일부 예들에 따른 호 시퀀스들의 정렬 프로세싱의 일 예를 예시한 다이어그램을 도시한다. 상세하게, 5개의 호 시퀀스들 S1 내지 S5가 입력된다고 가정되며, 여기서, 시퀀스 S1은 도 9에 따른 시퀀스 예에 대응하는 반면, 다른 시퀀스들 S2 내지 S5는 (예컨대, 위에서 설명된 바와 같이 대응하는 시퀀스 변환 프로세싱에 의해 배정되는) 더 많거나 또는 더 적은 시퀀스 엘리먼트들을 갖고 그리고/또는 S1과 같은 시퀀스 엘리먼트들에 대한 동일한 또는 상이한 식별자들을 갖는 상이한 시퀀스들일 수 있다. 도 10에 도시된 시퀀스들의 수 뿐만 아니라 그들의 콘텐츠들(엘리먼트들의 수 및 식별자들의 타입) 둘 모두는 단지 예시의 목적들을 위해서만 의도되며, 실시예들의 다른 예들은 상이한 시퀀스들을 고려할 수 있다는 것이 주목될 것이다.
정렬 이전의 상황을 나타내는 도 10의 상부 부분을 볼 경우, 모든 각각의 시퀀스가 하나의 엘리먼트로서 실패 카운터 증분 이벤트 Q4를 갖더라도, 다른 시퀀스들에 관련되는 그의 위치는 상이하다는 것이 관측될 수 있다. 따라서, 실시예들의 예들에 따르면, 호 시퀀스들 S1 내지 S5의 정렬이 실행되며, 여기서, 실패 카운터 증분 이벤트 Q4가 공통 레퍼런스 포인트로서 사용된다.
실시예들의 일부 예들에 따른 정렬의 결과가 도 10의 하부 부분에 도시된다. 관측될 수 있는 바와 같이, 정렬 프로세싱은 호 시퀀스들 S1 내지 S5의 서로에 대한 변화된 순서를 초래하며, 여기서, 레퍼런스 포지션들로서 사용된 시퀀스 엘리먼트들은 하나의 행에서 정렬된다. 실시예들의 몇몇 예들에 따르면, 거리 평가 프로세싱의 추가적인 프로세싱 포인트, 즉 정렬 프로세싱은 또한, 동일한 사이즈이도록(즉, 동일한 수의 엘리먼트들을 갖도록) 시퀀스들 S1 내지 S5를 변화시킨다. 이것은 예컨대, "V"로 표시된 시퀀스 엘리먼트들에 의해 도 10의 하부 부분에 표시되는 특수한 보이드 엘리먼트들로 시퀀스들을 채움으로써 달성된다. 레퍼런스 포지션의 왼쪽 및/또는 오른쪽 측 상에서 각각의 호 시퀀스에 포함될 보이드 시퀀스 엘리먼트들의 수는 상이한 파라미터들에 의존할 수 있다. 예컨대, 시퀀스 엘리먼트들 중 하나의 최대 길이(즉, 가장 긴 엘리먼트)는 다른 시퀀스 엘리먼트들의 길이(및 그에 따라 포함될 보이드 엘리먼트들의 수)를 정의하거나, 또는 각각의 시퀀스 엘리먼트에 의해 도달될 미리결정된 길이가 미리정의되는 등의 식이다.
또한, 레퍼런스 엘리먼트 또는 포지션은 실패 카운터 증분 이벤트(즉, 예컨대 Q4)인 것으로 제한되지 않는다는 것이 주목될 것이다. 실시예들의 추가적인 예들에 따르면, 예컨대 호들이 어떠한 실패 카운터도 전혀 갖지 않으면서 분류될 경우에서, 정렬을 위해 사용될 레퍼런스 포인트는 시퀀스들의 임의의 특정 엘리먼트, 이를테면 첫째 또는 마지막 엘리먼트를 고려함으로써 세팅될 수 있다.
정렬된 호 시퀀스들(예컨대, 도 10에 도시된 바와 같은 S1 내지 S5)에 기반하여, 거리 메트릭이 계산될 수 있다. 예컨대, 실시예들의 본 발명의 예들에서 고려되는 오프-라인 모드에서, 폐쇄된 호 세트의 모든 시퀀스들이 1회 고려될 수 있으므로, 시퀀스들의 거리 매트릭스가 컴퓨팅된다. 그러한 거리 매트릭스는 호들의 작은 거리 클래스들을 발견하도록 클래스 정렬 프로세싱에 의해 사용될 수 있다.
실시예들의 몇몇 예들에 따르면, 거리 매트릭스는 분석된 호들의 각각의 쌍 간의 쌍별 거리들을 정의하는 대칭 매트릭스이다. 즉, 예컨대 매트릭스의 ijth 엘리먼트는 호들 i 및 j의 거리를 나타낸다.
다양한 거리 메트릭들이 호들의 거리들을 컴퓨팅하기 위해 사용될 수 있다는 것이 주목될 것이다. 실시예들의 일부 예들에 따르면, 하나의 가능한 접근법은 DHD(dynamic Hamming distance)를 사용한다. DHD는 2개의 거리, 즉 하나의 시퀀스를 다른 시퀀스로 전치시키는 수정 비용과 동일한 길이의 시퀀스를 정의한다. DHD에서, 치환은 스칼라 비용과 연관되는 유일한 편집 연산이다. 2개의 호들의 DHD 거리는 하나의 시퀀스를 하나의 치환 연산의 비용과 곱해진 다른 시퀀스로 변환하는데 요구되는 치환들의 최소 수와 동일하다.
실시예들의 일부 예들에 따르면, 치환 비용은 포지션 종속 가중 함수로 조절된다. 대응하는 예는, 실시예들의 일부 예들에 따른 호 시퀀스들의 거리 평가를 위한 프로세싱의 일 예를 예시한 다이어그램을 도시하는 도 11에 예시된다.
상세하게, 도 11은 도 10에 예시된 바와 같은 시퀀스들 S1 내지 S5의 정렬된 세트의 예를 포착한다. 도 11의 하부 부분에서, 횡좌표 상의 시퀀스 포지션에 대한 종좌표 상에서 서브스테이션 가중을 정의하는 가중 함수가 예시된다. 함수의 교차 포인트들에 의해 표시된 바와 같이, 각각의 포지션들의 그래프는 시퀀스 엘리먼트에 대응하며, 여기서, 레퍼런스 포인트(즉, 예컨대 실패 카운터 증분 이벤트 Q4)의 포지션은 도 11에서 박스에 의해 강조된다. 레퍼런스 포인트에 대한 시퀀스 이벤트의 각각의 포지션 간의 거리에 의존하여, 치환 가중에 대한 상이한 값은, 치환 비용에서 고려되는 도 11에 표시된 함수로부터 유도될 수 있다. 도 11에 도시된 예에서, 시퀀스 내의 포지션들에 대응하는 치환 가중들에 대한 값들은, 예컨대 각각의 포지션들에서 표시된 바와 같이 0.2, 0.6, 1, 및 0.7이다.
포지션 의존적인 치환 비용의 동기는 정렬의 동기, 즉 레퍼런스 포인트 또는 이벤트에 가까운 시퀀스의 부분들에 대한 분석에 포커싱하는 것에 대응한다. 실시예들의 일부 예들에 따르면, 가중들은, 그들이 더 높은 치환 비용들을 갖는 레퍼런스 이벤트의 가까운 이웃에서의 차이들을 강조하고 더 낮은 치환 비용들을 갖는 레퍼런스 포인트로부터 더 멀리 떨어진 차이들을 억제하는 그러한 방식으로 정의된다.
가중 함수는 실시예들의 일부 예들에 따른 수 개의 방식들로 정의될 수 있다는 것이 주목될 것이다. 즉, 도 11에 표시된 가중 함수는 단지 하나의 가능한 구현 예일 뿐이며, 다른 형태들의 가중 함수들, 예컨대 벨 형상 함수, 사각 곡선 함수, 삼각형 곡선 함수, 또는 특정 애플리케이션 경우에 유용하고 치환 가중들에 대해 적절한 값들을 유도하는 것으로 고려되는 임의의 다른 적절한 형태의 함수를 정의하는 것이 가능하다.
도 12는 실시예들의 일부 예들에 따른 호 시퀀스들의 거리 평가를 위한 프로세싱의 예를 예시한 다이어그램을 도시한다. 구체적으로, 도 12는 도 11에 도시된 예에 따른, DHD 거리 및 가중치 함수를 사용함으로써 정렬된 호 시퀀스들에 기반하여 거리 매트릭스를 컴퓨팅하기 위한 프로세싱 예를 도시한다.
구체적으로, 도 12에서, 거리 매트릭스를 발생시키는 프로세싱에 대한 예를 도시하기 위해 도 11의 다이어그램으로부터 2개의 시퀀스들(S1 및 S2)이 선택된다.
정렬된 시퀀스들(S1 및 S2)을 비교할 때, 화살표 "비교"로 표시된 라인에 표시된 비교 결과(C)는, 예컨대, 포지션마다 매칭하는 시퀀스 엘리먼트들(즉, 동일한 이벤트 또는 메시지가 각각의 시퀀스(S1 및 S2)로 이어지는 호 트레이스들의 부분이었음)을 발생시키는 엘리먼트 비교에 대해 값 "0", 및 포지션마다 상이한 엘리먼트들을 발생시키는 엘리먼트 비교에 대해 값 "1"을 표시한다.
다음 라인에서, 각각의 시퀀스 포지션에 대응하는 도 11에 따른 가중치 함수 예의 치환 가중치 값들이 표시된다.
이어서, 시퀀스들(S1 및 S2) 간의 거리를 결정하기 위한 거리 컴퓨팅이 가능하다. 대응하는 예는 화살표 "거리 컴퓨팅"으로 표시된 도 12의 다음 라인에 표시된다. 거리는, 예컨대, 비교값 및 각각의 포지션들의 치환 가중치 값의 곱들을 부가함으로써, 실시예들의 일부 예들에 따라 계산된다. 도 12에 표시된 예에서, S1과 S2 간의 컴퓨팅된 거리는 2.9이다.
이어서, 컴퓨팅된 거리의 값은, 예컨대, 위에서 설명된 바와 같이, 거리 매트릭스의 엘리먼트로서 사용된다. 화살표 "거리 매트릭스"로 표시된, 도 12의 거리 매트릭스의 예는 도 11의 시퀀스들(S1 내지 S5)의 거리 계산을 반영하고, 여기서 시퀀스들(즉, 호들)의 쌍들 간의 각각의 거리 값들은 도 12에 표시된 대응하는 위치에 입력된다. 이러한 방식으로, 쌍별 거리들은 거리 매트릭스를 형성한다.
