[发明专利]一种网络异常检测方法、装置、电子设备和存储介质

权利要求书

1.一种网络异常检测方法，其特征在于，包括：

获取一组网络指标，包括：时延，抖动和丢包率；

计算所述网络指标间的相关性，得到关联指标数据集；

将所述关联指标数据集输入预先训练的传输质量预测模型，得到传输质量预测值；所述传输质量预测模型由历史关联指标数据集训练得到；

将所述传输质量预测值输入预先训练的异常标注模型，得到异常数据，所述异常数据用于对网络进行管理；所述异常标注模型由异常样本集训练得到；所述异常样本集由密度聚类算法对所述历史关联指标数据集进行异常标注后得到，

其中，所述计算所述网络指标间的相关性，得到关联指标数据集，具体包括：

首先，将所述网络指标根据所述时延进行升序排序，排序后的位置表示为秩次r_t，根据所述抖动进行升序排序，排序后的位置表示为秩次r_j，根据如下公式计算等级差R：

然后，根据所述等级差R和如下公式，计算相关性ρ：

其中，K表示所述网络指标的维度；

最后，根据所述相关性ρ得到与提前设定的指标数据集强相关的关联指标数据集。

2.根据权利要求1所述的一种网络异常检测方法，其特征在于，所述传输质量预测模型分为两层，每一层都接受四十九个输入数据作为特征，得到一个输出特征，再通过一个线性层将所述输出特征回归到具体数值。

3.根据权利要求1所述的一种网络异常检测方法，其特征在于，所述密度聚类算法，具体包括：

使用欧几里得距离来测量关联指标数据之间的距离，具体计算公式如下

其中，S′为所述关联指标数据集，s_i∈S′，s_j∈S′，d_i，j即表示关联指标数据s_i和关联指标数据s_j之间的距离，s_i，k是s_i的第k维，s_j，k是s_j的第k维。

4.根据权利要求3所述的一种网络异常检测方法，其特征在于，所述密度聚类算法，还包括：

定义δ_i表示在所述关联指标数据s_i邻域E_i内的关联指标数据的密度，ε表示与所述关联指标数据 s_i的距离在ε之内：

MinPts为算法的预设参数，如果δ_i≥MinPts，那么称从所述关联指标数据s_j至所述关联指标数据s_i密度可达。

5.一种网络异常检测装置，其特征在于，包括：

网络指标获取模块，被配置为，获取一组网络指标，包括：时延，抖动，丢包率；

网络指标计算模块，被配置为，计算所述网络指标间的相关性，得到关联指标数据集；

传输质量预测模块，被配置为，将所述关联指标数据集输入预先训练的传输质量预测模型，得到传输质量预测值；所述传输质量预测模型由历史关联指标数据集训练得到；

异常数据检测模块，被配置为，将所述传输质量预测值输入预先训练的异常标注模型，得到异常数据，所述异常数据用于对网络进行管理；所述异常标注模型由异常样本集训练得到；所述异常样本集由密度聚类算法对所述历史关联指标数据集进行异常标注后得到，

其中，所述网络指标计算模块具体被配置为：

首先，将所述网络指标根据所述时延进行升序排序，排序后的位置表示为秩次r_t，根据所述抖动进行升序排序，排序后的位置表示为秩次r_j，根据如下公式计算等级差R：

然后，根据所述等级差R和如下公式，计算相关性ρ：

其中，K表示所述网络指标的维度；

最后，根据所述相关性ρ找到与提前设定的指标数据集强相关的关联指标数据集。