專利名稱：網絡風險監(jiān)控方法和裝置的制作方法
技術領域：
本發(fā)明涉及網絡指標監(jiān)控技術，特別地，涉及一種網絡風險監(jiān)控方法和裝置。
背景技術：
目前網絡技術應用越來越廣泛，人們很多的日常工作和娛樂活動都離不開網絡。 隨著網絡提供的服務與日俱增，用戶感知要求也不斷提高。在移動無線網絡中有一系列反 映網絡容量、質量和覆蓋情況的指標，能夠表征整體網絡性能，能使運營商充分掌控網絡的 整體運行狀況，為網絡的持續(xù)建設和規(guī)劃、優(yōu)化提供參考的重要依據。因此，對網絡指標尤 其是性能指標以及重大節(jié)假日期間的網絡運行情況的考核和監(jiān)控顯得十分重要?，F有技術中的網絡指標監(jiān)控系統(tǒng)對網絡指標的監(jiān)控和預警，一般應用設置靜態(tài)基 準門限的方法，對網絡中出現的異常情況進行分析，當超過預設的門限時產生報警。所謂靜 態(tài)基準門限方法，即，對性能指標或其他網絡指標設置一個固定的門限值，將當前網絡指標 數據和設定的門限值進行比較，如果超出了上述門限值則產生告警，如果沒有超出上述門 限值，則視為網絡正常。但是，現有技術采用上述網絡監(jiān)控方法存在以下缺點一、現有技術中的指標門限值一般是該專業(yè)的人員根據經驗人工設置的，所以存 在很大的誤差，不準確。二、由于移動無線網絡的自身特點和用戶的流動性，其性能指標呈波動態(tài)勢，而采 用靜態(tài)基準門限方法，對于具有波動特性的指標，如小時話務量、數據流量、每線話務量、尋 呼負荷等，并不能及時地、準確地反映出網絡的異常狀況。三、不能直接體現出設備網元之間在反映不同告警級別時的差異性。
發(fā)明內容
本發(fā)明所要解決的技術問題是提供一種網絡風險監(jiān)控方法和裝置，應用動態(tài)基準 門限方法，尋找業(yè)務突變的特征，先于客戶感知發(fā)現網絡異常，突破傳統(tǒng)絕對指標的監(jiān)控盲 區(qū)。為了解決上述問題，本發(fā)明公開了一種網絡風險監(jiān)控方法，該方法由計算機執(zhí)行， 包括步驟一、選取某一網元的服從正態(tài)分布特性的網絡指標的樣本空間，對上述樣本空間 的樣本點數據進行統(tǒng)計分析，計算上述網絡指標的動態(tài)基線；步驟二、根據預設的容忍度和 上述動態(tài)基線確定上述網元的網絡指標的上下容忍線，作為觸發(fā)預測網絡指標預警產生機 制的預警門限；步驟三、判斷實時監(jiān)控的所述預測網絡指標的值是否超出上述預警門限，如 是，則觸發(fā)上述預警產生機制。優(yōu)選的，上述步驟一具體包括選取與上述網元的網絡指標實際監(jiān)控需求相應的 樣本空間；對該樣本空間的樣本點數據進行預處理，得到有效歷史數據；利用基于歷史統(tǒng) 計數據的動態(tài)基線算法計算上述有效歷史數據的波動范圍，根據獲得的上述波動范圍確定 上述網絡指標的動態(tài)基線，上述動態(tài)基線包括上基線和下基線。
優(yōu)選的，上述基于歷史統(tǒng)計數據的動態(tài)基線算法為利用預處理后的網絡指標在 某一時間粒度的有效歷史數據，計算該網絡指標在該時間粒度的指標平均值μ ；利用預處 理后的網絡指標在某一時間粒度的有效歷史數據和該時間粒度的指標平均值μ，計算該網 絡指標在該時間粒度的均方差O ；利用上述網絡指標的指標平均值μ和上述網絡指標的 均方差ο，確定該網絡指標在每個時間粒度的上下基值。優(yōu)選的，上述步驟二還包括，利用數個上述預設的容忍度設置數級容忍線，把指標