도 12에 표시된 거리 매트릭스의 계산이, 예컨대, 거리 메트릭으로서 DHD에 기반한다는 것이 주목된다. 그러나, 실시예들의 일부 추가의 예들에 따라, 위에서 설명된 DHD 이외에, 또한 다른 시퀀스 거리 메트릭들은 호들의 거리들을 컴퓨팅하기 위해 유용하다. 예컨대, 레벤시타인 또는 자카드에 따른 시퀀스 거리 메트릭들이 구현될 수 있다.
레벤시타인 거리가 사용되는 실시예들의 예들에 따라, 편집 거리(DHD와 유사함)가 컴퓨팅되고, 여기서 편집 거리는 단지 치환, 이를테면, 삽입, 제거 또는 이항 대신에 부가적인 연산들을 허용한다.
반면에, 자카드 거리가 사용되는 실시예들의 예들에 따라, 메시지 엘리먼트들의 2개의 비정렬된 세트들 등이 비교된다. 결과적인 거리는 얼마나 많은 엘리먼트들이 세트들 둘 모두에 의해 공유되는지 대 그 세트들의 대칭적 차이를 표시한다. 호 비교의 콘텍스트에서, 2개의 세트들은 각각의 호 시퀀스로부터 레퍼런스 포인트(예컨대, 실패 카운터 증가 이벤트)에 선행하는(또는 후행하는) 주어진 수의 엘리먼트들을 취함으로써 생성된다. 엘리먼트들의 수는 고정되거나(예컨대, 10개의 엘리먼트들을 취함), 예컨대, 타임스탬프가 시퀀스 변환 프로세싱에 의해 시퀀스 엘리먼트들로 통합되는 경우에, 시간 윈도우(이를테면, 실패 카운터 전/후로 최대 5 초)에 기반할 수 있다.
다음에, 부류 배정에 관련된 프로세싱이 설명된다. 실시예들의 일부 예들에 따라, 부류 배정 프로세싱에 대해, 도 13에 예시된 프로세싱이 실행된다. 도 13은 실시예들의 일부 예들에 따른, 호들에 대한 계층적 클러스터링 결과의 계통도를 예시한 다이어그램을 도시한다. 도 13에 표시된 부류 배정 프로세싱은, 예컨대, 도 6의 부류 배정 부분(52)의 가능한 프로세싱에 대응한다.
위에서 표시된 바와 같이, 위에서 설명된 거리 평가 프로세싱에서 컴퓨팅된 거리 매트릭스는 부류 배정 프로세싱을 위한 입력으로서 사용된다. 여기서, 선택된 클러스터링 방법에 따른 시퀀스들의 유사한 그룹들을 찾는 것이 시도된다. 다시 말해서, (거리 매트릭스에 기반하여) 호들 간의 유사성들 및 차이점들이 부류 배정 프로세싱에서 평가된다.
실시예들의 일부 예들에 따라, 부류 배정 프로세싱은, 예컨대, 병합적 계층적 클러스터링 절차에 기반한다. 계층적 클러스터링은 하나의 특정 클러스터 정의를 정의하지 않지만, 엔티티들의 세트 내의 모든 가능한 클러스터들의 계층을 발견한다.
대응하는 예가 도 13에 표시된다. 여기서, 예시 목적으로, 8개의 호들(#1 내지 #8)이 분석되고 분류된다. 도 13에 도시된 예에서, 프로세싱된 호들의 부분이, 예컨대, 도 10 내지 12와 관련하여 사용된 호 시퀀스들(S1 내지 S5)을 형성하는 호들과 등가라고 가정된다. 즉, 호들(#1 내지 #5)은, 예컨대, 시퀀스들(S1 내지 S5)을 발생시킨다. 게다가, 시퀀스들(S1 내지 S5)과 상이하지만 대응하는 방식으로 프로세싱되고, 도 12와 관련하여 기본적으로 설명된 바와 같이 컴퓨팅된 거리 매트릭스의 부분인 부가적인 호들(여기서, 호들(#6 내지 #8))이 표시된다.
당연히, 도 13에 표시된 클러스터들의 수는 단지 예시적인 예를 나타내고, 8 개로 제한되지 않지만, 프로세싱을 위해 고려되는 더 많거나 더 적은 호들을 포함할 수 있다.
각각의 호는 그 자신의 클러스터 내에서 시작하고, 클러스터들은 반복하는 단계들에서 형성된다. 각각의 단계에서, 서로 가장 가까운 2개의 클러스터들(각각의 단일 클러스터로부터 시작하는 링킹 라인들로 표시됨)이 병합된다. 프로세스는, 모든 호들이 동일한 단일 클러스터의 부분이 될 때(도 13의 최상부 링킹 라인으로 표시됨) 종료된다. 병합 규칙은 연결 방법으로 지칭되고, 2개의 클러스터들의 거리를 측정하기 위한 방법을 정의한다. 가능한 대안이 단일 연결이고, 이것은 비교된 클러스터들의 2개의 가장 가까운 엘리먼트들의 거리를 리턴한다는 것이 주목된다.
도 13에 표시된 예에 따라, 실제 클러스터 정의는 특정 값, 이를테면, h=2에서 계통도의 컷 높이를 정의함으로써 생성된다. 컷-오프 라인 아래에서 동일한 서브-트리 또는 트리들에 있는 엘리먼트들 또는 호들은 동일한 클러스터에 있는 것으로 가정되고, 반면에 별개의 서브-트리들은 상이한 클러스터를 정의한다. 도 13에 표시된 클러스터링 절차, 즉, 도 13의 계통도로서 가시화된 클러스터링(즉, 병합적 변형)의 결과로서, 4개의 클러스터들(1 내지 4)이 형성되고, 여기서 각각의 클러스터는 위에 표시된 부류들(W, X, Y, Z)과 같은 하나의 호 부류를 나타낸다. 상세히, 예시 목적으로 도 12의 예를 사용하면, 호들(#1 내지 #3)(즉, 시퀀스들(S1 내지 S3))은 동일한 호 부류로 분류되기에 충분히 유사하고, 여기서 호(#7)에 적용하기 위해 동일한 것이 가정된다. 반면에, 호들(#4 및 #5)(즉, 시퀀스들(S4 및 S5))은 클러스터(1)를 형성하는 호들과 충분히 유사하지 않다고 결정되고, 따라서 각각의 다른 클러스터(호(#4)에 대해 호(#6)와 같이 이들 호들과 유사한 다른 호들을 포함할 수 있거나 포함할 수 없음)에 배정된다.
컷 높이(h)의 값이 2의 값으로 제한되지 않는다는 것이 주목된다. 대신에, 다른 유용한 값이 세팅될 수 있는데, 이는, 예컨대, 오퍼레이터 세팅에 의존하고, 예컨대, 결과적인 분류의 원하는 입도 또는 고려되는 오리지널 클러스터(즉, 호들)의 수에 따라 조정된다.
또한, 도 13에 도시된 계층적 클러스터링 예가 다소 복잡한 것(예컨대,
Figure pct00001
)으로 알려진 것이 주목된다. 실시예들의 일부 추가의 예들에 따라, 또한 대안적인 클러스터링 절차들이 호 분류 프로세싱에서 사용될 수 있다. 예컨대, 큰 데이터세트 사이즈들이 핸들링되는 경우에, 대안들은 DBSCAN(Density-Based Spatial Clustering of Applications with Noise) 또는 OPTICS(Ordering Points To Identify the Clustering Structure)와 같이, k-평균들 또는 k-메도이드 또는 밀도 기반 클러스터링 절차들 중 하나를 포함할 수 있다.
따라서, 호 분류에서 클러스터링의 결과로서, 각각의 클러스터에는 부류 아이덴티티가 배정되고, 이러한 ID는 대응하는 클러스터를 형성하는 모든 호 시퀀스들과 연관된다.
위에서 설명된 실시예들의 예들에서, 오프-라인 모드 동작이 고려되지만, 다음에서, 위에서 표시된 온-라인 모드 동작이 더 상세히 설명된다. 도 14는 실시예들의 일부 예들에 따른, 시그널링 세트들을 분석 및 분류하기 위해 유용한 엘리먼트 또는 함수를 예시한 다이어그램을 도시한다.
또한, 온-라인 모드에서, 위에서 설명된 바와 같이, 호 분류 절차의 워크플로우는 분류 인스턴스를 나타내는 3개의 메인 부분들, 즉, 사전 프로세싱 인스턴스를 나타내는 시퀀스 변환 부분(40), 거리 평가 부분(53) 및 부류 배정 부분(54)을 포함한다. 다음에서, 도 14에 표시된 온-라인 모드 프로세싱에서 시퀀스 변환 부분(40), 거리 평가 부분(53) 및 부류 배정 부분(54) 각각에 의해 수행되는 프로세싱의 세부사항들은 실시예들의 예들에 따라 설명된다.
먼저, 비-분류된 호들(호 트레이스들 또는 트레이스 데이터)(61)은 시퀀스 변환 부분(40)에 입력되어 프로세싱되고, 여기서 이어서 결과적인 호 시퀀스들은 거리 평가 부분(53)으로 전달된다. 예컨대, 시퀀스 변환 부분(40)은 오프-라인 모드의 것에 대응하고, 즉, 프로세싱은 로우 트레이스 데이터로부터 호 시퀀스들을 생성하기 위해 시퀀스 변환을 수행한다.
거리 평가부(53)에서, 예컨대, 시퀀스들을 레퍼런스 시퀀스 세트로 정렬함으로써, 그리고 선택된 거리 메트릭에 따라 거리 벡터로서 분석된 시퀀스들의 쌍별 거리들을 컴퓨팅함으로써 온-라인 모드에 따른 프로세싱이 수행된다. 실시예들 중 일부 예들에 따라, 레퍼런스 부류 세트(100)는 프로세싱의 시작에서 비어있을 수 있으며, 나중의 프로세싱에서 식별되는 레퍼런스 부류들로 채워지거나, 또는 이미 식별된 레퍼런스 부류 세트들을 포함한다. 실시예들의 일부 예들에 따라, 대응하는 레퍼런스 부류 세트들은, 위에서 설명된 바와 같이, 오프-라인 프로세싱에 의해 전달될 수 있다.
