一种蜂窝网络数据异常检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110839256A(43)申请公布日2020.02.25(21)申请号201910919504.6(22)申请日2019.09.26(71)申请人西安交通大学地址710049陕西省西安市咸宁西路28号(72)发明人杜清河比拉勒.侯赛因石晓景(74)专利代理机构西安通大专利代理有限责任公司61200代理人姚咏华(51)Int.Cl.H04W24/08(2009.01)权利要求书2页说明书6页附图3页(54)发明名称一种蜂窝网络数据异常检测方法(57)摘要本发明公开了一种蜂窝网络数据异常检测方法，将网络分成多个区域，每个区域由边缘服务器监控，通过基站获取每个用户的CDR数据，并将获取的CDR数据传输至核心网络；核心网络将获取的CDR数据根据边缘服务器布置，核心网络将属于一个边缘服务器范围内的所有CDR数据进行整合形成一个边缘服务器的网络结构数据集后将形成的网络结构数据集传输至该边缘服务器，然后将网络结构数据集进行预处理形成网格图像，馈送到剩余网络CN模型，输出所识别异常小区的多标签向量，通过边缘服务器获取每个基站中每个用户的CDR数据，减轻了CN对网络中每个小区进行数据分析的巨大计算负担，从而解决了不断升级的小区中断和拥塞问题。CN110839256ACN110839256A权利要求书1/2页1.一种蜂窝网络数据异常检测方法，其特征在于，包括以下步骤：步骤1)、通过基站获取每个用户的CDR数据，并将获取的CDR数据传输至核心网络；步骤2)、核心网络将获取的CDR数据根据边缘服务器布置，核心网络将属于一个边缘服务器范围内的所有CDR数据进行整合形成一个边缘服务器的网络结构数据集后将形成的网络结构数据集传输至该边缘服务器；步骤3)、边缘服务器(ES)将接收到的网络结构数据集进行预处理形成网格图像；步骤4)、边缘服务器基于剩余网络CN模型识别网格图像获取对应小区的蜂窝网络数据m×100是否异常：基于欧几里得距离生成标签Ytotal∈R，其中100表示输出级的总数，如果||μ-55σ||2>||a||2>||μ+σ||2，标记为1，否则标记为0，其中a∈R表示小区CDR数据，其中μ∈R为小区CDR数据的均质元素，σ∈R5为小区CDR数据的标准差元素，输出级1表示对应小区工作异常；输出级0表示对应小区工作正常。2.根据权利要求1所述的一种蜂窝网络数据异常检测方法，其特征在于，CDR数据包括呼叫传入次数、短信传入次数、呼叫传出次数、短信传出次数和互联网流量。3.根据权利要求1所述的一种蜂窝网络数据异常检测方法，其特征在于，CDR数据通过LTE-A移动网络架构的核心网络生成。4.根据权利要求1所述的一种蜂窝网络数据异常检测方法，其特征在于，边缘服务器根据自身辐射范围和外部小区连接便利性设置，一个边缘服务器覆盖多个小区基站，一个边缘服务器与其覆盖多的个小区基站构成一个服务群。5.根据权利要求1所述的一种蜂窝网络数据异常检测方法，其特征在于，核心网络将多个基站获取的CDR数据进行数据融合，根据边缘服务器的设置，核心网络将一个边缘服务器，形成整体网络结构数据集；多个基站实时采集每个用户的CDR数据，对核心网络的整体网络结构数据集进行实时更新。6.根据权利要求1所述的一种蜂窝网络数据异常检测方法，其特征在于，步骤3)具体为：将网络结构数据集转换为一个3维矩阵其中i是网格图像索引，和分别为网格图像的高度、宽度和通道数量；其中高度和宽度组成网格条目，代表从Trentino网格底部选择的小区数量，通道数量表示每个小区的CDR数据。7.根据权利要求1所述的一种蜂窝网络数据异常检测方法，其特征在于，剩余网络CN模型包括卷积层、汇集层和全连接层。8.根据权利要求7所述的一种蜂窝网络数据异常检测方法，其特征在于，卷积层用于接受输入集其中l代表当前层的编号；滤波器其中f[l]是滤波器大小，是单个滤波器的维度，是滤波器的总数；卷积层在输入集和每个滤波器之间执行并行卷积运算，添加偏差，应用整流线性单元函数，最后，叠加每个结果以形成输出高度计算为：2CN110839256A权利要求书2/2页其中，p[l]是填充数，s[l]是步幅。9.根据权利要求7所述的一种蜂窝网络数据异常检测方法，其特征在于，max函数用于汇集层中，汇集层根据过滤器大小f从输入集的区域汇集最大数量，以生成输出集；如果输入集的维度是nH×nW×nC，输出集的维度可以用公式得出，其中p＝0为10.根据权利要求7所述的一种蜂窝网络数据异常检测方法，其特征在于，全连接层采用前馈神经网络的隐藏层，其中每个隐藏单元连接到前一层的所有隐藏单元。3CN110839256A说明书1/6页一种蜂窝网络数据异常检测方法技术领域[0001]本发明涉及