[发明专利]预测网络设备异常的方法、装置、设备及存储介质

说明书

本发明属于网络监控技术领域，公开了一种预测网络设备异常的方法、装置、设备及存储介质。该方法包括：根据预设的待监控网络指标，分时段采集待监控网络设备提供的网络指标数据；对各时段的网络指标数据进行分析，得到待监控网络指标对应的变化率；根据变化率和预设的预警策略，预测待监控网络设备是否将要出现异常；若预测待监控网络设备将要出现异常，则根据变化率和各时段的网络指标数据，生成预警信息。通过上述方式，解决了现有技术中无法提前预测网络设备是否将要出现异常的技术问题。

技术领域

本发明涉及网络监控技术领域，尤其涉及一种预测网络设备异常的方法、装置、设备及存储介质。

背景技术

随着互联网业务的发展，网络规模也越来越大，接入网络的网络设备也越来越多，为了保障网络性能，对接入云平台的网络设备的监控和维护工作也变得越来越重要。

目前，常用的一种对网络设备的监控方式是：通过实时监控网络设备产生的某一项网络指标对应的网络数据(以下称为：网络指标数据)的突变情况，来确定网络设备是否存在异常。具体的监控方式是通过使用绝对静态阈值对网络指标数据进行监控，以网络指标数据为网络链路中传输的数据流量为例，在对数据流量的监控过程中，具体是通过预设一个告警阈值，若数据流量高于预设的告警阈值则触发告警。虽然，这种监控方式简单明了，易于实现，但是却无法对网络设备连续时间段内产生的网络指标数据进行一个完整的分析和评估，无法在达到静态阈值之前预测出网络设备的异常。也就是说，现有的监控方法通常都是在异常发生后才做出预警，根本无法达到提前预警的效果。

所以，亟需提供一种能够预测网络设备异常的方法，以提前预测网络设备的异常情况。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种预测网络设备异常的方法、装置、设备及存储介质，旨在解决现有技术无法提前预测网络设备是否将出现异常的技术问题。

为实现上述目的，本发明提供了一种预测网络设备异常的方法，所述方法包括以下步骤:

根据预设的待监控网络指标，分时段采集待监控网络设备提供的网络指标数据；

对各时段的网络指标数据进行分析，得到所述待监控网络指标对应的变化率；

根据所述变化率和预设的预警策略，预测所述待监控网络设备是否将要出现异常；

若预测所述待监控网络设备将要出现异常，则根据所述变化率和各时段的网络指标数据，生成预警信息。

优选地，所述对各时段的网络指标数据进行分析，得到所述待监控网络指标对应的变化率，包括：

基于预设的分析模型对各时段的网络指标数据进行分析，得到所述待监控网络指标在各时段的指标数值；

根据各时段的指标数值，计算所述待监控网络指标对应的变化率。

优选地，其特征在于，所述基于预设的分析模型对各时段的网络指标数据进行分析的步骤之前，所述方法还包括：

基于深度机器学习法，构建所述分析模型；

其中，所述基于深度机器学习法，构建所述分析模型，包括：

根据样本数据构建第一训练模型；

根据预设的分层标准，将所述第一训练模型中各隐藏层的初始网络层拆分为至少两个子网络层；

采用自下上升的非监督训练方式，以与所述第一训练模型中输入层相连的隐藏层为起点，与所述第一训练模型中输出层相连的隐藏层为终点，依次对所述第一训练模型中各隐藏层中的子网络层进行训练，得到第二训练模型；