즉, 실시예들의 일부 예들에 따라, 일반적인 경우, 예컨대, 더 일찍 도착된 호들에 기반하여 이미 식별된 적어도 일부 레퍼런스 부류들이 존재한다. 현재 분석된 호는 선택된 거리 평가 방법 다음의 이 레퍼런스 부류들과 비교된다. 예컨대, 실시예들의 일부 예들에 따라, 현재 분석된 호는 먼저, 부류 대표들(이는 정렬되어 저장됨)로 정렬된다. 그 다음, 모든 부류 대표들로부터 분석된 호 시퀀스의 거리가 컴퓨팅된다. 그 다음, 레퍼런스 부류당 가장 먼 멤버(즉, 가장 높은 거리)가 선택된다. 이것은, 따라서 각각의 레퍼런스 부류로부터 분석된 호의 컴퓨팅된 거리들을 표시하는 거리 벡터를 초래한다.
그 다음, 거리 평가 프로세싱의 결과인 거리 벡터는 호 배정부(54)로 전달되고, 여기서, 시퀀스는 가장 가까운 레퍼런스 부류에 배정되거나, 또는 최소 거리가 임계 정의, 예컨대, 수용가능한 양의 차이를 초과할 때 새로운 레퍼런스 부류가 정의된다. 프로세싱의 결과는, 분류된 호들(70), 프로세싱에서 식별되는 새로운 호 부류(71)를 출력하는 것이고, 후자의 경우, 레퍼런스 부류 세트(100)에 새로운 레퍼런스 부류를 삽입하는 것이다. 예컨대, 실시예들의 일부 예들에 따라, 분석된 호가 가장 가까운 부류에 삽입된다. 그렇지 않으면, 가장 가까운 부류로부터의 거리가, 예컨대, 사전 정의된 임계치보다 높은 경우, 새로운 호 부류를 생성하기 위해 현재 분석된 호가 사용된다.
위에서 설명된 바와 같이, 실시예들의 일부 예들에 따라, 도 14에서 표시된 프로세싱에 따른 온-라인 모드와 오프-라인 모드 간의 하나의 차이는 온-라인 모드에서 절차가 레퍼런스 부류 세트(100)와 함께 동작한다는 것이다. 위에 표시된 바와 같이, 레퍼런스 부류 세트는, 예컨대, 더 이른 동작 사이클들에서 또는 선행하는 오프-라인 모드 동작 사이클에서, 식별된 호 부류들을 포함한다. 각각의 레퍼런스 세트는 대응하는 호 부류를 특성화하는 하나 또는 그 초과의 레퍼런스 호 시퀀스들을 포함한다. 실시예들 중 일부 예들에 따라, 레퍼런스 부류 세트로부터 선택된 부류들 중 하나를 사용함으로써 하나의 단일 호가 분석되고 분류된다. 대안적으로, 분류가 적절하지 않는 경우, 새로운 레퍼런스 부류가 생성된다. 게다가, 레퍼런스 세트가 비어있는 경우, 제 1 호는 제 1 레퍼런스 부류를 정의한다.
게다가, 실시예들 중 일부 예들에 따라, 실제 레퍼런스 세트를 저장하기 위해 온-라인 모드에서 상이한 방식을 구현하는 것이 가능하다. 예컨대, 하나의 가능한 구현은 각각의 부류에 대한 n개의 대표적인 호 시퀀스들을 유지하는 것이다. 각각의 부류는 선택된 대표들에 의해 묵시적으로 정의된다. 두 극단들이 n = 1이고(이는 단지 클러스터당 호만 유지된다는 것을 의미함), n=무한(이는 모든 사전에 분류된 호들이 유지된다는 것을 의미함)이라는 점이 주목될 것이다. n의 적절한 값은 절차가 적용된 환경들의 동작 조건들, 이를테면, 자원 제약들에 적응되는 것이며, 여기서, n에 대한 상이한 값들이 상이한 클러스터들에 대해 세팅되는 것이 가능하다.
실시예들의 예들에 따라, 호 분석/분류 프로세싱(즉, 온-라인 또는 오프-라인 모드들 둘 다)의 결과들이 다양한 포스트-프로세싱 절차들에서 사용된다는 점이 주목될 것이다.
예컨대, 호 분류 절차의 결과들은 레퍼런스 부류 세트와 비교되는 변화들의 검출을 목적으로 추가로 프로세싱된다. 오프-라인 모드에서, 예컨대, 새로운 분류 결과가 이전 결과들과 비교될 수 있다(예컨대, 오늘의 결과들을 이전 일의 결과들과 비교함). 따라서, 예컨대, 지금까지 관측되지 않은 새로운 부류들을 찾거나, 또는 부류들의 카디널리티의 변화들을 검출하는 것이 가능하며, 예컨대, 공통 이유에 의해 야기되는 문제가 있는 호들을 수집하는 하나의 큰 부류는 근본 문제를 성공적으로 정정한 이후 감소한다.
다른 한편으로, 예컨대, 온-라인 모드의 경우, 분류 절차는 정규 시간 인터벌들에서 실제 클러스터링 구조를 저장하고, 위에서 리스트된 것들과 같은 변화들을 검출하도록 연속적인 샘플들 비교를 개시하도록 구성될 수 있다.
도 15는 실시예들 중 일부 예들에 따라, 시그널링 세트들, 이를테면, 위에서 정의된 호들을 분석하고 분류하기 위한 프로세싱의 흐름도를 도시한다. 구체적으로, 도 15에 따른 예는, 네트워크 제어 엘리먼트 또는 기능으로서 동작하거나 또는 예컨대, 도 1에 도시된 네트워크에서의 엘리먼트 또는 기능(30)과 같은 분석 엘리먼트 또는 기능으로서 동작하도록 구성된 네트워크 엘리먼트 또는 기능에 의해 수행되는 절차와 관련된다.
S100에서, 복수의 시그널링 세트들 중 적어도 2개의 시그널링 세트들 간의 유사성 및 차이점들에 관해 복수의 별개의 시그널링 세트들(이를테면, 호들)이 분석된다. 시그널링 세트들은 분석의 결과에 따라 시그널링 세트들의 적어도 하나의 부류로 분류된다.
실시예들 중 일부 예들에 따라, 분석된 복수의 별개의 시그널링 세트들은 시그널링 세트들에 포함되는 실패 표시의 타입에 따라 미리선택된다. 대안적으로, 특정 사전선택이 생략된다.
S110에서, 복수의 시그널링 세트들 중 각각의 시그널링 세트를 나타내는 트레이스 데이터(즉, 호 트레이스들)가 변환된다. 즉, 트레이스 데이터로부터 미리결정된 정보를 필터링함으로써 시퀀스 모델에 따라 시그널링 세트 시퀀스가 생성된다.
예컨대, 실시예들 중 일부 예들에 따르면, 시퀀스 모델에 따라 시그널링 세트 시퀀스를 생성하기 위해 복수의 시그널링 세트들 중 각각의 시그널링 세트를 나타내는 트레이스 데이터를 변환하기 위하여, 트레이스 데이터의 부분들은 트레이스 데이터의 특정 엘리먼트들을 식별하기 위해 차별화된다. 그 다음, 특정 엘리먼트들 각각은 대응하는 식별자에 배정되고, 시그널링 세트 시퀀스는 배정된 식별자들을 사용함으로써 생성된다. 게다가, 실시예들 중 일부 예들에 따르면, 시퀀스 모델에 따라 시그널링 세트 시퀀스를 생성하기 위해 복수의 시그널링 세트들 중 각각의 시그널링 세트를 나타내는 트레이스 데이터를 변환하기 위하여, 트레이스 데이터로부터의 미리결정된 정보의 필터링은 시그널링 세트들의 거리를 평가하기 위해 수행된 사용되는 프로세싱에 적응된다. 이러한 맥락에서, 각각의 트레이스 데이터의 변환의 결과들은 시그널링 세트들의 거리를 평가하기 위해 수행된 프로세싱에 적절한 공통 시퀀스 모델에 대응한다.
S120에서, 시그널링 세트들의 거리는 각각의 시그널링 세트 시퀀스들(예컨대, S110에서 생성됨)을 사용함으로써 평가되며, 여기서, 거리는 거리 메트릭으로 표시된다. 실시예들 중 일부 예들에 따라, 시그널링 세트들의 거리를 평가하기 위해, 서로에 대한, 복수의 시그널링 세트들로부터 유도된 적어도 2개의 시그널링 세트 시퀀스들의 거리가 컴퓨팅된다. 대안적으로, 적어도 하나의 미리-저장된 레퍼런스 시퀀스 세트까지의, 복수의 시그널링 세트들로부터 유도된 시그널링 세트 시퀀스들의 거리가 컴퓨팅된다. 실시예들 중 일부 예들에 따라, 각각의 시그널링 세트 시퀀스에서 특정 엘리먼트(예컨대, 레퍼런스 포인트)를 고려하여 시그널링 세트 시퀀스들을 정렬함으로써 거리 메트릭이 결정된다. 각각의 시그널링 세트 시퀀스에서의 특정 엘리먼트는, 예컨대, 트레이스 데이터에서의 실패 이벤트 또는 표시(예컨대, 실패 카운터 업데이트 이벤트), 시그널링 세트 시퀀스의 첫 번째 엘리먼트, 및 시그널링 세트 시퀀스의 마지막 엘리먼트와 관련된다.
실시예들 중 일부 예들에 따라, 동적 해밍 거리, 레벤시타인 거리 및 자카드 거리 중 하나에 따라 거리 메트릭이 결정된다. 게다가, 실시예들 중 일부 예들에 따라, 거리 메트릭 결정의 결과는 시그널링 세트 시퀀스 내의 포지션과 정렬에 사용된 특정 엘리먼트 간의 거리에 의존하는 가중치 팩터 함수 등으로 변조된다.
S130에서, 각각의 시그널링 세트는 거리 메트릭에 기반하여 시그널링 세트 부류(예컨대, 호 부류)에 배정된다. 예컨대, 실시예들 중 일부 예들에 따라, 서로에 대해, 미리결정된 유사성 조건(예컨대, 미리결정된 거리 값 또는 임계치)를 충족시키는 시그널링 세트들을 동일한 시그널링 세트 부류에 배정하기 위해 거리 메트릭이 고려된다. 다른 한편으로, 서로에 대해 미리결정된 유사성 조건을 충족시키지 않는 시그널링 세트들은 다른 시그널링 세트 부류에 배정된다.
실시예들 중 일부 예들에 따라, 오프-라인 모드 또는 온-라인 모드에서 복수의 별개의 시그널링 세트들의 분석이 이루어진다. 오프-라인 모드에서, 실시예들 중 일부 예들에 따라, 복수의 시그널링 세트들은 사전에 저장된 시그널링 세트들의 인접 세트이다. 다른 한편으로, 온-라인 모드에서, 실시예들 중 일부 예들에 따라, 복수의 시그널링 세트들은 후속적인 방식으로 입력되고, 분석은 (예컨대, 유한적인 또는 무한적인 시간 기간으로 세팅되는) 임의의 시간 기간 동안 (예컨대, 실시간으로) 시그널링 세트들의 도착에 따라 수행된다.
