网络势态分析方法和装置、电子设备、存储介质与流程

1.本技术涉及通信技术领域，具体涉及一种网络势态分析方法和装置、电子设备、存储介质。


背景技术：

2.目前，在对通信网络的态势感知中，通常采用数据解析的方式对通信网络中的网络设备以及链路产生的数据进行分析，以确定各个网络设备是否正常工作。但是，上述分析方式无法全面的衡量通信网络中的网络状态，降低了通信效率。


技术实现要素：

3.为此，本技术提供一种网络势态分析方法和装置、电子设备、存储介质，解决如何全面衡量通信网络的网络势态，从而提升通信网络中各个设备之间的通信效率的问题。
4.为了实现上述目的，本技术第一方面提供一种网络势态分析方法，方法包括：基于时间顺序对采集到的网络信息进行处理，获得网络状态图像，其中，网络信息包括：网络拓扑信息、网元状态信息、链路状态信息和网管接口状态信息中的至少一种；将网络状态图像输入到目标卷积神经网络进行分析，获得网络态势信息。
5.在一些可选的实施方式中，网络态势信息包括：正常状态信息、异常状态信息和故障信息中的至少一种；
6.其中，异常状态信息包括：网元设备异常信息、链路异常信息和网管设备异常信息中的至少一种；
7.故障信息包括：网元设备故障信息、链路故障信息和网管设备故障信息中的至少一种。
8.在一些可选的实施方式中，基于时间顺序对采集到的网络信息进行处理，获得网络状态图像，包括：
9.分别对网元状态信息、链路状态信息和网管接口状态信息进行格式化处理，获得格式化后的网络拓扑信息、格式化后的网元状态信息、格式化后的链路状态信息和格式化后的网管接口状态信息；
10.依据网络信息本身的产生时间，对格式化后的网络拓扑信息、格式化后的网元状态信息、格式化后的链路状态信息和格式化后的网管接口状态信息进行拼接，获得拼接信息；对拼接信息进行图像化处理，生成网络状态图像。
11.在一些可选的实施方式中，网络拓扑信息包括：网元设备的数量、网管设备的数量、不同网元设备之间的链路信息、以及网管设备与各个网元设备之间的接口信息中的至少一种。
12.在一些可选的实施方式中，网元状态信息包括：属性信息、配置信息、性能信息和告警信息中的至少一种；其中，属性信息包括设备厂商信息、入网时间、网元所属区域信息中的至少一种；性能信息包括：网元设备运行时的负荷和/或时延信息；
13.链路状态信息包括：链路的输入端信息和输出端信息、链路容量信息和负荷信息，链路容量信息包括最大带宽、最低时延和最大利用率中的至少一种；负荷信息包括：实际带宽、带宽利用率、丢包率和时延信息中的至少一种；
14.网管接口状态信息包括：网管配置信息、网管性能信息、网管告警信息中的至少一种，其中，网管性能信息包括网管设备运行时的负荷信息和/或时延信息，网管告警信息包括网管设备与各个网元设备之间的接口告警信息。
15.在一些可选的实施方式中，将网络状态图像输入到目标卷积神经网络进行分析，获得网络态势信息之前，还包括：
16.基于训练数据对初始卷积神经网络进行训练，获得目标卷积神经网络；
17.其中，训练数据是基于对多个携带有网络信息的图像进行标注生成的数据，训练数据包括：多个样本图像，多个样本图像之间具有时间连续性；
18.目标卷积神经网络的输出数据包括：与样本图像中的时间信息对应的网络态势信息。
19.在一些可选的实施方式中，采用第一时间点的样本图像和第一网络势态信息之间的对应关系作为对网络势态信息的准确性的判断依据，采用第一时间点的样本图像和第二网络势态信息之间的对应关系作为对网络势态信息的预测的准确性的依据；
20.其中，第一网络势态信息为将第一时间点采集到的样本图像输入到目标卷积神经网络中进行分析获得的信息；
21.第二网络势态信息为将第一时间点的下一时刻采集到的样本图像输入到目标卷积神经网络中进行分析获得的信息。
22.为了实现上述目的，本技术第二方面提供一种网络势态分析装置，其包括：处理模块，被配置为基于时间顺序对采集到的网络信息进行处理，获得网络状态图像，其中，网络信息包括：网络拓扑信息、网元状态信息、链路状态信息和网管接口状态信息中的至少一种；分析模块，被配置为将网络状态图像输入到目标卷积神经网络进行分析，获得网络态势信息。
23.为了实现上述目的，本技术第三方面，本技术提供了一种电子设备，该电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序，一个或多个所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述网络势态分析方法。