預警分為緊急預警、嚴重預警、重要預警和一般預警。優(yōu)選的，在上述對樣本空間的樣本點數據進行預處理，得到有效歷史數據的步驟 中，采用的預處理策略為結合運維期間發(fā)現的故障、節(jié)假日、重大事件等有關情況，確定并 排除異常樣本點數據，保留反映上述網絡指標變化規(guī)律的典型數據，作為上述有效歷史數 據；或者，按照歷史上異常數據占整個數據量的比例，判斷并刪除最大和最小的數值，剩余 數據作為上述有效歷史數據；或者，按照概率算法，基于歷史統(tǒng)計數據確定的正常數據比 例，選出最為集中分布的數據作為上述有效歷史數據。優(yōu)選的，上述步驟一進一步包括根據上述網絡指標的正態(tài)分布特性，將每個時間 粒度的[μ+2ο，μ-2σ]上下基值設置一般預警門限的動態(tài)基線；根據上述網絡指標的 正態(tài)分布特性，將每個時間粒度的[μ+3ο，μ-3 ο]上下基值設置重要預警門限的動態(tài)基 線。優(yōu)選的，在上述步驟二中，將靜態(tài)基準門限設置為嚴重預警門限。優(yōu)選的，在上述任一網絡風險監(jiān)控方法實施例中，上述網絡指標為網絡的性能指 標。對應本發(fā)明網絡風險監(jiān)控方法實施例，本發(fā)明還公開了一種網絡風險監(jiān)控裝置， 包括動態(tài)基線確定模塊，用于選取某一網元的服從正態(tài)分布特性的網絡指標的樣本空間， 對該樣本空間的樣本點數據進行統(tǒng)計分析，計算上述網絡指標的動態(tài)基線；預警門限確定 模塊，用于根據預設的容忍度和上述動態(tài)基線確定模塊獲取的動態(tài)基線確定上述網絡指標 的上下容忍線，作為觸發(fā)預測網絡指標預警產生機制的預警門限；預警觸發(fā)模塊，用于判 斷實時監(jiān)控的上述預測網絡指標的值是否超出上述預警門限確定模塊設定的預警門限，若 是，則觸發(fā)預警產生機制。優(yōu)選的，上述動態(tài)基線確定模塊具體包括樣本空間獲取單元，用于選取與所述網 元的網絡指標實際監(jiān)控需求相應的樣本空間數據；預處理單元，用于對上述樣本空間獲取 單元獲取的樣本空間的樣本點數據進行預處理，獲得有效歷史數據；動態(tài)基線計算單元，利 用基于歷史統(tǒng)計數據的動態(tài)基線算法計算上述預處理單元獲得的上述有效歷史數據的波 動范圍，根據獲得的上述波動范圍確定上述網絡指標的動態(tài)基線，上述動態(tài)基線包括上基 線和下基線。優(yōu)選的，上述動態(tài)基線計算單元采用的基于歷史統(tǒng)計數據的動態(tài)基線算法為利 用上述預處理單元獲得的網絡指標在某一時間粒度的有效歷史數據，計算該網絡指標在該 時間粒度的指標平均值μ ；利用上述預處理單元獲得的上述網絡指標在某一時間粒度的 有效歷史數據和該時間粒度的指標平均值μ，計算該網絡指標在該時間粒度的均方差ο ； 利用上述網絡指標的指標平均值μ和上述網絡指標的均方差σ，確定該網絡指標在每個 時間粒度的上下基值。