오프-라인 모드에서, 실시예들의 일부 예들에 따르면, 시그널링 세트 부류들 중 적어도 하나는 오프-라인 모드 및 온-라인 모드 중 적어도 하나의 시그널링 세트 분석에서 거리 평가에 사용될 시그널링 세트 시퀀스를 정의하는 기준 시그널링 세트 부류로서 사용된다. 또한, 오프-라인 모드에서, 실시예들의 일부 예들에 따르면, 시그널링 세트들의 거리는, 예컨대, 트레이스 데이터에서 실패 카운터를 증가시키는 이벤트에 대응하는 시그널링 세트 시퀀스들의 특정 엘리먼트에 대해 시그널링 세트 시퀀스들을 정렬함으로써 평가된다. 그런 다음, 시그널링 세트 시퀀스들의 쌍별 거리들은 거리 메트릭에 따라 거리 매트릭스로서 컴퓨팅된다. 시그널링 세트들을 시그널링 세트 부류에 배정하기 위해, 파티셔닝 또는 클러스터링 프로세싱은 거리 매트릭스를 사용함으로써 미리결정된 거리와 동일한 거리 또는 그보다 짧은 거리를 갖는 시그널링 세트 시퀀스들의 서브세트들을 식별하는데 사용된다.
반면에, 실시예들의 일부 예들에 따르면, 온-라인 모드에서, 적어도 하나의 기준 시그널링 세트 부류(각각 적어도 하나의 기준 시그널링 세트 시퀀스를 포함함)는, 시그널링 세트들의 거리를 평가하기 위해 그리고 시그널링 세트들을 시그널링 세트 부류로 배정하기 위해 사용된다. 시그널링 세트가 임의의 기준 시그널링 세트 부류에 따라 배정이능하지 않은 경우, 새로운 기준 시그널링 세트 부류가, 배정이능하지 않은 시그널링 세트에 기반하여 정의된다. 또한, 실시예들의 일부 실시예들에 따르면, 온-라인 모드에서, 시그널링 세트들의 거리는 시그널링 세트 시퀀스들을 기준 시그널링 세트 시퀀스에 대해 정렬함으로써 평가되며, 시그널링 세트 시퀀스 및 기준 시그널링 세트 시퀀스의 쌍별 거리들은 거리 메트릭에 따라 거리 벡터로서 컴퓨팅된다. 그런 다음, 거리 벡터에 기반하여, 시그널링 세트가, 가장 가까운 시그널링 세트 부류인 시그널링 세트 부류에 배정될 것인지 또는 새로운 시그널링 세트 부류를 정의할 것인지 여부가 결정된다.
실시예들의 일부 예들에 따르면, 각각의 시그널링 세트는 복수의 네트워크 엘리먼트들 또는 기능들 간의 또는 네트워크 엘리먼트 또는 기능 내에서의 시그널링의 결과이며, 시그널링은, 데이터 통신, 음성 통신, 하나 또는 그 초과의 네트워크 엘리먼트들 또는 기능을 포함하는 소프트웨어 블록들 간의 메시지 교환 및 프로토콜 스택들 중 적어도 하나에서, 일련의 메시지들 또는 콘텍스트 데이터를 포함할 수 있다. 또한, 실시예들의 일부 예들에 따르면, 트레이스 데이터는 시그널링 세트의 개별 이벤트들 및 메시지들, 사용자 평면 이벤트들, 상태 변화 이벤트들, 업데이트 이벤트들, 실패 카운터 이벤트들, 및 이벤트들 또는 메시지들과 관련된 특성들 중 적어도 하나에 관한 정보를 포함한다.
게다가, 실시예들의 몇몇 예들에 따르면, 시퀀스 모델에 따라 생성되는 시그널링 세트 시퀀스는 트레이스 데이터의 관련 부분을 나타내는 시퀀스 엘리먼트들의 순서화된 리스트를 포함하고, 시퀀스 엘리먼트들이 복수의 타입들의 시퀀스 엘리먼트들로부터 선택되고, 각각의 타입이 차별화되고 고유 식별자에게 배정되며, 시퀀스 엘리먼트는 스칼라 식별자 및 트레이스 데이터로부터 유도된 정보 엘리먼트 중 적어도 하나를 포함한다.
실시예들의 일부 실시예들에 따르면, 시그널링 세트들의 분석 결과는 시간에 따른 분석 결과들의 변화들과 관련된 포스트-프로세싱을 위해 적절한 방식으로 제공된다.
도 16은, 실시예들의 예들 중 일부와 관련하여 설명되는 바와 같이 시그널링 세트들(호들)을 분석하고 분류하기 위한 절차를 구현하도록 구성되는, 실시예들의 일부 예들에 따른 네트워크 엘리먼트의 다이어그램을 도시한다. 네트워크 제어 엘리먼트/기능으로서 또는 분석 엘리먼트/기능으로서 작동하도록 구성되는, 도 1의 네트워크 엘리먼트 또는 기능(30)과 같은 네트워크 엘리먼트는 본원에서 아래에 설명되는 것들 이외에 추가 엘리먼트들 또는 기능들을 포함할 수 있다는 것을 주목한다. 또한, 네트워크 엘리먼트 또는 기능에 대해 언급하였지만, 엘리먼트 또는 기능은 또한, 칩셋, 칩, 모듈, 애플리케이션 등과 같은 유사한 태스크를 갖는, 또한 네트워크 엘리먼트의 일부이거나 또는 별도의 엘리먼트로서 네트워크 엘리먼트 등에 어태치될 수 있는 다른 디바이스 또는 기능일 수 있다. 각각의 블록 및 그의 임의의 조합은, 다양한 수단 또는 그의 조합들, 이를테면, 하드웨어, 소프트웨어, 펌웨어, 하나 또는 그 초과의 프로세서들 및/또는 회로에 의해 구현될 수 있음을 이해해야 한다.
도 16에 도시된 네트워크 엘리먼트 또는 기능은, 네트워크 엘리먼트 제어 절차와 관련된 프로그램 등에 의해 주어진 명령들을 실행하기에 적합한 프로세싱 회로, 프로세싱 기능, 제어 유닛 또는 프로세서(31), 이를테면, CPU 등을 포함할 수 있다. 프로세서(31)는 아래에 설명되는 바와 같이 특정 프로세싱에 전용되는 하나 또는 그 초과의 프로세싱 부분들 또는 기능들을 포함할 수 있거나, 이 프로세싱은 단일 프로세서 또는 프로세싱 기능으로 실행될 수 있다. 이러한 특정 프로세싱을 실행하기 위한 부분들이 또한, 예컨대, CPU와 같은 하나의 물리적 프로세서에서 또는 하나 또는 그 초과의 물리적 또는 가상 엔티티들에서와 같이, 개별 엘리먼트로서 또는 하나 또는 그 초과의 추가 프로세서들, 프로세싱 기능들 또는 프로세싱 부분들 내에 제공될 수 있다. 참조 부호 32는, 프로세서 또는 프로세싱 기능(31)에 연결된 I/O(input/output) 유닛들 또는 기능들(인터페이스들)을 나타낸다. I/O 유닛들(32)은 통신 네트워크, 이를테면, RNC(20)와 같은 네트워크 제어 엘리먼트와 통신하기 위해 사용될 수 있다. I/O 유닛들(22 및 23)은 여러 네트워크 엘리먼트들에 대한 통신 장비를 포함하는 결합된 유닛일 수 있거나, 또는 상이한 네트워크 엘리먼트들에 대한 복수의 상이한 인터페이스들을 갖는 분산된 구조를 포함할 수 있다. 참조 부호 34는, 예컨대, 프로세서 또는 프로세싱 기능(31)에 의해 실행될 데이터 및 프로그램들을 저장하기 위한 그리고/또는 프로세서 또는 프로세싱 기능(31)의 작업 저장소로서 사용가능한 메모리를 표기한다. 메모리(34)는 동일하거나 또는 상이한 타입의 메모리의 하나 또는 그 초과의 메모리 부분들을 사용함으로써 구현될 수 있다는 것을 주목한다.
프로세서 또는 프로세싱 기능(31)은 상술된 분석 및 분류 절차와 관련된 프로세싱을 실행하도록 구성된다. 특히, 프로세서 또는 프로세싱 회로 또는 기능(31)은 다음 서브-부분들 중 하나 또는 그 초과의 것을 포함한다. 서브-부분(310)은 시퀀스 변환 부분으로서 사용가능한 프로세싱 부분이다. 부분(310)은 도 15의 S110에 따른 프로세싱을 수행하도록 구성될 수 있다. 또한, 프로세서 또는 프로세싱 회로 또는 기능(31)은 거리를 평가하기 위한 부분으로서 사용가능한 서브-부분(311)을 포함할 수 있다. 부분(311)은 도 15의 S110에 따른 프로세싱을 수행하도록 구성될 수 있다. 또한, 프로세서 또는 프로세싱 회로 또는 기능(31)은 거리를 평가하기 위한 부분으로서 사용가능한 서브-부분(311)을 포함할 수 있다. 부분(311)은 도 15의 S120에 따른 프로세싱을 수행하도록 구성될 수 있다. 게다가, 프로세서 또는 프로세싱 회로 또는 기능(31)은 부류를 배정하기 위한 부분으로서 사용가능한 서브-부분(312)을 포함할 수 있다. 부분(312)은 도 15의 S130에 따른 프로세싱을 수행하도록 구성될 수 있다.
상술된 실시예들의 예들 중 일부 또는 전부는 하나 또는 그 초과의 VNF들을 포함하는 부분적으로 또는 완전히 가상화된 환경에 적용될 수 있다는 것을 주목한다.
상술된 바와 같이, 실시예들의 예들에 따르면, 호 트레이스 분석에 필요한 수작업 및 특히 특정 카운터들을 위해 필요로 되는 분석에 관한 수작업을 감소시키는 문제를 해결하는 시그널링 세트 분석 및 분류 메커니즘이 제공된다. 즉, 실시예들의 일부 실시예들에 따르면, 기존 방법들 이상으로 호 트레이스들을 효율적으로 분류할 수 있게 하는 메커니즘이 제안된다. 호 트레이스와 연관되는 실패 카운터들/리포트들을 조사함으로써 분류들이 수행되는 대신, 실제 구조(즉, 트레이스를 구성하는 메시지들/이벤트들의 시퀀스)가 특정 카테고리 또는 부류에 잘 들어맞는지를 체크하기 위해 검사된다. 이들 부류들은 분석 그 자체로부터 동적으로 생성된다.