24.为了实现上述目的，本技术第四方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序在被处理器执行时实现上述网络势态分析方法。
25.本技术中的网络势态分析方法和装置、电子设备、存储介质，通过基于时间顺序对采集到的网络信息进行处理，获得网络状态图像，其中，网络信息包括：网络拓扑信息、网元状态信息、链路状态信息和网管接口状态信息中的至少一种，能够明确通信网络中的不同维度的信息，便于通过网络状态图像的方式，直观的明确网络状态；将网络状态图像输入到目标卷积神经网络进行分析，实现对网络态势的认知，获得网络态势信息，充分利用卷积神经网络对网络状态图像进行图片识别，提高信息的识别效率，全面的衡量通信网络中的网络状态，以便于基于准确的网络势态信息提升通信效率。
附图说明
26.附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开，并不构成对本公开的限制。通过参考附图对详细示例实施例进行描述，以上和其它特征和优点对本领域技术人员将变得更加显而易见，在附图中：
27.图1为本技术实施例提供的一种网络势态分析方法的流程示意图。
28.图2为本技术实施例提供的一种网络拓扑图像的示意图。
29.图3为本技术实施例提供的一种图像化的网元状态图像的示意图。
30.图4为本技术实施例提供的一种链路状态图像的示意图。
31.图5为本技术实施例提供的一种网管接口状态图像的示意图。
32.图6为本技术实施例提供的一种网络状态图像的示意图。
33.图7为本技术实施例提供的一种网络势态分析装置的组成方框图。
34.图8为本技术实施例提供的一种网络势态分析系统的组成方框图。
35.图9为本技术实施例提供的一种电子设备的组成方框图。
具体实施方式
36.以下结合附图对本技术的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本技术，并不用于限制本技术。对于本领域技术人员来说，本技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本技术的示例来提供对本技术更好的理解。
37.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
38.本技术实施例第一方面提供了一种网络势态分析方法。图1为本技术实施例提供的一种网络势态分析方法的流程示意图。该网络势态分析方法可应用于网络势态分析装置。如图1所示，该网络势态分析方法包括但不限于如下步骤。
39.步骤s101,基于时间顺序对采集到的网络信息进行处理，获得网络状态图像。
40.其中，网络信息包括：网络拓扑信息、网元状态信息、链路状态信息和网管接口状态信息中的至少一种。
41.步骤s102,将网络状态图像输入到目标卷积神经网络进行分析，获得网络态势信息。
42.其中，网络态势信息包括：正常状态信息、异常状态信息和故障信息中的至少一种。异常状态信息包括：网元设备异常信息、链路异常信息和网管设备异常信息中的至少一种；故障信息包括：网元设备故障信息、链路故障信息和网管设备故障信息中的至少一种。
43.采用目标卷积神经网络对网络状态图像进行分析，能够基于图像化的处理方式，加快对通信网络中的各个设备的运行情况进行分析的速度，并提升网络势态分析的准确性，进而通过目标卷积神经网络输出的网络态势信息对通信网络的整体运行情况进行评估，全面的衡量通信网络中的网络状态，以便于基于准确的网络势态信息提升通信效率。
44.在本实施例中，通过基于时间顺序对采集到的网络信息进行处理，获得网络状态图像，其中，网络信息包括：网络拓扑信息、网元状态信息、链路状态信息和网管接口状态信息中的至少一种，能够明确通信网络中的不同维度的信息，便于通过网络状态图像的方式，
直观的明确网络状态；将网络状态图像输入到目标卷积神经网络进行分析，实现对网络态势的认知，获得网络态势信息，充分利用卷积神经网络对网络状态图像进行图片识别，提高信息的识别效率，全面的衡量通信网络中的网络状态，以便于基于准确的网络势态信息提升通信效率。
45.在一些可选的实施方式中，步骤s101中的基于时间顺序对采集到的网络信息进行处理，获得网络状态图像，可以采用如下方式实现：
46.分别对网元状态信息、链路状态信息和网管接口状态信息进行格式化处理，获得格式化后的网络拓扑信息、格式化后的网元状态信息、格式化后的链路状态信息和格式化后的网管接口状态信息；依据网络信息本身的产生时间，对格式化后的网络拓扑信息、格式化后的网元状态信息、格式化后的链路状态信息和格式化后的网管接口状态信息进行拼接，获得拼接信息；对拼接信息进行图像化处理，获得拼接图像；对拼接图像进行标注，生成网络状态图像。
