1.一種基于雙分支模型的網(wǎng)絡(luò)異常檢測方法，其特征在于包括以下步驟：
2.如權(quán)利要求1所述一種基于雙分支模型的網(wǎng)絡(luò)異常檢測方法，其特征在于在步驟1)中，在步驟1)中，所述kpi數(shù)據(jù)包括rrc連接建立成功率、小區(qū)rlc層下行丟包率、同頻切換執(zhí)行成功率、無線掉線率。
3.如權(quán)利要求1所述一種基于雙分支模型的網(wǎng)絡(luò)異常檢測方法，其特征在于在步驟1)中，在步驟1)中，所述數(shù)據(jù)預(yù)處理用于解決由于異常的罕見性帶來的數(shù)據(jù)不平衡問題，數(shù)據(jù)預(yù)處理通過過采樣和欠采樣平衡數(shù)據(jù)集，通過特征選取優(yōu)化特征集，具體包括過采樣、聚類與欠采樣、特征選擇、基于互信息的特征選擇；
4.如權(quán)利要求1所述一種基于雙分支模型的網(wǎng)絡(luò)異常檢測方法，其特征在于在步驟2)中，構(gòu)建異常檢測網(wǎng)絡(luò)的具體步驟包括：將歷史數(shù)據(jù)分別輸入對比學(xué)習(xí)分支以及注意力機(jī)制分支，通過對比學(xué)習(xí)分支學(xué)習(xí)數(shù)據(jù)結(jié)構(gòu)內(nèi)部關(guān)聯(lián)，計算對比損失；通過注意力機(jī)制分支學(xué)習(xí)數(shù)據(jù)先驗關(guān)聯(lián)以及序列關(guān)聯(lián)，計算重構(gòu)損失；然后聯(lián)合優(yōu)化多任務(wù)損失函數(shù)，計算異常分?jǐn)?shù)，得到異常檢測網(wǎng)絡(luò)。
5.如權(quán)利要求1所述一種基于雙分支模型的網(wǎng)絡(luò)異常檢測方法，其特征在于在步驟2)中，所述將預(yù)處理后的數(shù)據(jù)分別輸入對比學(xué)習(xí)分支以及注意力機(jī)制分支，其中包括：對比學(xué)習(xí)分支包含兩個相同結(jié)構(gòu)的子網(wǎng)絡(luò)，均使用多層感知器將輸入樣本映射到低維嵌入；定義從單個設(shè)備測量的時間序列數(shù)據(jù)為x＝{x1,x2，…，xt}，其中，xi∈rd表示時間t的觀測值，d為時間序列維度；將原始序列x復(fù)制多份,對每個時刻的多元時間序列數(shù)據(jù)在不同位置進(jìn)行分片組合，即數(shù)據(jù)重組，根據(jù)指標(biāo)個數(shù)確定分片大小k，分為a、b兩部分，組合數(shù)為m＝d-k+1；和j＝j(luò)'時這兩個互補(bǔ)的組合是一對正例對，其余組合均為負(fù)例對,表示對輸入x的數(shù)據(jù)重組；通過對比學(xué)習(xí)學(xué)習(xí)一個特征空間，最大化正樣本之間的相似性，同時最小化負(fù)樣本之間的相似性，從而學(xué)習(xí)到數(shù)據(jù)結(jié)構(gòu)內(nèi)部的關(guān)聯(lián)；對比損失lc由以下交叉熵?fù)p失函數(shù)計算：
6.如權(quán)利要求1所述一種基于雙分支模型的網(wǎng)絡(luò)異常檢測方法，其特征在于在步驟2)中，所述將預(yù)處理后的數(shù)據(jù)分別輸入對比學(xué)習(xí)分支以及注意力機(jī)制分支，其中包括：由于單分支自注意力機(jī)制不能同時對先驗關(guān)聯(lián)和序列關(guān)聯(lián)進(jìn)行建模，使用多層具有雙分支結(jié)構(gòu)的自注意力機(jī)制；對于先驗關(guān)聯(lián)，采用一個可學(xué)習(xí)的高斯核來計算關(guān)于相對時間距離的先驗；還對高斯核使用一個可學(xué)習(xí)的尺度參數(shù)σ，使得先驗關(guān)聯(lián)能夠適應(yīng)不同的時間序列模式；
7.如權(quán)利要求1所述一種基于雙分支模型的網(wǎng)絡(luò)異常檢測方法，其特征在于在步驟2)中，聯(lián)合優(yōu)化多任務(wù)損失函數(shù)具體包括：將聯(lián)合損失loss定義為：
8.如權(quán)利要求1所述一種基于雙分支模型的網(wǎng)絡(luò)異常檢測方法，其特征在于在步驟2)中，計算異常分?jǐn)?shù)具體包括：設(shè)計一個異常分?jǐn)?shù)作為異常標(biāo)準(zhǔn)，正常數(shù)據(jù)點之間具有很強(qiáng)的相關(guān)性，因此通過對比學(xué)習(xí)得到的表示結(jié)果正例對之間的距離小于負(fù)例對，定義異常分?jǐn)?shù)如下：
9.如權(quán)利要求1所述一種基于雙分支模型的網(wǎng)絡(luò)異常檢測方法，其特征在于在步驟3)中，所述在線檢測階段，使用步驟2)得到的異常檢測網(wǎng)絡(luò)進(jìn)行實時的網(wǎng)絡(luò)異常檢測，具體包括：
10.一種基于雙分支時間序列的網(wǎng)絡(luò)異常檢測裝置，其特征在于依次設(shè)有數(shù)據(jù)獲取模塊、離線訓(xùn)練模塊、實時檢測模塊、反饋模塊；