실시예들의 일부 예들에 따르면, 호 트레이스들을 단순화된 모델로 디스틸링(distilling)함으로써 호 트레이스들의 분류가 이루어지고, 그런다음, 이 단순화된 모델은, 예컨대, DHD 등을 이용하여 다른 트레이스 모델들과 비교된다. 거리 계산은 호들의 트레이스 데이터에 따라 호들을 비닝(binning)하거나 특정 부류로 분류하는데 사용된다. 실시예들의 일부 예들에 따르면, 거리들의 세트는, 부류들이 존재하는 데이터로부터 자동으로 결정하기 위해 계층적으로 클러스터링된다.
상기 나타내어진 바와 같이, 실시예들의 일부 예들은 실패 카운터들(예컨대, 동일한 실패 카운터를 증가시키더라도 상당히 상이한 호들의 서브-부류들을 자동으로 생성)을 넘어서는 호 분류를 수행하고, 문제가 있는 호들이 보다 심각한 어려운 실패로 확대되기 전에 이 문제가 있는 호들을 식별하고, 근본적인 문제들을 검출하기 위해 실패 카운터들과 독립적으로 호들을 분류하고, 예컨대, 새로운 전용 카운터를 개시하기 위해 새로운 타입의 실패들을 자동으로 인식하고, 그리고 변경들의 확인을 지원할 수 있게 한다.
또한, 실시예들의 일부 예들에 따르면, 실패 카운터들 또는 원인 코드들을 넘어서는 문제해결에 실패한 호들의 경우, 호들의 특성들 및 시퀀스를 분석하는 것이 가능하다. 따라서, 종래의 실패 카운터 또는 코드에 부가하여 (또는 종래의 실패 카운터 또는 코드와 독립적으로) 실패한 호들의 자동화된 분석 또는 분류를 제공할 수 있는 문제해결 프레임 워크가 제공될 수 있다.
또한, 위에서 설명된 실시예들의 예들 중 일부에서, 시그널링 세트 분석 및 분류 절차가 분석 엘리먼트(30)에서 수행되는 것으로 설명되지만, 본 발명의 실시예들의 추가 예들은 이러한 엘리먼트로 제한되지 않는다. 예컨대, 전용 네트워크 엘리먼트 대신, 다른 기존 노드 또는 엘리먼트 또는 기능이 RNC, MSS, TAS, MGW, BGW 등과 같은 분석 엘리먼트로 작동하는 것이 가능하다.
또한, 실시예의 다른 예에 따라, 분석의 결과에 따라 각각의 시그널링 세트를 시그널링 세트들의 적어도 하나의 부류로 분류하기 위해 복수의 시그널링 세트들 중 적어도 2개 사이의 유사성들 및 차이점들에 관해 복수의 별개의 시그널링 세트들을 분석하기 위한 수단을 포함하는 장치가 제공되며, 상기 분석 수단은 트레이스 데이터로부터 미리결정된 정보를 필터링함으로써 시퀀스 모델에 따라 시그널링 세트 시퀀스를 생성하기 위해 복수의 시그널링 세트들의 각각의 것을 나타내는 트레이스 데이터를 변환하는 전처리 수단 및 각각의 시그널링 세트 시퀀스들을 사용함으로써 시그널링 세트들의 거리(거리는 거리 메트릭에 의해 표시됨)를 평가하고 거리 메트릭에 기반하여 각각의 시그널링 세트를 시그널링 세트 부류로 배정하기 위한 분류 수단을 포함한다.
또한, 실시예들의 일부 다른 예들에 따라, 위에서 정의된 장치는 위에서 설명된 방법들, 예컨대, 도 15와 관련하여 설명된 것에 따른 방법에서 정의된 프로세싱 중 적어도 하나를 수행하기 위한 수단을 더 포함할 수 있다.
다음이 인지되어야 한다:
- 트래픽이 네트워크 엘리먼트에 전달하고 이로부터 전달받는 액세스 기술은 임의의 적합한 현재의 또는 향후의 기술일 수 있고, 예컨대, WLAN(Wireless Local Access Network), WiMAX(Worldwide Interoperability for Microwave Access), LTE, LTE-A, 블루투스, 적외선 등이 사용될 수 있고; 부가적으로, 실시예들은 또한 유선 기술들, 예컨대, 케이블 네트워크들 또는 고정 회선들과 같은 IP 기반 액세스 기술들을 적용할 수 있다.
- 사용자 디바이스(UE, 사용자 장비, 사용자 단말, 단말 디바이스 등으로도 불림)는 에어 인터페이스 상의 자원들이 배정 및 배정될 수 있는 하나의 타입의 장치를 예시하고, 이에 따라 사용자 장비에 관하여 본원에서 설명되는 임의의 특징은 중계 노드와 같은 대응하는 장치로 구현될 수 있다. 이러한 중계 노드의 예는 기지국 또는 RNC를 향한 계층 3 중계(자체-백홀(self-backhauling) 중계)이다. 사용자 디바이스는 통상적으로, 다음의 타입들의 디바이스들, 즉 모바일 스테이션(모바일 폰), 스마트 폰, PDA(personal digital assistant), 핸드셋, 무선 모뎀을 사용하는 디바이스(알람 및 측정 디바이스 등), 랩톱 및/또는 터치 스크린 컴퓨터, 태블릿, 게임 콘솔, 노트북 및 멀티미디어 디바이스를 비롯해서(그러나 이것으로 제한되지 않음), SIM(subscriber identification module)을 갖거나 갖지 않고 동작하는 무선 모바일 통신 디바이스들을 포함하는 휴대가능 컴퓨팅 디바이스를 지칭한다. 사용자 디바이스는 또한 거의 독점적인 업링크 전용 디바이스(nearly exclusive uplink only device)(그 예는 이미지 또는 비디오 클립들을 네트워크에 로딩하는 카메라 또는 비디오 카메라) 또는 거의 독점적인 다운링크 전용 디바이스, 예컨대 휴대가능 비디오 재생기일 수 있는 것이 인지되어야 한다. 또한, 온도, 압력 등을 측정할 수 있는 센서들와 같이 소정의 값들을 측정하는데 사용되는 장비가 대응하는 사용자 디바이스로서 사용될 수 있다. 디바이스는, 기능적으로 서로 협력하든 또는 동일한 디바이스 하우징에 있지만 기능적으로는 서로 독립적이든지 간에, 하나 초과의 장치의 어셈블리로서 또는 장치로서 간주될 수 있다는 것이 인지되어야 한다.
- 소프트웨어 코드 또는 그 일부로서 구현되고 프로세서 또는 프로세싱 기능을 사용하여 실행되기에 적합한 실시예들은 소프트웨어 코드 독립적이고, 임의의 알려진 또는 향후에 개발되는 프로그래밍 언어, 예컨대, Objective-C, C, C ++, C #, Java, Python, Javascript, 다른 스크립팅 언어 등과 같은 고-레벨 프로그래밍 언어, 또는 저-레벨 프로그래밍 언어, 예컨대, 기계어 또는 어셈블러를 사용하여 특정될 수 있다.
- 실시예들의 구현은 하드웨어 독립적이며, 임의의 알려진 또는 향후에 개발되는 하드웨어 기술 또는 이들의 임의의 하이브리드들, 예컨대, 마이크로프로세서 또는 CPU(Central Processing Unit), MOS(Metal Oxide Semiconductor), CMOS(Complementary MOS), BiMOS(Bipolar MOS), BiCMOS(Bipolar CMOS), ECL(Emitter Coupled Logic), 및/또는 TTL(Transistor-Transistor Logic)을 사용하여 구현될 수 있다.
- 실시예들은 개별적인 디바이스들, 장치들, 유닛들, 수단들 또는 기능들로서, 또는 분산된 방식으로 구현될 수 있는데, 예컨대, 하나 또는 그 초과의 프로세서들 또는 프로세싱 기능들은 프로세싱에 있어 사용 또는 공유될 수 있거나, 하나 또는 그 초과의 프로세싱 섹션들 또는 프로세싱 부분들은 프로세싱에 있어 사용 및 공유될 수 있으며, 여기서 하나의 물리적 프로세서 또는 하나 초과의 물리적 프로세서가 설명된 바와 같은 특정 프로세싱에 전용되는 하나 또는 그 초과의 프로세싱 부분을 구현하는데 사용될 수 있다.
- 장치는 반도체 칩, 칩셋, 또는 이러한 칩 또는 칩셋을 포함하는 (하드웨어) 모듈에 의해 구현될 수 있다.
- 실시예들은 또한 ASIC(Application Specific IC(Integrated Circuit)) 컴포넌트들, FPGA(Field-programmable Gate Arrays) 또는 CPLD(Complex Programmable Logic Device) 컴포넌트들 또는 DSP(Digital Signal Processor) 컴포넌트들과 같은 하드웨어 및 소프트웨어의 임의의 조합으로서 구현될 수 있다.
- 실시예들은 또한 컴퓨터 판독 가능 프로그램 코드가 구현되어 있는 컴퓨터 이용 가능 매체를 포함하는 컴퓨터 프로그램 제품들로서 구현될 수 있으며, 컴퓨터 판독 가능 프로그램 코드는 실시예들에서 설명된 바와 같은 프로세스를 실행하도록 적응되고, 컴퓨터 이용 가능 매체는 비-일시적인 매체일 수 있다.
본 발명이 그의 특정 실시예들을 참조하여 본원에서 앞서 설명되었지만, 본 발명은 이것으로 제한되지 않으며 다양한 수정들이 그에 대해 이루어질 수 있다.