47.其中，对不同的信息进行格式化处理，可以是通过各种信息所要求的格式对信息进行特定格式的整理，以满足对不同的信息的使用需求。
48.进一步地，可以采用截图的方式，分别对格式化后的网络拓扑信息、格式化后的网元状态信息、格式化后的链路状态信息和格式化后的网管接口状态信息进行图像化处理，以使格式化后的网络拓扑信息转换为网络拓扑图像、使格式化后的网元状态信息转换为网元状态图像、使格式化后的链路状态信息转换为链路状态图像、使格式化后的网管接口状态信息转换为网管接口状态图像等。
49.根据各个网络信息本身的产生时间的先后顺序，可将同一时间点对应的网络拓扑图像、网元状态图像、链路状态图像和网管接口状态图像进行拼接，以获取更完整的、能够表征通信网络的运行情况的网络状态图像。
50.其中，也可以采用信息快照的方式获取上述图像。
51.需要说明的是，网络状态图像的获取可以先对格式化后的网络拓扑信息、格式化后的网元状态信息、格式化后的链路状态信息和格式化后的网管接口状态信息进行拼接，获得拼接信息；对拼接信息进行图像化处理，生成网络状态图像。
52.也可以是先将格式化后的网络拓扑信息转换为网络拓扑图像、将格式化后的网元状态信息转换为网元状态图像、将格式化后的链路状态信息转换为链路状态图像、将格式化后的网管接口状态信息转换为网管接口状态图像；然后，再将网络拓扑图像、网元状态图像、链路状态图像和网管接口状态信息进行拼接，从而生成网络状态图像。
53.上述对于图像的获取方式仅是举例说明，可根据实际需要进行具体的设定，其他未说明的图像的获取方式也在本技术的保护范围之内，在此不再赘述。
54.在一些具体实现中，对拼接信息进行图像化处理，获得拼接图像，可以为将拼接信息转化为图片，并对图片进行处理和/或修改。例如，通过图片处理软件，对图片进行调色、抠图、合成、明暗修改、彩度和色度的修改、添加特殊效果、编辑、修复等等。
55.进一步地，还可以对经过拼接信息转化的图像进行分析、加工、和处理，使其称为满足用户需求的拼接图像。其中，可以采用数字形式存储该拼接图像。
56.在一些可选的实施方式中，网络拓扑信息包括：网元设备的数量、网管设备的数量、不同网元设备之间的链路信息、以及网管设备与各个网元设备之间的接口信息中的至
少一种。
57.例如，图2为本技术实施例提供的一种网络拓扑图像的示意图。如图2所示，基于时间信息(如，x年x月x日x时x分x秒，其中，x为正整数)，确定网管设备通过网管接口-1、网管接口-2、
……
、网管接口-n与多个网元设备(如，网元1、网元2、网元3、
……
、网元m)之间的通信连接信息。其中，n和m均为大于或等于1的整数。
58.其中，网元1与网元2之间通过链路1-2相连接；网元2与网元3之间通过链路2-3相连接；网元1与网元3之间通过链路1-3相连接；网元1与网元m之间通过链路1-m相连接；网元2与网元m之间通过链路2-m相连接；网元3与网元m之间通过链路3-m相连接。
59.基于图像化的显示方式，直观清楚的展现网络拓扑信息，便于后续对网络势态信息进行分析。
60.在一些可选的实施方式中，网元状态信息包括：属性信息、配置信息、性能信息和告警信息中的至少一种；其中，属性信息包括设备厂商信息、入网时间、网元所属区域信息中的至少一种；性能信息包括：网元设备运行时的负荷和/或时延信息。
61.例如，图3为本技术实施例提供的一种网元状态图像的示意图。如图3所示，根据图2所示的网络拓扑图像，可进一步获取到网元信息，并采用图像化的方式，将各个网元的网元信息展示，便于基于图像化的处理方式，对网元信息进行准确的分析。
62.其中，网元1对应的网元信息包括配置信息(如，参数1、参数2等)、性能信息(如，负荷信息、时延信息等)、以及告警信息(如，设备告警1、设备告警2等)。网元2、网元3对应的网元信息均包括配置信息、性能信息和告警信息，只是各个信息对应的数值不同；其他网元对应的网元信息如图3所示，在此不再赘述。
63.需要说明的是，相同类型的网元对应的网元信息相同，例如，若网元1～网元m均为终端，则各个网元对应的网元信息都包括配置信息、性能信息和告警信息。但不同的网元在同一时刻内的工作情况可能存在不同，因此，上述信息中的数值可能存在不同，从而能够基于阈值来判断哪个网元可能存在异常或出现故障等，及时对网元进行排查，提升网元之间的通信效率。
