买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国移动紫金(江苏)创新研究院有限公司

摘要：本发明涉及一种基于AAE的网络异常预警方法及预警系统，包括用于收集实时数据流，同时去除数据中的无效数据的数据存储模块；用于对提取的历史数据进行数据清洗以及进行数据标准化处理的数据预处理模块；用于AAE算法模型的构建与训练的模型构建与训练模块；对网络实时数据的接收与处理，并根据处理结果判定是否进行预警的预警判定模块；以及将预警信息处理后进行存储与备份的预警处理模块。本发明集成了针对输入数据标签有无的两种训练方法，从而可以根据不同网络数据灵活进行模型训练，实时监测网络的异常并进行预警，便于提前发现问题进而及时进行维护。

主权项：1.一种基于AAE的网络异常预警方法，其特征在于：具体包括以下步骤：步骤S1：数据采集，数据采集系统收集实时数据流，将实时数据流中的无效数据去除后形成数据库；其中，实时数据流包括有标签数据以及无标签数据；步骤S2：数据预处理，从步骤S1中形成的数据库中提取网络性能指标历史数据，对提取的历史数据进行数据清洗，进行数据标准化操作后，形成用于训练AAE算法模型的初始训练样本；其中，在对提取的历史数据进行清洗、标准化处理后若数据为有标签数据，则进行过采样处理；步骤S3：将步骤S2中经过预处理的数据按照设备实例或通信链路实例进行分类整理，得到不同实例数据；步骤S4：将步骤S3中得到的实例数据进行分割与重构，形成最终训练数据，在最终训练样本中有标签的数据集合定义为Y；步骤S5：构建AAE算法模型，并对AAE算法模型进行参数初始化操作；其中，构建的AAE算法模型包括编码器、解码器、判别器以及先验分布生成器；步骤S6：训练AAE算法模型，首先将步骤S4中形成最终训练数据中的训练特征矩阵集合D，输入步骤S5进行参数初始化后的AAE算法模型中，计算得到关于有标签数据以及无标签数据的误差；接着对误差进行梯度下降以同步更新编码器和解码器的权重参数，直至误差值收敛；利用先验分布生成器计算对抗损失函数；最后通过梯度下降使编码器生成的潜在分布特征迫近先验分布，同步更新判别器和编码器的参数，以减少过拟合并增加AAE算法模型的鲁棒性；步骤S7：将数据输入步骤S6训练完毕的AAE算法模型中，针对有标签数据，解码器直接输出结果，判定当前信息是否存在异常；针对无标签数据，计算出的误差若大于或者等于预设阈值，则认为网络存在异常，小于预设阈值，则认为网络正常；步骤S8：根据步骤S7输出的结果，若存在异常，产生预警，并将预警信息推送至预警处理模块。

全文数据：

权利要求：

百度查询： 中国移动紫金(江苏)创新研究院有限公司 一种基于AAE的网络异常预警方法及预警系统