Claims (35)

  1. 장치로서,
    적어도 하나의 프로세싱 회로, 및
    상기 프로세싱 회로에 의해 실행될 명령들을 저장하기 위한 적어도 하나의 메모리를 포함하며,
    상기 적어도 하나의 메모리 및 상기 명령들은 상기 적어도 하나의 프로세싱 회로와 함께, 상기 장치로 하여금 적어도:
    분석 결과에 따라 각각의 시그널링 세트를 적어도 하나의 클래스의 시그널링 세트들로 분류하기 위해 복수의 개별 시그널링 세트들을 상기 복수의 시그널링 세트들 중 적어도 2개의 시그널링 세트들 사이의 유사성들 및 차이점들에 관해 분석하게 하도록 구성되고,
    상기 분석은,
    미리결정된 정보를 상기 복수의 시그널링 세트들의 각각의 시그널링 세트를 나타내는 트레이스 데이터로부터 필터링함으로써 시퀀스 모델에 따라 시그널링 세트 시퀀스를 생성하도록 상기 트레이스 데이터를 변환하는 것,
    각각의 시그널링 세트 시퀀스들을 사용함으로써 시그널링 세트들의 거리를 평가하는 것 ― 상기 거리는 거리 메트릭으로 표시됨 ―, 그리고
    상기 거리 메트릭에 기반하여 상기 각각의 시그널링 세트를 시그널링 세트 클래스에 배정하는 것을 포함하는,
    장치.
  2. 제 1 항에 있어서,
    각각의 시그널링 세트는 복수의 네트워크 엘리먼트들 또는 기능들 사이의 또는 네트워크 엘리먼트 또는 기능 내에서의 시그널링의 결과이고, 상기 시그널링은 데이터 통신, 음성 통신, 하나 또는 그 초과의 네트워크 엘리먼트들 또는 기능들 및 프로토콜 스택들을 수반하는 소프트웨어 블록들 간의 메시지 교환 중 적어도 하나에서의 일련의 메시지들 또는 콘텍스트 데이터를 포함하며,
    상기 트레이스 데이터는 상기 시그널링 세트의 개별 이벤트들과 메시지들, 사용자 평면 이벤트들, 상태 변화 이벤트들, 업데이트 이벤트들, 실패 카운터 이벤트들, 및 이벤트들이나 메시지들과 관련된 특성들 중 적어도 하나에 대한 정보를 포함하는,
    장치.
  3. 제 1 항 또는 제 2 항에 있어서,
    시퀀스 모델에 따라 생성되는 시그널링 세트 시퀀스는 상기 트레이스 데이터의 관련 부분을 나타내는 시퀀스 엘리먼트들의 정렬된 리스트를 포함하고,
    상기 시퀀스 엘리먼트들은 복수의 타입들의 시퀀스 엘리먼트들 중에서 선택되며, 각각의 타입은 차별화되고 고유 식별자에 배정되며,
    상기 시퀀스 엘리먼트는 상기 트레이스 데이터로부터 도출된 정보 엘리먼트 및 스칼라 식별자 중 적어도 하나를 포함하는,
    장치.
  4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 적어도 하나의 메모리 및 상기 명령들은 상기 적어도 하나의 프로세싱 회로와 함께, 상기 장치로 하여금 적어도:
    상기 시그널링 세트들에 포함된 실패 표시의 타입에 따라 분석하기 위해 상기 복수의 개별 시그널링 세트들을 미리선택하게 하도록 추가로 구성되는,
    장치.
  5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
    상기 적어도 하나의 메모리 및 상기 명령들은 상기 적어도 하나의 프로세싱 회로와 함께, 상기 장치로 하여금 적어도:
    시퀀스 모델에 따라 상기 시그널링 세트 시퀀스를 생성하기 위해 상기 복수의 시그널링 세트들의 각각의 시그널링 세트를 나타내는 트레이스 데이터를 변환하기 위해, 특정 엘리먼트들을 식별하도록 상기 트레이스 데이터의 부분들을 차별화하게 하고,
    각각의 특정 엘리먼트에, 대응하는 식별자를 배정하게 하고, 그리고
    배정된 식별자들을 사용함으로써 상기 시그널링 세트 시퀀스를 생성하게 하도록 추가로 구성되는,
    장치.
  6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
    상기 적어도 하나의 메모리 및 상기 명령들은 상기 적어도 하나의 프로세싱 회로와 함께, 상기 장치로 하여금 적어도:
    시퀀스를 생성하도록 상기 복수의 시그널링 세트들의 각각의 시그널링 세트를 나타내는 트레이스 데이터를 변환하기 위해, 상기 시그널링 세트들의 거리를 평가하기 위해 수행되는 프로세싱에 상기 트레이스 데이터로부터의 상기 미리결정된 정보의 필터링을 적응시키게 하도록 추가로 구성되며,
    각각의 트레이스 데이터의 변환의 결과들은 상기 시그널링 세트들의 거리를 평가하기 위해 수행되는 프로세싱에 적합한 공통 시퀀스 모델에 대응하는,
    장치.
  7. 제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
    상기 적어도 하나의 메모리 및 상기 명령들은 상기 적어도 하나의 프로세싱 회로와 함께, 상기 장치로 하여금 적어도:
    상기 시그널링 세트들의 거리를 평가하기 위해, 상기 복수의 시그널링 세트들로부터 도출된 적어도 2개의 시그널링 세트 시퀀스들의 서로에 대한 거리 또는 상기 복수의 시그널링 세트들로부터 도출된 시그널링 세트 시퀀스들에서 적어도 하나의 미리저장된 레퍼런스 시퀀스 세트까지의 거리를 계산하게 하도록 추가로 구성되며,
    상기 거리 메트릭은 각각의 시그널링 세트 시퀀스 내의 특정 엘리먼트의 고려 중에 상기 시그널링 세트 시퀀스들을 정렬함으로써 결정되고,
    각각의 시그널링 세트 시퀀스 내의 특정 엘리먼트는 상기 트레이스 데이터에서의 실패 이벤트, 상기 시그널링 세트 시퀀스의 제 1 엘리먼트, 및 상기 시그널링 세트 시퀀스의 최종 엘리먼트 중 하나와 관련되는,
    장치.
  8. 제 7 항에 있어서,
    상기 적어도 하나의 메모리 및 상기 명령들은 상기 적어도 하나의 프로세싱 회로와 함께, 상기 장치로 하여금 적어도:
    상기 거리 메트릭으로서, 동적 해밍(Dynamic Hamming) 거리, 리벤슈타인 거리(Levenshtein) 및 자카드(Jaccard) 거리 중 하나를 결정하게 하고, 그리고
    상기 시그널링 세트 시퀀스에서의 위치와 정렬에 사용된 특정 엘리먼트 사이의 거리에 의존하는 가중 팩터 함수로 상기 거리 메트릭 결정의 결과를 변조하게 하도록 추가로 구성되는,
    장치.
  9. 제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
    상기 적어도 하나의 메모리 및 상기 명령들은 상기 적어도 하나의 프로세싱 회로와 함께, 상기 장치로 하여금 적어도:
    미리결정된 유사성 조건을 서로 이행하는 시그널링 세트들을 동일한 시그널링 세트 클래스에 배정하기 위해 그리고 상기 미리결정된 유사성 조건을 서로 이행하지 않는 시그널링 세트들을 다른 시그널링 세트 클래스에 배정하기 위해 상기 거리 메트릭을 고려하게 하도록 추가로 구성되는,
    장치.
  10. 제 1 항 내지 제 9 항 중 어느 한 항에 있어서,
    상기 적어도 하나의 메모리 및 상기 명령들은 상기 적어도 하나의 프로세싱 회로와 함께, 상기 장치로 하여금 적어도:
    오프-라인 모드 및 온-라인 모드 중 하나로 복수의 개별 시그널링 세트들을 분석하게 하도록 추가로 구성되며,
    상기 오프-라인 모드에서, 상기 복수의 시그널링 세트들은 이전에 저장된 시그널링 세트들의 인접 세트이고,
    상기 온-라인 모드에서, 상기 복수의 시그널링 세트들은 연속되는 방식으로 입력되며, 상기 분석은 임의 시간 기간 동안 시그널링 세트들의 도착에 따라 수행되는,
    장치.
  11. 제 10 항에 있어서,
    상기 적어도 하나의 메모리 및 상기 명령들은 상기 적어도 하나의 프로세싱 회로와 함께, 상기 장치로 하여금 적어도:
    상기 오프-라인 모드에서, 상기 오프-라인 모드 및 상기 온-라인 모드 중 적어도 하나에서의 시그널링 세트 분석에서 거리 평가에 사용될 시그널링 세트 시퀀스를 정의하는 레퍼런스 시그널링 세트 클래스로서 상기 시그널링 세트 클래스들 중 적어도 하나를 사용하게 하도록 추가로 구성되는,
    장치.
  12. 제 10 항 또는 제 11 항에 있어서,
    상기 적어도 하나의 메모리 및 상기 명령들은 상기 적어도 하나의 프로세싱 회로와 함께, 상기 장치로 하여금 적어도:
    상기 오프-라인 모드에서, 상기 트레이스 데이터에서 실패 카운터 증분 이벤트에 대응하는, 상기 시그널링 세트 시퀀스들의 특정 엘리먼트에 상기 시그널링 세트 시퀀스들을 정렬함으로써 상기 시그널링 세트들의 거리를 평가하게 하고, 상기 거리 메트릭에 따라 거리 매트릭스로서 상기 시그널링 세트 시퀀스들의 쌍별 거리들을 계산하게 하고, 그리고 시그널링 세트 클래스에 상기 시그널링 세트들을 배정하기 위해, 상기 거리 매트릭스를 사용함으로써, 미리결정된 거리와 같거나 더 짧은 거리를 갖는 시그널링 세트 시퀀스들의 서브세트들을 식별하기 위해 분할 또는 클러스터링 프로세싱을 사용하게 하도록 추가로 구성되는,
    장치.
  13. 제 10 항 내지 제 12 항 중 어느 한 항에 있어서,
    상기 적어도 하나의 메모리 및 상기 명령들은 상기 적어도 하나의 프로세싱 회로와 함께, 상기 장치로 하여금 적어도:
    상기 온-라인 모드에서, 시그널링 세트들의 거리를 평가하기 위해 그리고 상기 시그널링 세트들을 시그널링 세트 클래스에 배정하기 위해 적어도 하나의 레퍼런스 시그널링 세트 시퀀스를 각각 포함하는 적어도 하나의 레퍼런스 시그널링 세트 클래스를 사용하게 하고, 그리고 임의의 레퍼런스 시그널링 세트 클래스에 따라 시그널링 세트가 배정이능하지 않은 경우, 배정이능하지 않은 시그널링 세트에 기반하여 새로운 레퍼런스 시그널링 세트 클래스를 정의하게 하도록 추가로 구성되는,
    장치.
  14. 제 10 항 내지 제 13 항 중 어느 한 항에 있어서,
    상기 적어도 하나의 메모리 및 상기 명령들은 상기 적어도 하나의 프로세싱 회로와 함께, 상기 장치로 하여금 적어도:
    상기 온-라인 모드에서, 레퍼런스 시그널링 세트 시퀀스에 상기 시그널링 세트 시퀀스들을 정렬함으로써 상기 시그널링 세트들의 거리를 평가하게 하고, 상기 거리 메트릭에 따라 거리 벡터로서 상기 시그널링 세트 시퀀스와 상기 레퍼런스 시그널링 세트 시퀀스의 쌍별 거리들을 계산하게 하고, 상기 거리 벡터에 기반하여 상기 시그널링 세트가 가장 인접한 시그널링 세트 클래스인 시그널링 세트 클래스에 배정될지 아니면 새로운 시그널링 세트 클래스를 정의하는지를 결정하게 하도록 추가로 구성되는,
    장치.
  15. 제 1 항 내지 제 14 항 중 어느 한 항에 있어서,
    상기 적어도 하나의 메모리 및 상기 명령들은 상기 적어도 하나의 프로세싱 회로와 함께, 상기 장치로 하여금 적어도:
    시간에 따른 분석 결과들의 변화들과 관련된 포스트-프로세싱을 위해 상기 시그널링 세트들의 분석의 결과들을 제공하게 하도록 추가로 구성되는,
    장치.
  16. 제 1 항 내지 제 15 항 중 어느 한 항에 있어서,
    상기 장치는 네트워크 제어 엘리먼트 또는 기능으로서 작용하도록 또는 분석 엘리먼트 또는 기능으로서 작용하도록 구성된 네트워크 엘리먼트 또는 기능에 포함되고,