優(yōu)選的，上述預警門限確定模塊還包括預警門限級別設定單元，利用數個上述預 設的容忍度設置數級容忍線，把指標預警分為緊急預警、嚴重預警、重要預警和一般預警。優(yōu)選的，上述預處理單元對樣本空間的樣本點數據進行預處理時，采用的預處理 策略為結合運維期間發(fā)現的故障、節(jié)假日、重大事件等有關情況，確定并排除異常樣本點 數據，保留反映網絡指標變化規(guī)律的典型數據，作為上述有效歷史數據；或者，按照歷史上 異常數據占整個數據量的比例，判斷并刪除最大和最小的數值，剩余數據作為上述有效歷 史數據；或者，按照概率算法，基于歷史統(tǒng)計數據確定的正常數據比例，選出最為集中分布 的數據作為上述有效歷史數據。優(yōu)選的，上述動態(tài)基線確定模塊進一步包括預警門限基線級別設定單元，用于根 據上述網絡指標的正態(tài)分布特性，將每個時間粒度的[μ+2ο，μ-2σ]上下基值設置一般 預警門限的動態(tài)基線；將每個時間粒度的[μ+3σ，μ-3 σ]上下基值設置重要預警門限的 動態(tài)基線。優(yōu)選的，上述預警門限級別設定單元將靜態(tài)基準門限設置為嚴重預警門限。
優(yōu)選的，在上述任一網絡風險監(jiān)控裝置中，上述網絡指標為網絡的性能指標。與現有技術相比，本發(fā)明具有以下優(yōu)點本發(fā)明通過對符合正態(tài)分布特性的網絡指標實施動態(tài)門限預警方法的實現，將采 集到的網絡指標數據與基于歷史數據所計算出來的預警容忍線(預警觸發(fā)閾值)做比較， 超過容忍線時觸發(fā)預警產生機制。實現網絡指標的主動監(jiān)控，通過設置不同網元各項指標 的預警門限，達到對網絡的精確監(jiān)控，及時準確的發(fā)現指標異常的網元或區(qū)域，挖掘網絡中 的隱性故障，最終實現把現有技術的事后問題分析轉向問題產生前的網絡指標主動監(jiān)控。 同時，本發(fā)明結合網絡指標的正態(tài)分布特性，通過對歷史數據的網絡指標的均值、均方差的 運算直接獲得動態(tài)基線，比通過對歷史數據建模方法獲得動態(tài)基線的算法更加簡便快捷， 且具有與其相當的準確率，因此實用性很強。本發(fā)明還利用網絡指標正態(tài)分布的特性，將容 忍線設置為不同的預警級別，更加貼合用戶的精細化管理需求，實現分層次的預警。使網絡 運營商能夠對網絡指標及重大節(jié)假日期間的網絡運行情況等有一個及時并全方位的掌控， 實時分析并掌握網絡運行中的各項指標變化情況，保證網絡正常運營。
圖1是本發(fā)明網絡風險監(jiān)控方法實施例的流程圖；圖2是本發(fā)明計算動態(tài)基線實施例的流程圖；圖3是本發(fā)明基于歷史統(tǒng)計數據的動態(tài)基線算法的流程圖；圖4是本發(fā)明動態(tài)基線與上下容忍線的關系示意圖；圖5是本發(fā)明網絡風險監(jiān)控裝置的結構框圖；圖6是本發(fā)明動態(tài)基線確定模塊實施例的結構框圖。
具體實施例方式為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結合附圖和具體實 施方式對本發(fā)明作進一步詳細的說明。本發(fā)明實施例的核心構思之一在于，采用一種主動監(jiān)控的思想來及早的捕捉網絡指標隱患，依據網絡指標的正態(tài)分布特性，通過動態(tài)門限方法的實現，更合理精確的自動得 到門限值，自動生成預警級別，達到對網絡的精確監(jiān)控，挖掘網絡中的隱性故障，最終實現 把現有技術對網絡故障的事后問題分析轉向問題產生前的指標主動監(jiān)控。經過驗證，由于網絡性能指標也是符合正態(tài)分布特性的，因此本發(fā)明中的方法和 裝置尤其適用于對網絡性能指標的監(jiān)控和預警。參照圖1，示出了本發(fā)明網絡風險監(jiān)控方法實施例的流程圖，該方法實施例由計算 機執(zhí)行完成，包括步驟1、選取某一網元的服從正態(tài)分布的網絡指標的樣本空間，對樣本空間的樣本 點數據進行統(tǒng)計分析，計算網絡指標的動態(tài)基線；本步驟說明了本發(fā)明網絡風險監(jiān)控方法實施例的作用對象為不同網元的網絡指 標，并且該網絡指標的指標值的分布服從正態(tài)分布特性。上述網元的網絡指標可以是如小 時話務量、數據流量、每線話務量、尋呼負荷、掉線率等時間敏感性強的網絡性能指標，也可 以是如數據業(yè)務的其它網絡指標。該步驟選取的樣本空間的樣本點數據均為預測網絡指標的歷史正常值。步驟2、根據預設的容忍度和上述動態(tài)基線確定上述網元的網絡指標的上下容忍 線，作為觸發(fā)預測網絡指標預警產生機制的預警門限。其中，上述容忍度可以是本領域技術人員根據不同網元、不同的網絡指標合理選 取的經驗值。步驟3、判斷實時監(jiān)控的上述預測網絡指標的值是否超出上述預警門限，如果是， 則觸發(fā)上述預警產生機制。在本發(fā)明網絡風險監(jiān)控方法的另一實施例中，上述步驟1可以進一步細分為多個 步驟，具體參見圖2所示的計算動態(tài)基線實施例的流程圖，包括步驟11、選取與上述網元的網絡指標實際監(jiān)控需求相應的樣本空間；理論上，樣本空間越大，基線數據的失真度越低；但是樣本空間越大，原始數據量 就會越大，這樣便對數據獲取、存儲、運算都帶來更大的開銷和難度。因此需要根據實際監(jiān) 控需要，選擇適當規(guī)模的樣本空間。在實際操作中，例如預測以小時為時間粒度的網絡指標 時，原則上，每個時間點最少要選取過去一個月的歷史數據作為樣本點數據。步驟12、對上述樣本空間的樣本點數據進行預處理，得到有效歷史數據；在本步驟中，對樣本空間的樣本點數據進行預處理時，采用的預處理策略可以 為策略一結合運維期間發(fā)現的故障、節(jié)假日、重大事件等有關情況，確定并排除異 常樣本點數據，保留反映網絡指標變化規(guī)律的典型數據，作為有效歷史數據。策略二按照歷史上異常數據占整個數據量的比例，判斷并刪除最大和最小的數 值，剩余數據作為有效歷史數據。策略三按照概率算法，基于歷史統(tǒng)計數據確定的正常數據比例，選出最為集中分 布的數據作為有效歷史數據。上述策略根據網絡指標的性質以及不同網元，可以獨立使用，也可以結合使用。當 然，根據預測網絡指標的特性不同，還可以采用其它預處理策略對上述樣本空間的樣本點 數據進行處理。本發(fā)明實施例不限制采用何種預處理策略。
步驟13、利用基于歷史統(tǒng)計數據的動態(tài)基線算法計算有效歷史數據的波動范圍， 根據獲得的上述波動范圍確定上述網絡指標的動態(tài)基線；該動態(tài)基線包括上基線和下基 線。所謂基于歷史統(tǒng)計數據的動態(tài)基線算法是指基于歷史統(tǒng)計數據，設定指標在不同 時段的合理變化區(qū)域的方法。其體現了指標在不同時段的規(guī)律性變化的趨勢，也可稱為“趨
勢算法”。作為本發(fā)明的優(yōu)選實施例，參照圖3，示出了本發(fā)明基于歷史統(tǒng)計數據的動態(tài)基線 算法的流程圖，上述步驟13利用的基于歷史統(tǒng)計數據的動態(tài)基線算法可以具體包括以下 步驟步驟131、利用預處理后的網絡指標在某一時間粒度的有效歷史數據，計算網絡指 標在該時間粒度的指標平均值μ ；本步驟中的時間粒度可以根據實際需要任意確定，可以是一小時、幾小時、一天或
一周等。步驟132、利用預處理后的上述網絡指標在某一時間粒度的有效歷史數據和上述 網絡指標在該時間粒度的指標平均值μ，計算該網絡指標在該時間粒度的均方差ο ；步驟133、利用上述網絡指標在某一時間粒度的指標平均值μ和均方差σ，確定 該網絡指標在某一時間粒度的上、下基值。即確定網絡指標在該時間粒度的指標值的合理波動范圍。該網絡指標在上述合理 波動范圍內的最大值即為上基值，同理，該網絡指標在上述合理波動范圍內的最小值即為 下基值。采用根據指標平均值μ和均方差σ確定該網絡指標在某一時間粒度的上下基 值，獲得動態(tài)基線的方法，使動態(tài)基線的獲得脫離了復雜的建模過程，變得簡單便捷，更加 易于實現。在上述采用了圖3所示的基于歷史統(tǒng)計數據的動態(tài)基線算法的優(yōu)選實施例中，上 述步驟1還可以進一步包括步驟14、設置不同級別預警門限的動態(tài)基線。該步驟具體可以設置[μ +2 σ，μ -2 σ ]為一般預警門限的動態(tài)基線；設置[μ +3 σ，μ -3 σ ]為重要預警門限的動態(tài)基線。根據網絡指標的正態(tài)分布特性，設置不同級別的預警門限，可以使用戶根據網絡 實際需求和監(jiān)控需求，靈活的設置預警級別，更加提高了預警的準確性和實用性。上述步驟13中，確定動態(tài)基線的過程為將利用基于歷史統(tǒng)計數據的動態(tài)基線 算法得到的每個時間粒度的上下基值連接為上下動態(tài)基線。包括連接上述網絡指標的 每個時間粒度的最大基值，繪制為上動態(tài)基線。結合上述設置預警級別步驟14說明，利用 每個時間粒度的μ+2 0值連接成上述一般預警門限的上動態(tài)基線；利用每個時間粒度的 μ+3 0值連接成上述重要預警門限的上動態(tài)基線。連接上述網絡指標的每個時間粒度的最小基值，繪制為下動態(tài)基線。結合上述預 警級別步驟14說明，利用每個時間粒度的μ-2σ值連接成上述一般預警門限的下動態(tài)基 線；利用每個時間粒度的μ-3 0值連接成上述重要預警門限的下動態(tài)基線。圖2和圖3說明了動態(tài)基線的確定過程，在實際工作中，我們根據計算出的動態(tài)基線，一般要加上一個容忍度，來確定容忍線，最終把容忍線作為預警門限。下面結合上述實施例獲得的動態(tài)基線，詳細說明上述步驟2根據預設的容忍度和 上述動態(tài)基線確定網絡指標的上下容忍線，作為觸發(fā)預測網絡指標預警產生機制的預警門 限的實施方式首先，根據網絡指標的不同，依經驗選取合理的容忍度。容忍度一般選擇在5% -10%之間，根據實際情況，可以彈性調整上基線與上容忍 線之間的容忍度。其次，依據下列公式計算容忍線上容忍線=上基線X (1+容忍度)X 100%...............公式(1)下容忍線=下基線X (1-容忍度)X 100%...............公式(2)。依據上述實施方式確定的動態(tài)基線和容忍線的關系如圖4所示。本發(fā)明另一方法實施例的步驟2，還可以針對不同的專業(yè)、網絡指標及相應的監(jiān)控 需求，設置多級容忍線，靈活的配置預警。一般，把指標預警級別分為緊急(紅色預警)、嚴 重(橙色預警)、重要(黃色預警)和一般(藍色預警)四個級別就可以滿足監(jiān)控需要，且 比較全面的區(qū)別指標偏離的潛在危險性。其中，各預警級別的代表意義可以定義如下緊急預警提示網絡指標在超出了可容忍的范圍一定長時間后，仍未恢復正常，各 業(yè)務已經受到了嚴重的影響，需要各部門高度集中解決；嚴重預警提示網絡指標已經大幅超出了可容忍的范圍，并且業(yè)務可能受到嚴重 影響，需要立即解決；重要預警提示網絡指標一定程度上超出了可容忍的范圍或超出了一段時間，業(yè) 務可能受到一定影響，需要提示相關人員采取適當的措施緩解或解決；一般預警提示網絡指標已經超出可容忍的范圍，但時間不長，偏離不大，需要提 示相關人員進行跟蹤關注。本發(fā)明上述各方法實施例主要針對指標正常值在不同的時間段波峰、波谷差別較 大，且服從正態(tài)分布規(guī)律的網絡指標。這種正常值在不同的時間段波動范圍比較大的網絡 指標，必須針對不同時段設定不同的預警門限，確定不同時段內指標值的合理分布區(qū)域、異 常分布區(qū)域。對于不同時間段內網絡指標值波動不大的指標，例如，一個在M小時監(jiān)控周期內 正常值范圍波動不大的指標，對該網絡指標進行風險預測時，使用靜態(tài)基準門限方法即可， 即取定一個固定的數值作為該網絡指標的預警門限。在上述各實施例的步驟2中，可以將 靜態(tài)基準門限設置為嚴重預警門限。下面以預測2008年8月份某一地區(qū)網元的“話務掉話比”性能指標為例，詳細闡 述本發(fā)明網絡風險監(jiān)控方法。首先，計算用于預測2008年8月份該地區(qū)的“話務掉話比”的預警門限。包括步驟一、從該地區(qū)網元的“話務掉話比”指標歷史數據庫中，選取2008年7月份該 每天5時 21時的“話務掉話比”指標作為樣本空間。因為每天5時 21時的數據為歷史正常值，而從22時到M時的數據和從0時到 4時的數據，由于上述時間范圍的數據的具有不穩(wěn)定性，很難制定有效合理的波動范圍，所 以選取每天5時 21時的數據作為樣本空間。
假設上述“話務掉話比”指標數據的記錄時間粒度為1小時，即每一小時記錄一個 “話務掉話比”指標數據。因為7月份記錄了 30天的數據，所以該樣本空間包括30天的樣 本數據，每天的樣本數據中又包括17個樣本點數據，這17個樣本點數據記錄了從5時到21 時每個時間粒度的“話務掉話比”指標值。步驟二、計算每天同一時間粒度的“話務掉話比”的平均值μ ；該步驟具體為選取2008年7月1號至30號每天9時(即，8 00 9 00點)這 個時間粒度記錄的“話務掉話比”指標值，共30個樣本點數據。然后計算上述30個樣本點 數據的平均值μ。步驟三、將與上述平均值μ的偏差在100%以上的樣本點數據用平均值μ替代， 經過該步驟處理過的數據確定為有效歷史數據。該步驟即為預處理樣本空間的樣本點數據 的步驟。步驟四、利用均方差計算公式計算上述有效歷史數據的均方差ο ；上述均方差σ的計算公式為
權利要求
1.一種網絡風險監(jiān)控方法，該方法由計算機執(zhí)行，其特征在于，包括步驟一、選取某一網元的服從正態(tài)分布特性的網絡指標的樣本空間，對所述樣本空間 的樣本點數據進行統(tǒng)計分析，計算所述網絡指標的動態(tài)基線；步驟二、根據預設的容忍度和所述動態(tài)基線確定所述網元的網絡指標的上下容忍線， 作為觸發(fā)預測網絡指標預警產生機制的預警門限；步驟三、判斷實時監(jiān)控的所述預測網絡指標的值是否超出所述預警門限，如是，則觸發(fā) 所述預警產生機制。
2.根據權利要求1所述的網絡風險監(jiān)控方法，其特征在于，所述步驟一具體包括 選取與所述網元的網絡指標實際監(jiān)控需求相應的樣本空間；對所述樣本空間的樣本點數據進行預處理，得到有效歷史數據； 利用基于歷史統(tǒng)計數據的動態(tài)基線算法計算所述有效歷史數據的波動范圍，根據獲得 的所述波動范圍確定所述網絡指標的動態(tài)基線，所述動態(tài)基線包括上基線和下基線。
3.根據權利要求2所述的網絡風險監(jiān)控方法，其特征在于，所述基于歷史統(tǒng)計數據的 動態(tài)基線算法為利用預處理后的所述網絡指標在某一時間粒度的有效歷史數據，計算該網絡指標在該 時間粒度的指標平均值μ ；利用預處理后的所述網絡指標在某一時間粒度的有效歷史數據和該時間粒度的指標 平均值μ，計算該網絡指標在該時間粒度的均方差ο ；利用所述網絡指標的指標平均值μ和所述網絡指標的均方差σ，確定該網絡指標在 每個時間粒度的上下基值。
4.根據權利要求3所述的網絡風險監(jiān)控方法，其特征在于，所述步驟二還包括利用數 個所述預設的容忍度設置數級容忍線，把指標預警分為緊急預警、嚴重預警、重要預警和一 般預警。
5.根據權利要求4所述的網絡風險監(jiān)控方法，其特征在于，在所述對所述樣本空間的 樣本點數據進行預處理，得到有效歷史數據的步驟中，采用的預處理策略為結合運維期間發(fā)現的故障、節(jié)假日、重大事件等有關情況，確定并排除異常樣本點數 據，保留反映所述網絡指標變化規(guī)律的典型數據，作為所述有效歷史數據；或者，按照歷史上異常數據占整個數據量的比例，判斷并刪除最大和最小的數值，剩余數據 作為所述有效歷史數據；或者，按照概率算法，基于歷史統(tǒng)計數據確定的正常數據比例，選出最為集中分布的數據作 為所述有效歷史數據。
6.根據權利要求4所述的網絡風險監(jiān)控方法，其特征在于，所述步驟一進一步包括 根據所述網絡指標的正態(tài)分布特性，將每個時間粒度的[μ+2ο，μ-2σ]上下基值設置一般預警門限的動態(tài)基線；根據所述網絡指標的正態(tài)分布特性，將每個時間粒度的[μ+3ο，μ-3σ]上下基值設 置重要預警門限的動態(tài)基線。
7.根據權利要求6所述的網絡風險監(jiān)控方法，其特征在于，在所述步驟二中，將靜態(tài)基 準門限設置為嚴重預警門限。
8.根據權利要求1 7任一所述的網絡風險監(jiān)控方法，其特征在于，所述網絡指標為網絡的性能指標。
9.一種網絡風險監(jiān)控裝置，其特征在于，包括動態(tài)基線確定模塊，用于選取某一網元的服從正態(tài)分布特性的網絡指標的樣本空間， 對所述樣本空間的樣本點數據進行統(tǒng)計分析，計算所述網絡指標的動態(tài)基線；預警門限確定模塊，用于根據預設的容忍度和所述動態(tài)基線確定模塊獲取的動態(tài)基線 確定所述網絡指標的上下容忍線，作為觸發(fā)預測網絡指標預警產生機制的預警門限；預警觸發(fā)模塊，用于判斷實時監(jiān)控的所述預測網絡指標的值是否超出所述預警門限確 定模塊設定的預警門限，若是，則觸發(fā)預警產生機制。
10.根據權利要求9所述的網絡風險監(jiān)控裝置，其特征在于，所述動態(tài)基線確定模塊具 體包括樣本空間獲取單元，用于選取與所述網元的網絡指標實際監(jiān)控需求相應的樣本空間； 預處理單元，用于對所述樣本空間獲取單元獲取的樣本空間的樣本點數據進行預處 理，獲得有效歷史數據；動態(tài)基線計算單元，利用基于歷史統(tǒng)計數據的動態(tài)基線算法計算所述預處理單元獲 得的所述有效歷史數據的波動范圍，根據獲得的所述波動范圍確定所述網絡指標的動態(tài)基 線，所述動態(tài)基線包括上基線和下基線。
11.根據權利要求10所述的網絡風險監(jiān)控裝置，其特征在于，所述動態(tài)基線計算單元 采用的基于歷史統(tǒng)計數據的動態(tài)基線算法為利用所述預處理單元獲得的所述網絡指標在某一時間粒度的有效歷史數據，計算該網 絡指標在該時間粒度的指標平均值μ ；利用所述預處理單元獲得的所述網絡指標在某一時間粒度的有效歷史數據和該時間 粒度的指標平均值μ，計算該網絡指標在該時間粒度的均方差ο ；利用所述網絡指標的指標平均值μ和所述網絡指標的均方差σ，確定該網絡指標在 每個時間粒度的上下基值。
12.根據權利要求11所述的網絡風險監(jiān)控裝置，其特征在于，所述預警門限確定模塊 還包括預警門限級別設定單元，利用數個所述預設的容忍度設置數級容忍線，把指標預警分 為緊急預警、嚴重預警、重要預警和一般預警。
13.根據權利要求12所述的網絡風險監(jiān)控裝置，其特征在于，所述預處理單元對樣本 空間的樣本點數據進行預處理時，采用的預處理策略為結合運維期間發(fā)現的故障、節(jié)假日、重大事件等有關情況，確定并排除異常樣本點數 據，保留反映所述網絡指標變化規(guī)律的典型數據，作為所述有效歷史數據；或者，按照歷史上異常數據占整個數據量的比例，判斷并刪除最大和最小的數值，剩余數據 作為所述有效歷史數據；或者，按照概率算法，基于歷史統(tǒng)計數據確定的正常數據比例，選出最為集中分布的數據作 為所述有效歷史數據。
14.根據權利要求12所述的網絡風險監(jiān)控裝置，其特征在于，所述動態(tài)基線確定模塊 進一步包括預警門限基線級別設定單元，用于根據所述網絡指標的正態(tài)分布特性，將每個時間粒度的[μ+2ο，μ-2σ]上下基值設置一般預警門限的動態(tài)基線；將每個時間粒度的 [μ+3σ , μ-3 σ]上下基值設置重要預警門限的動態(tài)基線。
15.根據權利要求14所述的網絡風險監(jiān)控裝置，其特征在于，所述預警門限級別設定 單元將靜態(tài)基準門限設置為嚴重預警門限。
16.根據權利要求9 15任一所述的網絡風險監(jiān)控裝置，其特征在于，所述網絡指標為 網絡的性能指標。
全文摘要
本發(fā)明提供了一種網絡風險監(jiān)控方法和裝置，其中，上述方法由計算機執(zhí)行，包括步驟一、選取某一網元的服從正態(tài)分布特性的網絡指標的樣本空間，對樣本空間的樣本點數據進行統(tǒng)計分析，計算動態(tài)基線；步驟二、根據預設的容忍度和上述動態(tài)基線確定網絡指標的上下容忍線，作為觸發(fā)預測網絡指標預警產生機制的預警門限；步驟三、判斷實時監(jiān)控的預測網絡指標的值是否超出預警門限，如是，則觸發(fā)預警產生機制。本發(fā)明通過動態(tài)門限方法的實現，可更合理精確的設置門限值，觸發(fā)多種預警級別，達到對網絡的精確監(jiān)控，挖掘網絡中的隱性故障，最終實現把現有技術對網絡故障的事后問題分析轉向問題產生前的網絡指標主動監(jiān)控，有效保障網絡的正常運行。
文檔編號H04L12/24GK102111307SQ200910265479
公開日2011年6月29日 申請日期2009年12月29日 優(yōu)先權日2009年12月29日
發(fā)明者孫大為, 林春庭, 潘陽發(fā), 王宇飛, 袁海鵬, 陳曉 申請人:億陽信通股份有限公司