一种物联网终端异常行为智能识别的方法及装置与流程

本发明涉及物联网领域，尤其是一种物联网终端异常行为智能识别的方法及装置。

背景技术：

1、由于物联网终端比如水表、智能门锁、摄像头、cpe等，不像人联网即人使用的手机终端，在使用运营商提供的网络业务中遇到问题可以主动投诉，所以只能由物联网终端归属的企业或人员被动的进行发现，导致发现时间可能存在很大延迟，可能已严重影响业务使用，另一方面，物联网终端经常是大批量使用，如智能水表、共享单车等，且应用场景类型丰富，靠人为发现终端有异常行为或状况，不仅工作量巨大，而且对运维人员要求很高，需了解各种使用场景的终端异常判断标准。

2、目前更多的是靠购买了物联网终端的企业或用户进行人为监控，在发现异常后向运营商进行投诉处理，这就导致了在业务异常后发现的时间可能延迟较大，再经过人工沟通存在的大量时间，导致业务异常使用时间长，影响了用户使用的满意度。

3、另外，当前运营商对大客户(使用物联网终端多的客户)也会提供一些监控手段，但是既没有针对不同行业的终端建立一个有其使用特点分类的有效的识别模型，也不会根据号卡自身使用习惯进行判断，导致异常识别准确度低，出现大量误判断(不是异常却判断异常，真正异常却没有识别出来)，无法真的应用到日常运维中。

技术实现思路

1、为解决现有技术存在的问题，本发明提供一种物联网终端异常行为智能识别的方法及装置，能主动识别发现终端异常并进行提醒，让运维人员可以提早乃至客户未发现时解决问题，从而提升了客户满意度。

2、为实现上述目的，本发明采用下述技术方案：

3、在本发明一实施例中，提出了一种物联网终端异常行为智能识别的方法，该方法包括：

4、s01、对终端进行分类并标识，通过大数据或ai进行感知模型建立与识别；

5、进一步地，所述s01通过大数据进行感知模型建立与识别，包括：

6、s01101、需先定义分类的特征参，特征参数包括：使用频率、是否移动、使用方式及时延敏感度；

7、进一步地，所述参数的定义包括：

8、使用频率：终端每日长时间使用、每日只在特定时间使用1、2次；

9、是否移动：终端固定位置、终端会移动；

10、使用方式：终端使用流量较大、流量很小；

11、时延敏感度：时延要求高、时延要求低。

12、s01102、根据终端的历史运行数据，进行终端的分类，得到终端分类信息；

13、进一步地，所述历史运行数据包括：终端运行dpi数据、历史投诉数据。

14、s01103、对每个终端进行使用画像，得到每个终端在这些不同特征参数的值。

15、进一步地，所述s01通过ai进行感知模型建立与识别，包括：

16、s01201、根据终端的历史运行数据，采用dbscan或kmeans算法，通过聚类方式进行分析，对终端进行分类；

17、s01202、记录下每个终端的分类，以及特性参数。

18、大数据分析和ai分析的区别主要在：大数据分析提前制定好分类，按照特征对终端分类；ai分析为通过ai聚类算法，自动归纳出分类及各类特征。

19、s02、通过大数据或ai分析，按行业、终端分类进行投诉与指标的关联度分析；

20、进一步地，所述s02包括：

21、s021、根据终端的分类、对终端历史运行数据，主要为dpi信令面和用户面数据中的各项重点流程类指标、运行的sla指标等，结合投诉数据，从时间上进行关联；

22、进一步地，所述s021中重点流程类指标包括：附着/注册流程、会话建立流程、e-rab建立流程、tcp建立流程、http建立流程。

23、进一步地，所述s021中运行的sla指标包括：丢包率、时延、上下行速率。

24、s022、采用相关性分析的pca算法、因果分析的ges算法，得到在投诉发生的时间，各个行业各个终端分类具体与异常投诉之间相关联度高的指标。

25、s03、建立矩阵方式的异常识别规则，以矩阵的方式，针对不同的行业和终端分类的特点，从行业、终端分类等维度，以各自相关关联度高的指标、以及终端分类的特征属性等设置不同的异常识别规则，同时设置对应规则间的关系；

26、s04、实时对终端异常进行识别，包括：单终端异常识别、群障的异常识别；

27、进一步地，所述s04包括：

28、s041、中单终端异常识别，根据终端运行的dpi数据，与具体终端对数据进行实时分析，并根据s01分析得到的每个终端的分类，以及其签约归属的客户所属的行业，按照矩阵中对应位置配置的规则进行判断；

29、s042、群障的异常识别，根据识别得到的单终端异常，分别以区域(根据dpi数据可以得到终端所在的无线小区，无线小区是固定的一片区域)、客户(终端归属的客户)、行业(客户归属的行业)、终端分类等维度，在一个时间范围(连续使用的如表1的终端分类1、2、4，可以设置15分钟，对于每小时/每日仅固定使用很少次数，一般是智能表上报，可以根据特性设置为1小时或1日)对异常终端数进行统计，数量(数量可配置，数量可基于历史经验库，针对不同维度，可设置不同的数量)达到阈值则发出群障预警，通知运维人员及时进行处理。

30、s05、根据异常的识别处理结果进行分析并对异常识别规则进行优化。

31、进一步地，所述s05包括：

32、s051、根据异常识别结果，结合运维人员处理后反馈的结果，确定识别结果是否准确，并构建一个历史经验库；

33、进一步地，所述s051中历史经验库包括每次预警所发生的时间、区域、客户、行业、终端分类、识别的异常终端、匹配异常规则信息、是否准确等。

34、s052、自动分析并更新异常识别矩阵里的规则。

35、在本发明一实施例中，还提出了一种物联网终端异常行为智能识别的装置，该装置包括：

36、终端分类识别模块、对终端进行分类并标识，通过大数据或ai进行感知模型建立与识别；

37、关联度分析模块、通过大数据或ai分析，按行业、终端分类进行投诉与指标的关联度分析；

38、矩阵建立模块、建立矩阵方式的异常识别规则，以矩阵的方式，针对不同的行业和终端分类的特点，从行业、终端分类等维度，以各自相关关联度高的指标、以及终端分类的特征属性等设置不同的异常识别规则，同时设置对应规则间的关系；

39、终端异常识别模块、实时对终端异常进行识别，包括：单终端异常识别、群障的异常识别；

40、异常识别优化模块、根据异常的识别处理结果进行分析并对异常识别规则进行优化。

41、在本发明一实施例中，还提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现前述物联网终端异常行为智能识别的方法。

42、在本发明一实施例中，还提出了一种计算机可读存储介质，计算机可读存储介质存储有执行物联网终端异常行为智能识别的方法的计算机程序。

43、有益效果：

44、本发明一种物联网终端异常行为智能识别的方法及装置，解决了由被动等待客户投诉才发现终端异常，变为在终端出现异常行为或状况时，能主动识别发现并进行提醒，让运维人员可以提早乃至客户未发现时解决问题，从而提升了客户满意度。

45、本发明提供的智能终端分类并记录特征值的方法，以及结合终端历史运行数据与客户投诉数据，基于物联网不同的行业特点分析出的各终端分类关联度高的指标，从而可以分类进行针对性的异常行为和状况识别规则，从而解决了使用通用单一规则识别不准的问题，有效提高了识别的准确性，能为物联网运维起到作用。

46、本发明还基于物联网应用的特点，在识别到单终端异常的基础上，对群障进行识别，并通过运维人员处理结果构建历史经验库且能自动分析更新异常识别矩阵的规则，从而极大节约了运维人员的运维工作量，提升了运维的效率。