專利名稱：一種移動(dòng)核心網(wǎng)異常數(shù)據(jù)線性判別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通訊網(wǎng)絡(luò)領(lǐng)域，尤其涉及一種移動(dòng)核心網(wǎng)異常數(shù)據(jù)線性判別方法。
背景技術(shù)：
1987年，我國首個(gè)TACS模擬蜂窩移動(dòng)電話系統(tǒng)在廣東建成并投入商用并在廣州 開通了我國第一個(gè)移動(dòng)電話局，首批移動(dòng)用戶僅有700個(gè)。截至2009年12月底，中國移動(dòng) 用戶數(shù)量已達(dá)到5. 22億個(gè)，居于世界移動(dòng)用戶數(shù)量之首。由此可見，中國移動(dòng)通信業(yè)務(wù)發(fā) 展之快舉世矚目。所以在當(dāng)今移動(dòng)通信業(yè)務(wù)高速發(fā)展的情形下，研究移動(dòng)通信網(wǎng)絡(luò)異常檢 測技術(shù)，防止網(wǎng)絡(luò)癱瘓，及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)故障，保障網(wǎng)絡(luò)運(yùn)行安全，提高網(wǎng)絡(luò)運(yùn)行質(zhì)量是保障 人們正常生活和工作以及促進(jìn)國民經(jīng)濟(jì)健康發(fā)展的關(guān)鍵所在。早在1986年，Derming運(yùn)用專家系統(tǒng)法首次建立了互聯(lián)網(wǎng)實(shí)時(shí)網(wǎng)絡(luò)入侵檢測模 型，該模型是基于安全性侵犯的假設(shè)，通過對網(wǎng)絡(luò)系統(tǒng)過往異常模式進(jìn)行監(jiān)控達(dá)到檢測的 目標(biāo)。Bauer和Koblentz (1988)及Heady和Luger等(1990)進(jìn)一步運(yùn)用專家系統(tǒng)研究了 互聯(lián)網(wǎng)實(shí)時(shí)網(wǎng)絡(luò)入侵檢測問題。Heady，Luger, Maccabe和Servilla(1990)提出了網(wǎng)絡(luò)級 入侵檢測系統(tǒng)的初步結(jié)構(gòu)，通過對該系統(tǒng)正常模式和異常模式的信息進(jìn)行學(xué)習(xí)，用來檢測 網(wǎng)絡(luò)數(shù)據(jù)包中的各層信息。Samfat and MolVa(1997)提出一種移動(dòng)網(wǎng)絡(luò)入侵檢測分布式 系統(tǒng)，該系統(tǒng)根據(jù)移動(dòng)電話的活動(dòng)和遷移模式，建立用戶行為模型，對移動(dòng)入侵者實(shí)時(shí)進(jìn)行 跟蹤和檢測。Buschkes，Kesdogan and Reichl (1998)建立了蜂窩無線網(wǎng)絡(luò)貝葉斯模型，用 來對網(wǎng)絡(luò)異常進(jìn)行檢測。Shyu，Chen, Sarirmapakorn和Chan(2003)利用主成分分類器研 究網(wǎng)絡(luò)入侵檢測問題，通過把異常值看成是離群值，利用正常值的第一主成分和第二主成 分來構(gòu)造入侵預(yù)測模型，其中訓(xùn)練樣本可以是非監(jiān)督的。Sim和Yu(2004)提出一種在線的 異常檢測算法，能有效地識別蜂窩移動(dòng)網(wǎng)絡(luò)中一組特殊的網(wǎng)絡(luò)入侵者。通過高階Markov模 型，建立移動(dòng)用戶的流動(dòng)模式特征，并使用指數(shù)權(quán)值移動(dòng)平均技術(shù)修正用戶的正常信息，該 正常信息能反映每個(gè)用戶的正常行為特征以及對異常變化的敏感。Leimg和Leckie (2005) 利用聚類算法對網(wǎng)絡(luò)入侵進(jìn)行非監(jiān)督異常檢測。Patcha和Park(2007)給出近年來在異常 檢測系統(tǒng)及雜和入侵系統(tǒng)領(lǐng)域研究方法的綜述，介紹了機(jī)器學(xué)習(xí)、統(tǒng)計(jì)異常檢測和數(shù)據(jù)挖 掘等方法在該研究領(lǐng)域中的應(yīng)用。Pawling，Chawla和Madey (2007)提出一種聚類算法，用 來快速識別移動(dòng)通信網(wǎng)絡(luò)中的異常數(shù)據(jù)點(diǎn)。Kumpulainen和Hatiinen (2008)提出一種適 用于移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)的異常檢測方法，該方法利用自組織映射技術(shù)從數(shù)據(jù)樣本中檢測出偏離 正常頒分布的異常行為。