    상기 네트워크는 통신 네트워크인,
    장치.
  17. 방법으로서,
    분석 결과에 따라 각각의 시그널링 세트를 적어도 하나의 클래스의 시그널링 세트들로 분류하기 위해 복수의 개별 시그널링 세트들을 상기 복수의 시그널링 세트들 중 적어도 2개의 시그널링 세트들 사이의 유사성들 및 차이점들에 관해 분석하는 단계를 포함하며,
    상기 분석하는 단계는,
    미리결정된 정보를 상기 복수의 시그널링 세트들의 각각의 시그널링 세트를 나타내는 트레이스 데이터로부터 필터링함으로써 시퀀스 모델에 따라 시그널링 세트 시퀀스를 생성하도록 상기 트레이스 데이터를 변환하는 단계,
    각각의 시그널링 세트 시퀀스들을 사용함으로써 시그널링 세트들의 거리를 평가하는 단계 ― 상기 거리는 거리 메트릭으로 표시됨 ―, 및
    상기 거리 메트릭에 기반하여 상기 각각의 시그널링 세트를 시그널링 세트 클래스에 배정하는 단계를 포함하는,방법.
  18. 제 17 항에 있어서,
    각각의 시그널링 세트는 복수의 네트워크 엘리먼트들 또는 기능들 사이의 또는 네트워크 엘리먼트 또는 기능 내에서의 시그널링의 결과이고, 상기 시그널링은 데이터 통신, 음성 통신, 하나 또는 그 초과의 네트워크 엘리먼트들 또는 기능들 및 프로토콜 스택들을 수반하는 소프트웨어 블록들 간의 메시지 교환 중 적어도 하나에서의 일련의 메시지들 또는 콘텍스트 데이터를 포함하며,
    상기 트레이스 데이터는 상기 시그널링 세트의 개별 이벤트들과 메시지들, 사용자 평면 이벤트들, 상태 변화 이벤트들, 업데이트 이벤트들, 실패 카운터 이벤트들, 및 이벤트들이나 메시지들과 관련된 특성들 중 적어도 하나에 대한 정보를 포함하는,
    방법.
  19. 제 17 항 또는 제 18 항에 있어서,
    시퀀스 모델에 따라 생성되는 시그널링 세트 시퀀스는 상기 트레이스 데이터의 관련 부분을 나타내는 시퀀스 엘리먼트들의 정렬된 리스트를 포함하고,
    상기 시퀀스 엘리먼트들은 복수의 타입들의 시퀀스 엘리먼트들 중에서 선택되며, 각각의 타입은 차별화되고 고유 식별자에 배정되며,
    상기 시퀀스 엘리먼트는 상기 트레이스 데이터로부터 도출된 정보 엘리먼트 및 스칼라 식별자 중 적어도 하나를 포함하는,
    방법.
  20. 제 17 항 내지 제 19 항 중 어느 한 항에 있어서,
    상기 시그널링 세트들에 포함된 실패 표시의 타입에 따라 분석하기 위해 상기 복수의 개별 시그널링 세트들을 미리선택하는 단계를 더 포함하는,
    방법.
  21. 제 17 항 내지 제 20 항 중 어느 한 항에 있어서,
    시퀀스를 생성하도록 상기 복수의 시그널링 세트들의 각각의 시그널링 세트를 나타내는 트레이스 데이터를 변환하기 위해, 특정 엘리먼트들을 식별하도록 상기 트레이스 데이터의 부분들을 차별화하는 단계,
    각각의 특정 엘리먼트에, 대응하는 식별자를 배정하는 단계, 및
    배정된 식별자들을 사용함으로써 상기 시그널링 세트 시퀀스를 생성하는 단계를 더 포함하는,
    방법.
  22. 제 17 항 내지 제 21 항 중 어느 한 항에 있어서,
    시퀀스를 생성하도록 상기 복수의 시그널링 세트들의 각각의 시그널링 세트를 나타내는 트레이스 데이터를 변환하기 위해, 상기 시그널링 세트들의 거리를 평가하기 위해 수행되는 프로세싱에 상기 트레이스 데이터로부터의 상기 미리결정된 정보의 필터링을 적응시키는 단계를 더 포함하며,
    각각의 트레이스 데이터의 변환의 결과들은 상기 시그널링 세트들의 거리를 평가하기 위해 수행되는 프로세싱에 적합한 공통 시퀀스 모델에 대응하는,
    방법.
  23. 제 17 항 내지 제 22 항 중 어느 한 항에 있어서,
    상기 시그널링 세트들의 거리를 평가하기 위해, 상기 복수의 시그널링 세트들로부터 도출된 적어도 2개의 시그널링 세트 시퀀스들의 서로에 대한 거리 또는 상기 복수의 시그널링 세트들로부터 도출된 시그널링 세트 시퀀스들에서 적어도 하나의 미리저장된 레퍼런스 시퀀스 세트까지의 거리를 계산하는 단계를 더 포함하며,
    상기 거리 메트릭은 각각의 시그널링 세트 시퀀스 내의 특정 엘리먼트의 고려 중에 상기 시그널링 세트 시퀀스들을 정렬함으로써 결정되고,
    각각의 시그널링 세트 시퀀스 내의 특정 엘리먼트는 상기 트레이스 데이터에서의 실패 이벤트, 상기 시그널링 세트 시퀀스의 제 1 엘리먼트, 및 상기 시그널링 세트 시퀀스의 최종 엘리먼트 중 하나와 관련되는,
    방법.
  24. 제 23 항에 있어서,
    상기 거리 메트릭으로서, 동적 해밍 거리, 리벤슈타인 거리 및 자카드 거리 중 하나를 결정하는 단계, 및
    상기 시그널링 세트 시퀀스에서의 위치와 정렬에 사용된 특정 엘리먼트 사이의 거리에 의존하는 가중 팩터 함수로 상기 거리 메트릭 결정의 결과를 변조하는 단계를 더 포함하는,
    방법.
  25. 제 17 항 내지 제 24 항 중 어느 한 항에 있어서,
    미리결정된 유사성 조건을 서로 이행하는 시그널링 세트들을 동일한 시그널링 세트 클래스에 배정하기 위해 그리고 상기 미리결정된 유사성 조건을 서로 이행하지 않는 시그널링 세트들을 다른 시그널링 세트 클래스에 배정하기 위해 상기 거리 메트릭을 고려하는 단계를 더 포함하는,
    방법.
  26. 제 17 항 내지 제 25 항 중 어느 한 항에 있어서,
    오프-라인 모드 및 온-라인 모드 중 하나로 복수의 개별 시그널링 세트들을 분석하는 단계를 더 포함하며,
    상기 오프-라인 모드에서, 상기 복수의 시그널링 세트들은 이전에 저장된 시그널링 세트들의 인접 세트이고,
    상기 온-라인 모드에서, 상기 복수의 시그널링 세트들은 연속되는 방식으로 입력되며, 상기 분석은 임의 시간 기간 동안 시그널링 세트들의 도착에 따라 수행되는,
    방법.
  27. 제 26 항에 있어서,
    상기 오프-라인 모드에서, 상기 오프-라인 모드 및 상기 온-라인 모드 중 적어도 하나에서의 시그널링 세트 분석에서 거리 평가에 사용될 시그널링 세트 시퀀스를 정의하는 레퍼런스 시그널링 세트 클래스로서 상기 시그널링 세트 클래스들 중 적어도 하나를 사용하는 단계를 더 포함하는,
    방법.
  28. 제 26 항 또는 제 27 항에 있어서,
    상기 오프-라인 모드에서, 상기 트레이스 데이터에서 실패 카운터 증분 이벤트에 대응하는, 상기 시그널링 세트 시퀀스들의 특정 엘리먼트에 상기 시그널링 세트 시퀀스들을 정렬함으로써 상기 시그널링 세트들의 거리를 평가하는 단계, 상기 거리 메트릭에 따라 거리 매트릭스로서 상기 시그널링 세트 시퀀스들의 쌍별 거리들을 계산하는 단계, 및 시그널링 세트 클래스에 상기 시그널링 세트들을 배정하기 위해, 상기 거리 매트릭스를 사용함으로써, 미리결정된 거리와 같거나 더 짧은 거리를 갖는 시그널링 세트 시퀀스들의 서브세트들을 식별하기 위해 분할 또는 클러스터링 프로세싱을 사용하는 단계를 더 포함하는,
    방법.
  29. 제 26 항 내지 제 28 항 중 어느 한 항에 있어서,
    상기 온-라인 모드에서, 시그널링 세트들의 거리를 평가하기 위해 그리고 상기 시그널링 세트들을 시그널링 세트 클래스에 배정하기 위해 적어도 하나의 레퍼런스 시그널링 세트 시퀀스를 각각 포함하는 적어도 하나의 레퍼런스 시그널링 세트 클래스를 사용하는 단계, 및 임의의 레퍼런스 시그널링 세트 클래스에 따라 시그널링 세트가 배정이능하지 않은 경우, 배정이능하지 않은 시그널링 세트에 기반하여 새로운 레퍼런스 시그널링 세트 클래스를 정의하는 단계를 더 포함하는,
    방법.
  30. 제 26 항 내지 제 29 항 중 어느 한 항에 있어서,
    상기 온-라인 모드에서, 레퍼런스 시그널링 세트 시퀀스에 상기 시그널링 세트 시퀀스들을 정렬함으로써 상기 시그널링 세트들의 거리를 평가하는 단계, 상기 거리 메트릭에 따라 거리 벡터로서 상기 시그널링 세트 시퀀스와 상기 레퍼런스 시그널링 세트 시퀀스의 쌍별 거리들을 계산하는 단계, 및 상기 거리 벡터에 기반하여 상기 시그널링 세트가 가장 인접한 시그널링 세트 클래스인 시그널링 세트 클래스에 배정될지 아니면 새로운 시그널링 세트 클래스를 정의하는지를 결정하는 단계를 더 포함하는,
    방법.
  31. 제 17 항 내지 제 30 항 중 어느 한 항에 있어서,
    시간에 따른 분석 결과들의 변화들과 관련된 포스트-프로세싱을 위해 상기 시그널링 세트들의 분석의 결과들을 제공하는 단계를 더 포함하는,
    방법.
  32. 제 17 항 내지 제 31 항 중 어느 한 항에 있어서,
    상기 방법은 네트워크 제어 엘리먼트 또는 기능으로서 작용하도록 또는 분석 엘리먼트 또는 기능으로서 작용하도록 구성된 네트워크 엘리먼트 또는 기능으로 구현되고,
    상기 네트워크는 통신 네트워크인,
    방법.
  33. 컴퓨터 프로그램 제품으로서,
    컴퓨터 판독가능 프로그램 코드가 구현된 컴퓨터 사용가능 매체를 포함하며, 상기 컴퓨터 판독가능 프로그램 코드는,
    분석 결과에 따라 각각의 시그널링 세트를 적어도 하나의 클래스의 시그널링 세트들로 분류하기 위해 복수의 개별 시그널링 세트들을 상기 복수의 시그널링 세트들 중 적어도 2개의 시그널링 세트들 사이의 유사성들 및 차이점들에 관해 분석하는 것을 포함하는 프로세스를 실행하도록 적응되고,
    상기 분석은,
    미리결정된 정보를 상기 복수의 시그널링 세트들의 각각의 시그널링 세트를 나타내는 트레이스 데이터로부터 필터링함으로써 시퀀스 모델에 따라 시그널링 세트 시퀀스를 생성하도록 상기 트레이스 데이터를 변환하는 것,
    각각의 시그널링 세트 시퀀스들을 사용함으로써 시그널링 세트들의 거리를 평가하는 것 ― 상기 거리는 거리 메트릭으로 표시됨 ―, 그리고
    상기 거리 메트릭에 기반하여 상기 각각의 시그널링 세트를 시그널링 세트 클래스에 배정하는 것을 포함하는,
    컴퓨터 프로그램 제품.
  34. 컴퓨터를 위한 컴퓨터 프로그램 제품으로서,
    상기 제품이 상기 컴퓨터 상에서 실행될 때 제 17 항 내지 제 32 항 중 어느 한 항의 단계들을 수행하기 위한 소프트웨어 코드 부분들을 포함하는,
    컴퓨터 프로그램 제품.
  35. 제 34 항에 있어서,
    상기 컴퓨터 프로그램 제품은 상기 소프트웨어 코드 부분들이 저장되는 컴퓨터 판독가능 매체를 포함하고, 그리고/또는
    상기 컴퓨터 프로그램 제품은 상기 컴퓨터의 내부 메모리에 직접 로딩가능하고 그리고/또는 업로드, 다운로드 및 푸시 절차들 중 적어도 하나에 의해 네트워크를 통해 송신가능한,
    컴퓨터 프로그램 제품.
KR1020177023952A 2015-01-26 2015-01-26 시그널링 세트들 또는 호들의 분석 및 분류 KR101842088B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2015/051429 WO2016119812A1 (en) 2015-01-26 2015-01-26 Analyzing and classifying signaling sets or calls