64.在一些可选的实施方式中，链路状态信息包括：链路的输入端信息和输出端信息、链路容量信息和负荷信息，链路容量信息包括最大带宽、最低时延和最大利用率中的至少一种；负荷信息包括：实际带宽、带宽利用率、丢包率和时延信息中的至少一种。
65.例如，图4为本技术实施例提供的一种链路状态图像的示意图。如图4所示，根据图2所示的网络拓扑图像，可进一步获取到链路状态信息，并采用图像化的方式展示各条链路的链路状态信息，便于基于图像化的处理方式，对链路状态信息进行准确的分析。
66.其中，链路1-2对应的链路状态信息包括：链路的输入端信息和输出端信息(1、2)、链路容量信息(如，最大带宽、最低时延和最大利用率)和负荷信息(如，实际带宽、带宽利用率、丢包率和时延信息)；链路1-3对应的链路状态信息包括：链路的输入端信息和输出端信息(1、3)、链路容量信息(如，最大带宽、最低时延和最大利用率)和负荷信息(如，实际带宽、带宽利用率、丢包率和时延信息)；
……
；链路3-m对应的链路状态信息包括：链路的输入端信息和输出端信息(3、m)、链路容量信息(如，最大带宽、最低时延和最大利用率)和负荷信息(如，实际带宽、带宽利用率、丢包率和时延信息)。
67.需要说明的是，不同的链路在同一时刻内的工作参数不同，因此，上述链路信息中
的数值存在差异，从而能够基于阈值来判断哪条链路可能存在异常或出现故障等，及时对出现异常的链路进行排查，提升通信链路的链接有效性，保证各个网元之间的可以正常通信。
68.在一些可选的实施方式中，网管接口状态信息包括：网管配置信息、网管性能信息、网管告警信息中的至少一种，其中，网管性能信息包括网管设备运行时的负荷信息和/或时延信息，网管告警信息包括网管设备与各个网元设备之间的接口告警信息。
69.例如，图5为本技术实施例提供的一种网管接口状态图像的示意图。如图5所示，根据图2所示的网络拓扑图像，可进一步获取到网管设备与其他网元之间的接口状态信息，并采用图像化的方式展示各个网管接口状态信息，便于基于图像化的处理方式，对各个网管接口状态信息进行准确的分析。
70.其中，网管接口-1包括网管配置信息(如，参数)、网管性能信息(如，网管设备运行时的负荷信息、时延信息等)、网管告警信息(如，网管设备与各个网元设备之间的接口告警信息)；网管接口-2包括网管配置信息(如，参数)、网管性能信息(如，网管设备运行时的负荷信息、时延信息等)、网管告警信息(如，网管设备与各个网元设备之间的接口告警信息)；
……
；网管接口-n包括网管配置信息(如，参数)、网管性能信息(如，网管设备运行时的负荷信息、时延信息等)、网管告警信息(如，网管设备与各个网元设备之间的接口告警信息)。
71.通过将不同的网管接口的参数数值，进行图像化处理，能够获得图5所示的网管接口状态图像，便于直观的展示网管接口状态信息，提升对网管接口状态信息的处理效率。
72.例如，图6为本技术实施例提供的一种网络状态图像的示意图。如图6所示，网络状态图像是将同一时刻(如，均是x年x月x日x时x分x秒)内的图2中的网络拓扑图像、图3中的网元状态图像、图4中的链路状态图像、以及图5中的网管接口状态图像进行拼接，获得拼接图像，并对该拼接图像进行标注，从而生成图6所示的网络状态图像。
73.基于图6所示的网络状态图像，能够全面衡量通信网络中的各个网元、网管设备以及各个设备之间的链路状态等信息，便于对通信网络进行整体的分析。
74.在一些可选的实施方式中，在执行步骤s102中的将网络状态图像输入到目标卷积神经网络进行分析，获得网络态势信息之前，还包括：基于训练数据对初始卷积神经网络进行训练，获得目标卷积神经网络。
75.其中，训练数据是基于对多个携带有网络信息的图像进行标注生成的数据，训练数据包括：多个样本图像，多个所述样本图像之间具有时间连续性；目标卷积神经网络的输出数据包括：与样本图像中的时间信息对应的网络态势信息。
76.其中，对网携带有网络信息的图像进行标注是通过结合运维人员反馈的故障单、专家经验等信息对图像进行网络状态的标注，以使标注后的图像能够明确体现各个网元设备(或，网管设备，或，设备之间的链路等)的状态。
77.例如，可采用不同的状态码来表征各个网元设备是否正常工作。例如，采用“0”表示网元设备工作正常；采用“1”表示网元设备处于异常工作状态，采用“2”表示网元设备处于故障状态等。
78.通过标注后的图像中包括的上述不同的状态码，能够明确网元设备在不同时刻所处的状态，便于对通信网络的实时工作情况进行统计。
79.进一步地，通过将多个样本图像输入到初始卷积神经网络中进行训练，以获得训练后的卷积神经网络，并且，当训练后的卷积神经网络满足预设条件时，可获得目标卷积神经网络。
80.其中，采用第一时间点的样本图像和第一网络势态信息之间的对应关系作为对网络势态信息的准确性的判断依据，采用第一时间点的样本图像和第二网络势态信息之间的对应关系作为对网络势态信息的预测的准确性的依据。
81.需要说明的是，第一时间点为预设的时间点，通过将第一时间点的样本图像和第一网络势态信息之间的对应关系作为对网络势态信息的准确性的判断依据，能够明确第一时间点对应的网络势态的趋势，从而使获得的目标卷积神经网络能够满足用户的使用需求，即，可以预测到期望的时间点对应的网络势态信息。
82.其中，第一网络势态信息为将第一时间点采集到的样本图像输入到目标卷积神经网络中进行分析获得的信息；第二网络势态信息为将第一时间点的下一时刻采集到的样本图像输入到目标卷积神经网络中进行分析获得的信息。
83.本技术实施例第二方面提供了一种网络势态分析装置。图7为本技术实施例提供的一种网络势态分析装置的组成方框图。
84.如图7所示，该网络势态分析装置700包括但不限于如下模块。
85.处理模块701，被配置为基于时间顺序对采集到的网络信息进行处理，获得网络状态图像，其中，网络信息包括：网络拓扑信息、网元状态信息、链路状态信息和网管接口状态信息中的至少一种。
86.分析模块702，被配置为将网络状态图像输入到目标卷积神经网络进行分析，获得网络态势信息。
87.需要说明的是，网络势态分析装置700能够实现本技术中任一种网络势态分析方法。
88.在一些可选的实施方式中，网络态势信息包括：正常状态信息、异常状态信息和故障信息中的至少一种；其中，异常状态信息包括：网元设备异常信息、链路异常信息和网管设备异常信息中的至少一种；故障信息包括：网元设备故障信息、链路故障信息和网管设备故障信息中的至少一种。
89.在一些可选的实施方式中，处理模块701，具体用于：分别对网元状态信息、链路状态信息和网管接口状态信息进行格式化处理，获得格式化后的网络拓扑信息、格式化后的网元状态信息、格式化后的链路状态信息和格式化后的网管接口状态信息；依据网络信息本身的产生时间，对格式化后的网络拓扑信息、格式化后的网元状态信息、格式化后的链路状态信息和格式化后的网管接口状态信息进行拼接，获得拼接信息；对拼接信息进行图像化处理，生成网络状态图像。
90.在一些可选的实施方式中，网络拓扑信息包括：网元设备的数量、网管设备的数量、不同网元设备之间的链路信息、以及网管设备与各个网元设备之间的接口信息中的至少一种。
91.在一些可选的实施方式中，网元状态信息包括：属性信息、配置信息、性能信息和告警信息中的至少一种；其中，属性信息包括设备厂商信息、入网时间、网元所属区域信息中的至少一种；性能信息包括：网元设备运行时的负荷和/或时延信息；链路状态信息包括：
链路的输入端信息和输出端信息、链路容量信息和负荷信息，链路容量信息包括最大带宽、最低时延和最大利用率中的至少一种；负荷信息包括：实际带宽、带宽利用率、丢包率和时延信息中的至少一种；网管接口状态信息包括：网管配置信息、网管性能信息、网管告警信息中的至少一种，其中，网管性能信息包括网管设备运行时的负荷信息和/或时延信息，网管告警信息包括网管设备与各个网元设备之间的接口告警信息。
92.在一些可选的实施方式中，网络势态分析装置700，还包括：训练模块(图中未示出)，被配置为基于训练数据对初始卷积神经网络进行训练，获得目标卷积神经网络。
93.其中，训练数据是基于对多个携带有网络信息的图像进行标注生成的数据，训练数据包括：多个样本图像，多个样本图像之间具有时间连续性；目标卷积神经网络的输出数据包括：与样本图像中的时间信息对应的网络态势信息。
94.在一些可选的实施方式中，采用第一时间点的样本图像和第一网络势态信息之间的对应关系作为对网络势态信息的准确性的判断依据，采用第一时间点的样本图像和第二网络势态信息之间的对应关系作为对网络势态信息的预测的准确性的依据。
95.其中，第一网络势态信息为将第一时间点采集到的样本图像输入到目标卷积神经网络中进行分析获得的信息；第二网络势态信息为将第一时间点的下一时刻采集到的样本图像输入到目标卷积神经网络中进行分析获得的信息。
96.在本实施方式中，通过处理模块基于时间顺序对采集到的网络信息进行处理，获得网络状态图像，其中，网络信息包括：网络拓扑信息、网元状态信息、链路状态信息和网管接口状态信息中的至少一种，能够明确通信网络中的不同维度的信息，便于通过网络状态图像的方式，直观的明确网络状态；使用分析模块将网络状态图像输入到目标卷积神经网络进行分析，实现对网络态势的认知，获得网络态势信息，充分利用卷积神经网络对网络状态图像进行图片识别，提高信息的识别效率，全面的衡量通信网络中的网络状态，以便于基于准确的网络势态信息提升通信效率。
97.值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本技术的创新部分，本实施方式中并没有将与解决本技术所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。
98.本技术实施例第三方面提供了一种网络势态分析系统。图8为本技术实施例提供的一种网络势态分析系统的组成方框图。
99.如图8所示，网络势态分析系统包括但不限于如下设备：数据预处理单元810、模型训练单元820和模型使用单元830。
100.其中，数据预处理单元810包括：信息格式化处理模块811、信息图像化处理模块812和标注模块813。模型使用单元830包括：认知模块831和认知结果确定模块832。
101.信息格式化处理模块811，用于接收网络拓扑信息、网元状态信息、链路状态信息和网管接口状态信息，并对上述多种不同的信息进行格式化处理。
102.信息图像化处理模块812，用于将格式化处理后的信息进行图像化处理，即，将格式化后的网络拓扑信息转换为网络拓扑图像、将格式化后的网元状态信息转换为网元状态图像、将格式化后的链路状态信息转换为链路状态图像、将格式化后的网管接口状态信息
转换为网管接口状态图像等。
103.进一步地，信息图像化处理模块812还用于根据各个网络信息本身的产生时间的先后顺序，可将同一时间点对应的网络拓扑图像、网元状态图像、链路状态图像和网管接口状态图像进行拼接，获得拼接图像。
104.标注模块813，用于对拼接图像进行标注，获得标注后的网络状态图像。
105.模型训练单元820，用于将标注后的网络状态图像作为训练数据，输入到初始的三维立体的卷积神经网络中进行训练，获得满足预设训练条件的目标卷积神经网络，该目标卷积神经网络能够准确的对标注后的网络状态图像进行分析，从而获得网络势态信息。
106.其中，训练数据包括：多个样本图像，多个样本图像之间具有时间连续性，且样本图像携带网络信息；目标卷积神经网络的输出数据包括：与样本图像中的时间信息对应的网络态势信息。
107.例如，训练数据为y个连续时间点的网络状态图像，即,网络状态图像k1、网络状态图像k2、网络状态图像k3、
……
、网络状态图像ky。其中，y为大于或等于1的整数。
108.将上述y个网络状态图像作为一组训练数据，并输入到初始的三维立体的卷积神经网络中进行训练，直至训练获得的卷积神经网络满足预设训练条件为止，从而获得目标卷积神经网络。
109.在训练的过程中，可采用第一时间点的样本图像和第一网络势态信息之间的对应关系作为对网络势态信息的准确性的判断依据，采用第一时间点的样本图像和第二网络势态信息之间的对应关系作为对网络势态信息的预测的准确性的依据。
110.例如，训练获得的卷积神经网络的输出为与y个网络状态图像对应的y个网络势态信息，如，网络势态信息s1、网络势态信息s2、
……
、网络势态信息sy。
111.其中，第一网络势态信息为将第一时间点采集到的样本图像输入到目标卷积神经网络中进行分析获得的信息；第二网络势态信息为将第一时间点的下一时刻采集到的样本图像输入到目标卷积神经网络中进行分析获得的信息。
112.换言之，将网络状态图像k1与网络势态信息s1之间的对应关系作为判断依据，将网络状态图像k1与网络势态信息s2之间的对应关系作为对网络势态信息的预测的准确性的依据。
113.认知模块831，用于采用目标卷积神经网络对信息图像化处理模块812输入的图像进行分析，获得分析结果，并将该分析结果输出给认知结果确定模块832。
114.认知结果确定模块832，用于对接收到的分析结果进行判断，确定该分析结果是否满足对通信网络的网络势态信息是使用需求，从而在满足使用需求时，获得输出的网络势态信息。
115.需要说明的是，对于网络势态信息的使用需求，其是对通信网络中的各个设备、以及各个设备之间的链路的工作状态进行评估和判断，以确定设备是否工作在正常状态(或，设备是否存在异常或故障等)，从而对通信网络进行全面的衡量。
116.在本实施方式中，通过对网络拓扑信息、网元状态信息、链路状态信息、网管接口状态信息的格式化处理，并对格式化的信息进行图像化处理，以形成不同信息对应的图像，能够利用训练好的目标卷积神经网络对网络状态图像进行分类，实现对网络态势信息的认知，支持对当前的通信网络的网络态势的判断、以及对未来一个时间段的网络态势的预测。