我國在移動(dòng)通信網(wǎng)絡(luò)入侵檢測(或異常檢測)領(lǐng)域的研究起步較晚。王松，王衛(wèi) 紅和張繁(2004)從異常檢測和誤用檢測兩種入侵檢測方法提出了適用于移動(dòng)ad-hoc網(wǎng)絡(luò) 的異常入侵檢測系統(tǒng)。朱智林，左天軍和韓俊剛(2004)探討了移動(dòng)計(jì)費(fèi)系統(tǒng)中異常數(shù)據(jù)的 預(yù)防與檢測問題。高晴(2007)針對無線市話組網(wǎng)中的掉話、信號弱、擁塞率高、二次撥號等 問題，提出了對無線市話進(jìn)行網(wǎng)絡(luò)優(yōu)化的一些方案。在網(wǎng)絡(luò)入侵異常檢測研究方法上，馬汝 輝，劉淵和林星(2008)提出一種基于KQPSO聚類算法的網(wǎng)絡(luò)異常檢測模型.該模型利用K-Means聚類算法的結(jié)果重新初始化粒子群，聚類過程都是根據(jù)數(shù)據(jù)間的Euclidean(歐幾 里德)距離。再通過量子粒子群優(yōu)化算法(QPSO)尋找聚類中心。郭文忠，陳國龍和陳慶良 (2009)對帶變長檢測器的否定選擇算法進(jìn)行了改進(jìn)，提出了一種改進(jìn)的否定選擇算法，用 來研究移動(dòng)檢測器的控制檢測器覆蓋問題，該改進(jìn)算法適用于在網(wǎng)絡(luò)異常檢測中的高維數(shù) 據(jù)集上進(jìn)行網(wǎng)絡(luò)異常檢測。楊小明和施瑩(2009)提出一種基于粒子群優(yōu)化算法，用來對訓(xùn) 練好的模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)異常檢測，提高對異常狀態(tài)的檢測率，降低對正常狀態(tài)的誤 判率。黃強(qiáng)盛，程久軍，康欽馬(2010)利用高階AR模型對網(wǎng)絡(luò)異常進(jìn)行檢測。這些模型和算法都是對移動(dòng)網(wǎng)絡(luò)硬件故障或軟件故障進(jìn)行研究，或是對網(wǎng)絡(luò)其他 一些性能指標(biāo)進(jìn)行分析。到目前為止，還未見有利用移動(dòng)核心網(wǎng)性能數(shù)據(jù)進(jìn)行分析，從對數(shù) 據(jù)異常的判斷達(dá)到對網(wǎng)絡(luò)異常的告警的文獻(xiàn)報(bào)導(dǎo)。本發(fā)明首次公開了一種通過對移動(dòng)核心網(wǎng)性能數(shù)據(jù)(也即BSC的TRAU數(shù)據(jù))的 歷史分布規(guī)律進(jìn)行分析，分別抽象出上行異常曲線和下行異常曲線不同的數(shù)據(jù)異常特征， 然后建立數(shù)學(xué)模型來對移動(dòng)核心網(wǎng)的上行異常數(shù)據(jù)與下行異常數(shù)據(jù)分別進(jìn)行識別，通過對 移動(dòng)核心網(wǎng)性能數(shù)據(jù)的異常數(shù)據(jù)進(jìn)行識別達(dá)到發(fā)現(xiàn)網(wǎng)絡(luò)發(fā)生異常并給予告警的目的。本發(fā) 明給出的移動(dòng)核心網(wǎng)異常數(shù)據(jù)線性判別方法對異常數(shù)據(jù)的識別，判別準(zhǔn)確率達(dá)到100%。

發(fā)明內(nèi)容
本發(fā)明解決的技術(shù)問題是克服現(xiàn)有技術(shù)的不足，提供一種新的移動(dòng)通信網(wǎng)絡(luò)異常 判別方法，即移動(dòng)核心網(wǎng)異常數(shù)據(jù)線性判別方法，其針對移動(dòng)核心網(wǎng)性能數(shù)據(jù)，即BSC的 TRAU數(shù)據(jù)進(jìn)行分析。本發(fā)明簡單易行且能夠達(dá)到100%的判別準(zhǔn)確率。為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案如下本發(fā)明研究這樣一種異常現(xiàn)象由于移動(dòng)網(wǎng)絡(luò)用戶數(shù)量突然增加而導(dǎo)致某個(gè)BSC 的TRAU曲線突然嚴(yán)重偏離其他大多數(shù)BSC的TRAU話務(wù)量曲線的現(xiàn)象稱為數(shù)據(jù)突增事件。
權(quán)利要求
