← 返回列表
基于深度学习的交换机故障智能预测方法及系统
申请人信息
- 申请人:杭州奥博瑞光通信有限公司
- 申请人地址:310051 浙江省杭州市滨江区滨安康路1180号华业科技园3号楼5楼
- 发明人: 杭州奥博瑞光通信有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于深度学习的交换机故障智能预测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410251041.1 |
| 申请日 | 2024/3/6 |
| 公告号 | CN117834567A |
| 公开日 | 2024/4/5 |
| IPC主分类号 | H04L49/55 |
| 权利人 | 杭州奥博瑞光通信有限公司 |
| 发明人 | 张胜; 蒋明波 |
| 地址 | 浙江省杭州市滨江区滨安康路1180号华业科技园3号楼5楼 |
摘要文本
本申请涉及智能预测技术领域，其具体地公开了一种基于深度学习的交换机故障智能预测方法及系统，其利用基于深度学习的人工智能技术来监测和分析交换机的运行状态时间序列数据，例如网络流量、端口状态和CPU利用率，从中挖掘关于交换机的异常状态特征，进而来判断交换机是否存在故障。这样，能够实现交换机故障的实时监测，为网络管理和维护人员提供重要的决策支持，减少交换机故障对网络的影响。
专利主权项内容
1.一种基于深度学习的交换机故障智能预测方法，其特征在于，包括：获取被监控交换机的运行状态数据时间序列，其中，所述运行状态数据包括网络流量、端口状态和CPU利用率；提取所述运行状态数据时间序列的局部时序特征以得到交换机运行状态局部时序特征向量的序列；提取所述交换机运行状态局部时序特征向量的序列的时序关联语义特征以得到交换机运行状态时序关联语义编码特征向量；基于所述交换机运行状态时序关联语义编码特征向量，确定所述被监控交换机是否存在故障。