从而实现对通信网络的全面衡量，减少设备故障的运维时长，提升通信效率。
117.本技术实施例第四方面提供了电子设备、计算机可读存储介质，上述均可用来实现本技术实施例中的任一种网络势态分析方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
118.图9为本技术实施例提供的一种电子设备的框图。如图9所示，本技术实施例提供了一种电子设备，该电子设备包括：至少一个处理器901；至少一个存储器902，以及一个或多个i/o接口903，连接在处理器901与存储器902之间；其中，存储器902存储有可被至少一个处理器901执行的一个或多个计算机程序，一个或多个计算机程序被至少一个处理器901执行，以使至少一个处理器901能够执行上述的网络势态分析方法。
119.本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序在被处理器/处理核执行时实现上述的网络势态分析方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
120.本技术实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述的网络势态分析方法。
121.本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读存储介质上，计算机可读存储介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。
122.如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读程序指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom)、静态随机存取存储器(sram)、闪存或其他存储器技术、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读程序指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
123.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
124.用于执行本技术操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、
机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本技术的各个方面。
125.这里所描述的计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
126.这里参照根据本技术实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本技术的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
127.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
128.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
129.附图中的流程图和框图显示了根据本技术的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
130.本文已经公开了示例实施例，并且虽然采用了具体术语，但它们仅用于并仅应当被解释为一般说明性含义，并且不用于限制的目的。在一些实例中，对本领域技术人员显而
易见的是，除非另外明确指出，否则可单独使用与特定实施例相结合描述的特征、特性和/或元素，或可与其他实施例相结合描述的特征、特性和/或元件组合使用。因此，本领域技术人员将理解，在不脱离由所附的权利要求阐明的本技术的范围的情况下，可进行各种形式和细节上的改变。

技术特征：
1.一种网络势态分析方法，其特征在于，所述方法包括：基于时间顺序对采集到的网络信息进行处理，获得网络状态图像，其中，所述网络信息包括：网络拓扑信息、网元状态信息、链路状态信息和网管接口状态信息中的至少一种；将所述网络状态图像输入到目标卷积神经网络进行分析，获得网络态势信息。2.根据权利要求1所述的方法，其特征在于，所述网络态势信息包括：正常状态信息、异常状态信息和故障信息中的至少一种；其中，所述异常状态信息包括：网元设备异常信息、链路异常信息和网管设备异常信息中的至少一种；所述故障信息包括：网元设备故障信息、链路故障信息和网管设备故障信息中的至少一种。3.根据权利要求1所述的方法，其特征在于，所述基于时间顺序对采集到的网络信息进行处理，获得网络状态图像，包括：分别对所述网元状态信息、所述链路状态信息和所述网管接口状态信息进行格式化处理，获得格式化后的网络拓扑信息、格式化后的网元状态信息、格式化后的链路状态信息和格式化后的网管接口状态信息；依据网络信息本身的产生时间，对所述格式化后的网络拓扑信息、所述格式化后的网元状态信息、所述格式化后的链路状态信息和所述格式化后的网管接口状态信息进行拼接，获得拼接信息；对所述拼接信息进行图像化处理，生成所述网络状态图像。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述网络拓扑信息包括：网元设备的数量、网管设备的数量、不同网元设备之间的链路信息、以及所述网管设备与各个所述网元设备之间的接口信息中的至少一种。5.根据权利要求4所述的方法，其特征在于，所述网元状态信息包括：属性信息、配置信息、性能信息和告警信息中的至少一种；其中，所述属性信息包括设备厂商信息、入网时间、网元所属区域信息中的至少一种；所述性能信息包括：所述网元设备运行时的负荷和/或时延信息；所述链路状态信息包括：链路的输入端信息和输出端信息、链路容量信息和负荷信息，所述链路容量信息包括最大带宽、最低时延和最大利用率中的至少一种；负荷信息包括：实际带宽、带宽利用率、丢包率和时延信息中的至少一种；所述网管接口状态信息包括：网管配置信息、网管性能信息、网管告警信息中的至少一种，其中，所述网管性能信息包括所述网管设备运行时的负荷信息和/或时延信息，网管告警信息包括所述网管设备与各个所述网元设备之间的接口告警信息。6.根据权利要求1所述的方法，其特征在于，所述将所述网络状态图像输入到目标卷积神经网络进行分析，获得网络态势信息之前，还包括：基于训练数据对初始卷积神经网络进行训练，获得所述目标卷积神经网络；其中，所述训练数据是基于对多个携带有网络信息的图像进行标注生成的数据，所述训练数据包括：多个样本图像，多个所述样本图像之间具有时间连续性；所述目标卷积神经网络的输出数据包括：与所述样本图像中的时间信息对应的网络态势信息。
7.根据权利要求6所述的方法，其特征在于，采用第一时间点的样本图像和第一网络势态信息之间的对应关系作为对所述网络势态信息的准确性的判断依据，采用所述第一时间点的样本图像和第二网络势态信息之间的对应关系作为对所述网络势态信息的预测的准确性的依据；其中，所述第一网络势态信息为将所述第一时间点采集到的样本图像输入到所述目标卷积神经网络中进行分析获得的信息；所述第二网络势态信息为将所述第一时间点的下一时刻采集到的样本图像输入到所述目标卷积神经网络中进行分析获得的信息。8.一种网络势态分析装置，其特征在于，包括：处理模块，被配置为基于时间顺序对采集到的网络信息进行处理，获得网络状态图像，其中，所述网络信息包括：网络拓扑信息、网元状态信息、链路状态信息和网管接口状态信息中的至少一种；分析模块，被配置为将所述网络状态图像输入到目标卷积神经网络进行分析，获得网络态势信息。9.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序，一个或多个所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-7中任一项所述的网络势态分析方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在被处理器执行时实现如权利要求1-7中任一项所述的网络势态分析方法。

技术总结
本申请公开一种网络势态分析方法和装置、电子设备、存储介质,涉及通信技术领域。方法包括：基于时间顺序对采集到的网络信息进行处理，获得网络状态图像，其中，网络信息包括：网络拓扑信息、网元状态信息、链路状态信息和网管接口状态信息中的至少一种将网络状态图像输入到目标卷积神经网络进行分析，获得网络态势信息。充分利用卷积神经网络对网络状态图像进行图片识别，提高信息的识别效率，全面的衡量通信网络中的网络状态，以便于基于准确的网络势态信息提升通信效率。络势态信息提升通信效率。络势态信息提升通信效率。


技术研发人员：李涛 李姗姗 杨剑键 许建宏 张洁 王东升 潘思宇
受保护的技术使用者：中国联合网络通信集团有限公司
技术研发日：2023.04.18
技术公布日：2023/7/7