1.一種移動(dòng)核心網(wǎng)異常數(shù)據(jù)線性判別方法，所述的移動(dòng)核心網(wǎng)數(shù)據(jù)是TRAU話務(wù)量數(shù) 據(jù)，其特征在于，通過研究移動(dòng)核心網(wǎng)BSC的TRAU話務(wù)量曲線分布規(guī)律，對移動(dòng)核心網(wǎng)性能 數(shù)據(jù)進(jìn)行判別分析，具體包括以下步驟①確定異常曲線；②設(shè)定風(fēng)險(xiǎn)警界線；③建立兩個(gè)類別數(shù)據(jù)點(diǎn)；④建立異常數(shù)據(jù)線性判別模型；⑤確定判別閾值；⑥建立判別準(zhǔn)則；⑦判別分析TRAU話務(wù)量異常數(shù)據(jù)。
2.根據(jù)權(quán)利要求1所述的移動(dòng)核心網(wǎng)異常數(shù)據(jù)線性判別方法，其特征在于，所述步驟①確定異常曲線具體為將移動(dòng)核心網(wǎng)每一個(gè)BSC的TRAU曲線分為正常曲線和異常曲線兩 種曲線，所述異常曲線包括上行異常曲線和下行異常曲線。
3.根據(jù)權(quán)利要求2所述的移動(dòng)核心網(wǎng)異常數(shù)據(jù)線性判別方法，其特征在于，所述步驟②設(shè)定風(fēng)險(xiǎn)警界線具體為找出某條上行異常曲線在所觀測的時(shí)間范圍內(nèi)第一次達(dá)到的峰 值，稱之為最大承載量臨界值，記為M，數(shù)據(jù)突增臨界值C = M-a，其中α為不大于該BSC最大承載量臨界值M的丄的最大整數(shù)，即^M，其中T為某一常數(shù)因子，且滿足
4.根據(jù)權(quán)利要求3所述的移動(dòng)核心網(wǎng)異常數(shù)據(jù)線性判別方法，其特征在于，所述步驟③建立兩個(gè)類別數(shù)據(jù)點(diǎn)具體為利用上行風(fēng)險(xiǎn)警界線和下行風(fēng)險(xiǎn)警界線將TRAU話務(wù)量數(shù) 據(jù)分為兩類正常點(diǎn)類別和異常點(diǎn)類別，所述異常點(diǎn)類別包括上行異常點(diǎn)類別和下行異常 點(diǎn)類別，對任一 TRAU話務(wù)量數(shù)據(jù)X，
5.根據(jù)權(quán)利要求4所述的移動(dòng)核心網(wǎng)異常數(shù)據(jù)線性判別方法，其特征在于，所述步驟④建立異常數(shù)據(jù)線性判別模型具體為對每一條TRAU話務(wù)量曲線，利用兩個(gè)類別中的數(shù)據(jù) 建立所對應(yīng)的TRAU話務(wù)量曲線的異常數(shù)據(jù)線性判別模型；上行異常曲線的異常數(shù)據(jù)線性判別模型稱為上行異常數(shù)據(jù)線性判別模型，記Sf ±
6.根據(jù)權(quán)利要求5所述的移動(dòng)核心網(wǎng)異常數(shù)據(jù)線性判別方法，其特征在于，所述步驟⑤確定判別閾值具體為所述判別閾值包括上行判別閾值和下行判別閾值，分別記為WJ^ Wt ；所述上行判別閾值1±為上行異常曲線的判別閥值，Wi= (C)；所述下行判別閥值W τ為下行異常曲線的判別閥值，Wt= fT(0)。
7.根據(jù)權(quán)利要求6所述的移動(dòng)核心網(wǎng)異常數(shù)據(jù)線性判別方法，其特征在于，所述步驟⑥建立判別準(zhǔn)則具體為所述判別準(zhǔn)則包括上行異常曲線的上行判別準(zhǔn)則和下行異常曲線 的下行判別準(zhǔn)則；所述上行判別準(zhǔn)則為令d±= (x)-W±，將任一 TRAU話務(wù)量數(shù)據(jù)X帶入此式，則
8.根據(jù)權(quán)利要求7所述的移動(dòng)核心網(wǎng)異常數(shù)據(jù)線性判別方法，其特征在于，所述步驟⑦判別分析TRAU話務(wù)量異常數(shù)據(jù)具體為利用所述上行判別準(zhǔn)則和下行判別準(zhǔn)則對新的 TRAU話務(wù)量數(shù)據(jù)進(jìn)行判別分析。
全文摘要
本發(fā)明涉及通訊網(wǎng)絡(luò)領(lǐng)域，所要解決的技術(shù)問題是提供一種新的移動(dòng)通信網(wǎng)絡(luò)異常判別方法，即移動(dòng)核心網(wǎng)異常數(shù)據(jù)線性判別方法，本發(fā)明通過研究移動(dòng)核心網(wǎng)BSC的TRAU話務(wù)量數(shù)據(jù)分布規(guī)律，建立異常數(shù)據(jù)線性判別模型和判別準(zhǔn)則，用來對移動(dòng)核心網(wǎng)性能數(shù)據(jù)進(jìn)行判別分析。本發(fā)明簡單易行，且判別準(zhǔn)確率達(dá)到100％。
文檔編號H04W24/04GK102006614SQ20101055437
公開日2011年4月6日 申請日期2010年11月19日 優(yōu)先權(quán)日2010年11月19日
發(fā)明者龐素琳, 汪壽陽 申請人:暨南大學(xué)