Publications (2)

Publication Number Publication Date
KR20170109609A true KR20170109609A (ko) 2017-09-29
KR101842088B1 KR101842088B1 (ko) 2018-03-26

Family

ID=52434787

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177023952A KR101842088B1 (ko) 2015-01-26 2015-01-26 시그널링 세트들 또는 호들의 분석 및 분류

Country Status (6)

Country Link
US (1) US9936409B2 (ko)
EP (1) EP3251400A1 (ko)
JP (1) JP6526835B2 (ko)
KR (1) KR101842088B1 (ko)
CN (1) CN107211300A (ko)
WO (1) WO2016119812A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109104391B (zh) * 2017-06-20 2022-04-12 中兴通讯股份有限公司 三角信令分析方法、装置、系统及计算机可读存储介质
CN108833125B (zh) * 2018-03-18 2021-02-09 平安科技（深圳）有限公司 还原语音话路的绘制方法、系统、计算机设备和存储介质
US11488044B2 (en) 2018-04-27 2022-11-01 P44, Llc Classification and transformation of sequential event data
CN109067605B (zh) * 2018-10-08 2021-10-22 郑州云海信息技术有限公司 一种存储子系统故障诊断方法、装置、终端及存储介质
US11800484B2 (en) * 2020-11-24 2023-10-24 Telefonaktiebolaget Lm Ericsson (Publ) User equipment (UE) positioning
CN115237374A (zh) * 2021-04-22 2022-10-25 华为技术有限公司 芯片、处理数据的方法和计算机设备

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3426428B2 (ja) * 1995-10-27 2003-07-14 富士通株式会社 トランザクションのトレース装置
US7526322B2 (en) * 2004-08-18 2009-04-28 Cellco Partnership Real-time analyst program for processing log files from network elements
JP2006059266A (ja) * 2004-08-23 2006-03-02 Fujitsu Ltd 障害解析方法及びその装置
US7522060B1 (en) * 2005-04-25 2009-04-21 Anytransactions, Inc. Graduated sanction/progressive response system and method for automated monitoring, scheduling and notification
US20070201388A1 (en) * 2006-01-31 2007-08-30 Qualcomm Incorporated Methods and systems for resizing multimedia content based on quality and rate information
US7764959B2 (en) * 2006-04-13 2010-07-27 Carrier Iq, Inc. Analysis of arbitrary wireless network data using matched filters
JP4727732B2 (ja) * 2007-02-15 2011-07-20 三菱重工業株式会社 車両番号認識装置
US20080248795A1 (en) 2007-04-09 2008-10-09 Telephia Incorporation Call results failure classifications
GB2465100B (en) * 2007-07-19 2012-01-04 Fujitsu Ltd System monitoring program system monitoring method and system monitoring device
CN103299293A (zh) * 2007-10-04 2013-09-11 皇家飞利浦电子股份有限公司 对内容项集合进行分类
WO2010042112A1 (en) * 2008-10-07 2010-04-15 Hewlett-Packard Development Company, L.P. Analyzing events
US20100135470A1 (en) 2008-12-01 2010-06-03 At&T Intellectual Property I, L.P. Call impact determination tool
GB0913911D0 (en) * 2009-08-10 2009-09-16 Optos Plc Improvements in or relating to laser scanning systems
JP2011244365A (ja) * 2010-05-21 2011-12-01 Yokogawa Electric Corp 光トランスポートアナライザ
JP5041044B2 (ja) * 2010-07-21 2012-10-03 富士通株式会社 システム監視プログラム、システム監視方法およびシステム監視装置
JP5780553B2 (ja) 2012-04-02 2015-09-16 Kddi株式会社 障害監視装置及び障害監視方法
CA2790479C (en) * 2012-09-24 2020-12-15 Ibm Canada Limited - Ibm Canada Limitee Partitioning a search space for distributed crawling
US9071677B2 (en) * 2013-02-12 2015-06-30 Unify Square, Inc. Enhanced data capture, analysis, and reporting for unified communications
US9118751B2 (en) 2013-03-15 2015-08-25 Marchex, Inc. System and method for analyzing and classifying calls without transcription
JP6070338B2 (ja) * 2013-03-26 2017-02-01 富士通株式会社 多階層システムに含まれる処理システムの分類装置及び多階層システムに含まれる処理システムの分類プログラム並びに多階層システムに含まれる処理システムの分類方法
US10169121B2 (en) * 2014-02-27 2019-01-01 Commvault Systems, Inc. Work flow management for an information management system

Also Published As

Publication number Publication date
US9936409B2 (en) 2018-04-03
US20170359743A1 (en) 2017-12-14
EP3251400A1 (en) 2017-12-06
WO2016119812A1 (en) 2016-08-04
JP6526835B2 (ja) 2019-06-05
KR101842088B1 (ko) 2018-03-26
JP2018508167A (ja) 2018-03-22
CN107211300A (zh) 2017-09-26

Similar Documents

Publication Publication Date Title
KR101842088B1 (ko) 시그널링 세트들 또는 호들의 분석 및 분류
US11202231B2 (en) Management device and method for controlling end-to-end network in wireless communication system
US10321344B2 (en) System and method to facilitate troubleshooting and predicting application performance in wireless networks
WO2019184433A1 (zh) 一种网络数据的监测方法及装置
Imran et al. Challenges in 5G: how to empower SON with big data for enabling 5G
US20230090022A1 (en) Method and device for selecting service in wireless communication system
US20210076229A1 (en) Executing analysis and management of a mobile communication network based on performance information, configuration information and environmental information
EP3881590A1 (en) Methods and nodes for predicting qos of a ue session based on slice status
US11665531B2 (en) End to end troubleshooting of mobility services
CN113709777A (zh) 一种故障处理方法、装置及系统
Sánchez et al. A data-driven scheduler performance model for QoE assessment in a LTE radio network planning tool
Rizwan et al. A zero-touch network service management approach using ai-enabled cdr analysis
WO2022098713A9 (en) Mda report request, retrieval and reporting
KR102333866B1 (ko) 이동 통신 네트워크 이상 진단 장치 및 방법
US20230292156A1 (en) Trajectory based performance monitoring in a wireless communication network
EP4046334B1 (en) Method and system for estimating network performance using machine learning and partial path measurements
US20230079052A1 (en) Mechanism for enabling custom analytics
US11805022B2 (en) Method and device for providing network analytics information in wireless communication network
US20210076239A1 (en) Management plane performance indicator transfer
EP3457634B1 (en) Collection of management plane performance data
EP4250802A1 (en) Optimizing physical cell id assignment in a wireless communication network
WO2023016635A1 (en) Method and apparatus for feasibility checking of ai pipeline trustworthiness
WO2022047320A1 (en) Ran node and ue configured for beam failure detection reporting to support to ai and ml based beam management
WO2024030280A1 (en) Management data analytics (mda) reporting
Pires et al. Root Cause Analysis of Reduced Accessibility in 4G Networks

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant