网络切片的割接告警屏蔽方法及装置与流程

1.本发明涉及电子信息领域，具体涉及一种网络切片的割接告警屏蔽方法及装置。


背景技术：

2.切片割接告警屏蔽的目的是为了避免在割接过程中产生过多告警而使运维人员无法区分哪些是需要关注的告警，目前5g网络切片的割接告警屏蔽需要在割接进行前人工对需要屏蔽的告警项进行勾选，或者事先进行屏蔽规则的人工定义。
3.但是，在5g网络切片中，切片结构复杂、节点类型多样、关系错综复杂，由此给屏蔽告警的人工选择过程带来了难度。因此，传统的人工决策方式已无法适应需求，亟需一种更加智能的告警屏蔽方法。


技术实现要素：

4.鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种网络切片的割接告警屏蔽方法及装置。
5.根据本发明的一个方面，提供了一种网络切片的割接告警屏蔽方法，包括：
6.接收网络切片割接请求，获取所述网络切片割接请求中包含的割接特征信息；
7.获取与所述割接特征信息相对应的切片割接拓扑图，确定与所述切片割接拓扑图相对应的切片割接拓扑数据；
8.将所述切片割接拓扑数据输入预设的告警屏蔽模型，得到所述告警屏蔽模型输出的屏蔽配置信息；
9.根据所述屏蔽配置信息进行告警屏蔽处理。
10.可选的，所述确定与所述切片割接拓扑图相对应的切片割接拓扑数据包括：
11.将所述切片割接拓扑图分解为切片邻接矩阵和切片特征矩阵；
12.将所述切片邻接矩阵和切片特征矩阵中包含的矩阵数据作为所述切片割接拓扑数据。
13.可选的，所述切片邻接矩阵用于存储切片网络拓扑中各节点的连接关系，所述切片特征矩阵用于存储各切片节点的属性数据以及待割接节点的割接特征数据。
14.可选的，所述将所述切片割接拓扑数据输入预设的告警屏蔽模型，得到所述告警屏蔽模型输出的屏蔽配置信息包括：
15.将所述切片割接拓扑数据输入预设的告警屏蔽模型，获取告警屏蔽模型输出的网元级屏蔽配置信息以及组件级屏蔽配置信息。
16.可选的，所述将所述切片割接拓扑数据输入预设的告警屏蔽模型包括：
17.针对所述切片割接拓扑数据进行预处理，将预处理后的切片割接拓扑数据输入预设的告警屏蔽模型。
18.可选的，所述网络切片割接请求中包含的割接特征信息包括以下中的至少一个：
19.割接涉及网元、割接涉及网元组件、割接时长、割接操作类型、割接风险等级、影响
用户数、以及割接层级；
20.其中，割接操作类型包括以下中的至少一个：设备入网、业务上线、硬件扩容、软件扩容、版本升级、补丁装载、光缆割接、倒换及应急演练、设备下线、业务下线、板卡调整、模块调整、接口调整、系统优化、安全加固、容量及资源调整、业务调整、计费优化调整、架构调整、功能部署、以及配合周边；割接层级包括以下中的至少一个：无线网子切片、传输网子切片、以及核心网子切片。
21.可选的，所述网络切片为5g网络切片。
22.依据本发明的再一方面，提供了一种网络切片的割接告警屏蔽装置，包括：
23.接收模块，适于接收网络切片割接请求，获取所述网络切片割接请求中包含的割接特征信息；
24.获取模块，适于获取与所述割接特征信息相对应的切片割接拓扑图，确定与所述切片割接拓扑图相对应的切片割接拓扑数据；
25.输入模块，适于将所述切片割接拓扑数据输入预设的告警屏蔽模型，得到所述告警屏蔽模型输出的屏蔽配置信息；
26.屏蔽模块，适于根据所述屏蔽配置信息进行告警屏蔽处理。
27.可选的，所述获取模块具体适于：
28.将所述切片割接拓扑图分解为切片邻接矩阵和切片特征矩阵；
29.将所述切片邻接矩阵和切片特征矩阵中包含的矩阵数据作为所述切片割接拓扑数据。
30.可选的，所述切片邻接矩阵用于存储切片网络拓扑中各节点的连接关系，所述切片特征矩阵用于存储各切片节点的属性数据以及待割接节点的割接特征数据。
31.可选的，所述输入模块具体适于：
32.将所述切片割接拓扑数据输入预设的告警屏蔽模型，获取告警屏蔽模型输出的网元级屏蔽配置信息以及组件级屏蔽配置信息。
33.可选的，所述输入模块具体适于：
34.针对所述切片割接拓扑数据进行预处理，将预处理后的切片割接拓扑数据输入预设的告警屏蔽模型。
35.可选的，所述网络切片割接请求中包含的割接特征信息包括以下中的至少一个：
36.割接涉及网元、割接涉及网元组件、割接时长、割接操作类型、割接风险等级、影响用户数、以及割接层级；
37.其中，割接操作类型包括以下中的至少一个：设备入网、业务上线、硬件扩容、软件扩容、版本升级、补丁装载、光缆割接、倒换及应急演练、设备下线、业务下线、板卡调整、模块调整、接口调整、系统优化、安全加固、容量及资源调整、业务调整、计费优化调整、架构调整、功能部署、以及配合周边；割接层级包括以下中的至少一个：无线网子切片、传输网子切片、以及核心网子切片。
38.可选的，所述网络切片为5g网络切片。
39.依据本发明的再一方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
40.所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如上
述的网络切片的割接告警屏蔽方法对应的操作。
41.依据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述的网络切片的割接告警屏蔽方法对应的操作。
42.在本发明提供的网络切片的割接告警屏蔽方法及装置中，能够根据网络切片割接请求中包含的割接特征信息得到对应的切片割接拓扑图，进而确定与切片割接拓扑图相对应的切片割接拓扑数据，并将切片割接拓扑数据输入预设的告警屏蔽模型，根据告警屏蔽模型输出的屏蔽配置信息进行告警屏蔽处理。该方式能够借助切片割接拓扑图以及告警屏蔽模型智能确定待屏蔽的告警项，提升了告警屏蔽设置的准确性以及效率。
43.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
44.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
45.图1示出了本发明实施例一提供的一种网络切片的割接告警屏蔽方法的流程图；
46.图2示出了lstm神经元的示意图；
47.图3示出了本发明实施例三提供的一种网络切片的割接告警屏蔽装置的结构图；
48.图4示出了本发明实施例五提供的一种电子设备的结构示意图；
49.图5示出了在线切片割接告警自动屏蔽流程的示意图；
50.图6示出了搭建的模型的示意图。
具体实施方式
51.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
52.实施例一
53.图1示出了本发明实施例一提供的一种网络切片的割接告警屏蔽方法的流程图。如图1所示，该方法包括：
54.步骤s110：接收网络切片割接请求，获取网络切片割接请求中包含的割接特征信息。
55.其中，网络切片割接请求中包含的割接特征信息用于针对本次网络切片割接处理的对象以及处理方式进行描述，因此，凡是能够用于描述网络切片的割接处理对象以及割接处理方式的信息均可作为割接特征信息。
56.例如，在一个具体的示例中，网络切片割接请求中包含的割接特征信息包括以下中的至少一个：割接涉及网元、割接涉及网元组件、割接时长、割接操作类型、割接风险等
级、影响用户数、以及割接层级；其中，割接操作类型包括以下中的至少一个：设备入网、业务上线、硬件扩容、软件扩容、版本升级、补丁装载、光缆割接、倒换及应急演练、设备下线、业务下线、板卡调整、模块调整、接口调整、系统优化、安全加固、容量及资源调整、业务调整、计费优化调整、架构调整、功能部署、以及配合周边；割接层级包括以下中的至少一个：无线网子切片、传输网子切片、以及核心网子切片。
57.步骤s120：获取与割接特征信息相对应的切片割接拓扑图，确定与切片割接拓扑图相对应的切片割接拓扑数据。
58.其中，切片割接拓扑图可以根据割接特征信息生成，并且，切片割接拓扑图用于描述各个切片网络节点之间的相互依赖关系。切片割接拓扑数据是根据切片割接拓扑图得到的数据形式的内容信息，用于从数据层面描述各个切片网络节点之间的相互依赖关系。
59.在一个具体示例中，将切片割接拓扑图分解为切片邻接矩阵和切片特征矩阵；将切片邻接矩阵和切片特征矩阵中包含的矩阵数据作为切片割接拓扑数据。其中，切片邻接矩阵用于存储切片网络拓扑中各节点的连接关系，切片特征矩阵用于存储各切片节点的属性数据以及待割接节点的割接特征数据。
60.步骤s130：将切片割接拓扑数据输入预设的告警屏蔽模型，得到告警屏蔽模型输出的屏蔽配置信息。
61.其中，告警屏蔽模型可以为神经网络模型，具体可通过预先训练的方式得到。具体实施时，将切片割接拓扑数据输入预设的告警屏蔽模型，获取告警屏蔽模型输出的网元级屏蔽配置信息以及组件级屏蔽配置信息。其中，网元级屏蔽配置信息用于以网元为屏蔽粒度实现针对各个网元的屏蔽处理，而组件级屏蔽配置信息比网元级屏蔽配置信息的粒度更细，用于从网元中包含的功能模块或组件、单元的角度进行屏蔽配置。
62.可选的，在将切片割接拓扑数据输入预设的告警屏蔽模型时，通过以下方式实现：针对切片割接拓扑数据进行预处理，将预处理后的切片割接拓扑数据输入预设的告警屏蔽模型。
63.步骤s140：根据屏蔽配置信息进行告警屏蔽处理。
64.具体地，获取告警屏蔽模型输出的屏蔽配置信息，以便根据该屏蔽配置信息进行告警屏蔽处理。
65.由此可见，在本发明提供的网络切片的割接告警屏蔽方法中，能够根据网络切片割接请求中包含的割接特征信息得到对应的切片割接拓扑图，进而确定与切片割接拓扑图相对应的切片割接拓扑数据，并将切片割接拓扑数据输入预设的告警屏蔽模型，根据告警屏蔽模型输出的屏蔽配置信息进行告警屏蔽处理。该方式能够借助切片割接拓扑图以及告警屏蔽模型智能确定待屏蔽的告警项，提升了告警屏蔽设置的准确性以及效率。
66.为了便于理解，下面以一个具体示例为例，详细描述本发明实施例的具体实现细节：
67.目前5g网络切片的割接告警屏蔽需要在割接进行前人工对需要屏蔽的告警项进行勾选，或者事先进行屏蔽规则的人工定义，费时费力、效率较低，其次，现有的告警屏蔽颗粒度较大，只能设置为网元级别，存在某些可能与割接无关的告警也被屏蔽，从而导致割接引起的问题得不到及时响应。相应地，本示例公开了一种基于注意力图到序列网络的5g切片割接告警自动屏蔽方法。该方法利用图到序列网络能够将图映射为序列的优势，搭建注
意力机制图到序列神经网络，通过学习待进行的切片割接特征以及待割接节点与周边网元节点间的拓扑关系，将可能受本次割接影响的本节点相关组件、以及可能受本次割接影响的周边切片节点的相关组件告警进行屏蔽。模型由图编码器和序列解码器组成，其中图编码器利用图卷积层提取切片网络各节点间的连接关系、各切片节点的属性信息以及待割接节点的割接特征信息，将切片拓扑的节点和边投影到低维向量空间中；再利用序列解码器的注意力机制lstm层学习被提取空间特征后的切片割接拓扑向量表示与正确的告警屏蔽配置之间的关系，最终通过全连接层输出所预测的对应切片割接的告警屏蔽配置(包含网元级屏蔽配置和组件级屏蔽配置两部分)。将模型输出的本次待进行割接告警屏蔽的配置信息发送至nsmf，由nsmf实施告警屏蔽，从而提升切片割接告警屏蔽的效率和准确性。
68.其中，网络切片(network slice)是端到端的逻辑功能和其所需的物理或虚拟资源集合，包括接入网、传输网、核心网等，网络切片可认为是5g网络中的虚拟化“专网”；网络切片基于nfv的统一基础设施构建，实现低成本高效运营。网络切片技术可以实现通信网络的逻辑隔离，允许在每个网络切片中配置和重用网络元件及功能以满足特定的行业应用需求。切片管理架构主要由csmf、nsmf、nssmf组成。
69.其中，csmf(communication service management function)：通信业务管理功能，完成用户业务通信服务的需求订购和处理，负责将运营商/第三方客户的通信服务需求转化为对网络切片的需求，并通过和nsmf之间的接口向nsmf发送对网络切片的需求(如创建、终结、修改网络切片实例请求等)，从nsmf获取网络切片的管理数据(如性能、故障数据等)。
70.其中，nsmf(network slice management function)：网络切片管理功能，负责接收csmf(communication service management function，通信业务管理功能)发送的网络切片需求，对网络切片实例的生命周期、性能、故障等进行管理，编排网络切片实例的组成，分解网络切片实例的需求为各网络切片子网实例或网络功能的需求，向各nssmf发送网络切片子网实例管理请求。
71.其中，nssmf(network slice subnet management function)：网络切片子网管理功能，接收从nsmf下发的网络切片子网部署需求，对网络切片子网实例进行管理，编排网络切片子网实例的组成，将网络切片子网的sla需求映射为网络服务的qos需求，向etsi nfv域的nfvo系统下发网络服务的部署请求。
[0072]“割接”是指运营商针对现网设备的扩容、升级、改造、替换以及配置更改等高危操作，因此割接必然伴随着风险的存在。切片网络节点繁多、关系复杂，相比传统网络，切片网络割接的复杂度和难度也成倍提高。
[0073]
切片割接告警屏蔽的目的是为了避免在割接过程中产生过多告警而使运维人员无法区分哪些是需要关注的告警，目前5g网络切片的割接告警屏蔽需要在割接进行前人工对需要屏蔽的告警项进行勾选，或者事先进行屏蔽规则的人工定义，在5g网络切片中，切片结构复杂、节点类型多样、关系错综复杂，由此给屏蔽告警的选择提出了难度，传统人工决策的方式已无法适应需求。因此，本示例提出利用图到序列(graph-to-sequence，graph2seq)网络能够将图映射为序列的优势，通过学习待进行的切片割接特征以及待割接节点与周边网元节点间的拓扑关系，将可能受本次割接影响的本节点相关组件、以及可能受本次割接影响的周边切片节点的相关组件告警进行屏蔽，自动判断需要屏蔽哪些告警、
不需要屏蔽哪些告警。
[0074]
本模型(即上文提到的告警屏蔽模型)采用编码器-解码器架构，由图编码器和序列解码器组成，其中图编码器由图卷积神经网络(gcns，graph convolutional networks)组成，负责将输入的切片割接拓扑映射为拓扑节点和边的潜在空间向量表示；其中序列解码器由注意力机制长短期记忆神经网络(lstm，long short-term memory)组成，负责从拓扑节点和边的潜在空间向量表示中抽取切片割接特征，生成目标切片割接告警屏蔽配置序列。
[0075]
模型输入待进行的切片割接信息，包含割接涉及网元、割接涉及网元模块、割接时长、割接操作类型、割接风险等级、影响用户数、割接层级等信息。其中，割接操作类型包括：设备入网、业务上线、硬件扩容、软件扩容、版本升级、补丁装载、光缆割接、倒换及应急演练、设备下线、业务下线、板卡调整、模块调整、接口调整、系统优化、安全加固、容量及资源调整、业务调整、计费优化调整、架构调整、功能部署、配合周边、及其它；其中，割接层级包括：无线网子切片、传输网子切片、核心网子切片、nfvi。模型输出为针对该次切片割接的告警屏蔽配置，分为网元级屏蔽配置和组件级屏蔽配置两部分：其中，网元级屏蔽配置是指屏蔽颗粒度为网元级别；其中，组件级屏蔽配置是指屏蔽颗粒度为组件级别，比网元级别的颗粒度更小，例如某个网元的某个模块或某项功能。
[0076]
本示例中的图是指切片割接拓扑图，每个节点代表切片网络节点，每条边代表切片网络节点之间的连接关系，每个节点的特征即为各切片节点的属性数据以及待割接节点的割接特征数据。gcn的本质目的就是用来提取切片拓扑图的空间特征，目标是要学习图g＝(v，e)上的信号或特征的一个映射，输入包括邻接矩阵a和特征矩阵x，模型会产生一个节点级别的输出或图级别的输出z。
[0077]
图编码器中每一个图卷积神经网络层可以写成如下的非线性函数：
[0078]
h
(l 1)
＝f(h
(l)
，a)
[0079]
其中，h(0)＝x即为输入数据，h(l)＝z即为输出数据，l为神经网络的层数，选择不同的f()以及参数也决定了不同的模型。
[0080][0081]
其中w(l)是第l个神经网络层的参数矩阵，σ()是非线性激活函数，比如relu，a为邻接矩阵，d
’-1/2
a’d
’-1/2
是对邻接矩阵a的对称归一化，a’＝a i，d’是a’的节点度对角矩阵。
[0082]
将图编码器输出的z输入至序列解码器，序列解码器由注意力机制lstm层构成，本提案所述的长短期记忆(lstm，long short-term memory)是一种特殊的循环神经网络类型，通过控制缓存中的值保存的时间，可以记住长期的信息，适合进行时间序列的预测。每个神经元有四个输入和一个输出，每个神经元内有一个cell存放记忆的数值。lstm神经元如图2所示，其中，
[0083][0084][0085]
[0086][0087][0088][0089]
y
t
＝σ(w
′
h
t
)
ꢀꢀꢀ
(7)
[0090]
每一个lstm神经元中含有三个门控：遗忘门、输入门、输出门。公式(1)代表了遗忘门，在公式(2)、(3)中新的信息被添加进来，公式(4)融合了新信息和旧信息，公式(5)、(6)输出目前lstm单元已学习到的关于下一个时间戳的信息。长短期记忆神经网络在长时间序列的学习上具有较好的效果，lstm单元内每条连接线上含有相应的权重，xt代表输入向量，ht代表隐藏状态，ct代表t时刻的神经元状态，yt代表神经元的输出，w为可训练的权重矩阵，b为偏置向量。
[0091]
本示例的在线切片割接告警自动屏蔽流程如下：
[0092]
(1)运维人员向网络切片管理功能nsmf提交割接请求；
[0093]
(2)nsmf从割接请求中提取出本次待进行割接的特征信息，包括割接涉及网元、割接涉及网元模块、割接时长、割接操作类型、割接风险等级、影响用户数、割接层级等信息，并更新至切片割接拓扑图；
[0094]
(3)将更新后的切片割接拓扑图分解为切片邻接矩阵a和切片特征矩阵x，邻接矩阵a为切片网络拓扑中各节点的连接关系，特征矩阵x包含各切片节点的属性信息以及待割接节点的割接特征信息{x1、x2、x3、
…
、xn}；
[0095]
(4)将包含本次待进行割接特征信息的切片割接拓扑图数据输入至数据预处理模块进行预处理；
[0096]
(5)将经过预处理的本次待进行割接的特征信息输入至切片割接告警屏蔽模型中；
[0097]
(6)模型经过预训练完毕的图网络模型计算后输出建议的告警屏蔽配置{y1、y2、y3、
…
、ym}，包含网元级屏蔽配置和组件级屏蔽配置两部分；
[0098]
(7)将模型建议的本次待进行割接告警屏蔽配置发送至nsmf，由nsmf实施告警屏蔽。
[0099]
图5示出了与上述流程相对应的示意图。
[0100]
由此可见，在上述过程中，主要涉及到如下两个核心步骤：
[0101]
步骤一：切片割接拓扑图预处理。收集历史网络切片割接拓扑图作为总数据集，对数据集中的每次切片割接进行人工告警屏蔽配置。然后将切片割接拓扑图转化为模型的输入，即邻接矩阵a和特征矩阵x，邻接矩阵a为切片割接拓扑中各节点的连接关系，特征矩阵x包含各切片节点的属性信息以及待割接节点的割接特征信息(即割接特征数据)，标签矩阵y为人工标记的每次切片割接的告警屏蔽配置。
[0102]
下面针对步骤一描述的数据预处理过程进行详细描述：
[0103]
收集历史网络切片割接拓扑图作为总数据集，对数据集中的每次切片割接进行人工告警屏蔽配置。然后将切片割接拓扑图转化为模型的输入，即邻接矩阵a和特征矩阵x，邻接矩阵a为切片割接拓扑中各节点的连接关系，特征矩阵x包含各切片节点的属性信息以及待割接节点的割接特征信息，标签矩阵y为人工标记的每次切片割接的告警屏蔽配置。其
中，切片网络拓扑图可表示为g＝(v，e)，v为切片网络节点的集合v＝{v1,v2,v3,
…
,vn}，e为边的集合。邻接矩阵a为切片割接拓扑中各节点的连接关系，eij表示组网节点vi和组网节点vj之间的连接关系，节点之间相连为1，否则为0。形状为n*n(n为节点的个数)。
[0104]
特征矩阵x包含各切片节点的属性信息(节点网元名称、节点网元类型、节点所属切片子域等)以及待割接节点的割接特征信息{x1、x2、x3、
…
、xn}，若该节点无待进行割接则割接特征信息部分用零填充。定义每条节点特征信息的编码序列长度为f，取节点特征集中最长长度f作为其编码序列长度，将每条数据的长度均填充为f，因此特征矩阵x可表示为n*f的特征矩阵，取其词典大小为cutover_vocab_size。
[0105]
标签矩阵y为人工标记的每次切片割接的告警屏蔽配置{y1、y2、y3、
…
、ym}，取告警屏蔽配置集的最长长度k作为其索引序列长度，取其词典大小为warningblock_vocab_size。形状为n*k。
[0106]
最后将总数据集划分为训练数据和测试数据，取整个数据集的80％为训练数据，剩余20％为测试数据。用训练集进行训练，使得重建数据与原始数据越接近越好，用测试集来评价验证模型。
[0107]
步骤二：搭建并训练图到序列模型。搭建图到序列结构的神经网络，由图编码器和序列解码器组成，其中图编码器利用图卷积层提取切片网络各节点间的连接关系、各切片节点的属性信息以及待割接节点的割接特征信息，将切片拓扑的节点和边投影到低维向量空间中；再利用序列解码器的注意力lstm层学习被提取空间特征后的切片割接拓扑向量表示与正确的告警屏蔽配置之间的关系，最终通过全连接层输出所预测的对应切片割接的告警屏蔽配置。
[0108]
下面针对步骤二描述的搭建并训练模型的过程进行详细描述：
[0109]
搭建图到序列结构的神经网络，由图编码器和序列解码器组成，其中，图编码器利用图卷积层提取切片网络各节点间的连接关系、各切片节点的属性信息以及待割接节点的割接特征信息，将切片拓扑的节点和边投影到低维向量空间中；再利用序列解码器的注意力lstm层学习被提取空间特征后的切片割接拓扑向量表示与正确的告警屏蔽配置之间的关系，最终通过全连接层输出所预测的对应切片割接的告警屏蔽配置。
[0110]
所搭建的模型如图6所示：
[0111]
图编码器由图卷积神经网络组成：负责将输入的切片割接拓扑映射为拓扑节点和边的潜在空间向量表示。z＝gcn(x，a)，其中，gcn为图卷积网络。
[0112]
第一层为输入层：输入切片邻接矩阵a和切片特征矩阵x；
[0113]
第二层为图卷积层(graph conv)：卷积核个数为256，激活函数设置为“relu”；
[0114]
第三层为图卷积层(graph conv)：卷积核个数为256，激活函数设置为“lamda”。输出切片拓扑节点和边的潜在空间向量表示z＝(z1,z2,z3,...,zv)；
[0115]
序列解码器由注意力机制长短期记忆神经网络组成：负责从拓扑节点和边的潜在空间向量表示中抽取切片割接特征，生成目标切片割接告警屏蔽配置序列。
[0116]
根据给定的y1,...,yi-1，隐藏状态zi(i表示时刻)，以及上下文向量ci，预测下一个token，即yi。其中，上下文向量ci取决于前述图编码器根据输入图生成的节点表示集合(z1,z2,z3,...,zv)。具体而言，上下文向量ci通过节点表示的加权和计算得出：
[0117][0118]
attentioni：在输出时间步骤i的注意力权重；ci：在输出时间步骤i的上下文(context)。
[0119]
其中相应的权重aij由下式softmax函数计算得出：
[0120][0121]
将所得的上下文输入到长短期记忆神经层中：
[0122]
y
i
＝lstm(c
i
)
[0123]
第四层为注意力长短期记忆层：神经元个数设置为128，激活函数设置为“relu”；输入切片割接拓扑的潜在空间向量表示z；
[0124]
第五层为注意力长短期记忆层：神经元个数设置为128，激活函数设置为“relu”；
[0125]
第六层全连接(dense)层(输出层)：包含dense全连接神经元个数为warningblock_vocab_size，激活函数设置为“softmax”，将softmax输出结果送入多类交叉熵损失函数。该层输出数据的形状为(none,warningblock_vocab_size)，输出所预测的对应切片割接的告警屏蔽配置(包含网元级屏蔽配置和组件级屏蔽配置两部分)。
[0126]
然后计算预测的切片割接告警屏蔽配置和正确的切片割接告警屏蔽配置之间的误差，训练目标是最小化该误差。目标函数选择'categorical_crossentropy'多类对数损失函数。将训练回合数设置为1000(epochs＝1000)，梯度下降优化算法选择adam优化器用于改善传统梯度下降的学习速度(optimizer＝'adam')。神经网络通过梯度下降，可以找到使目标函数最小的最优权重值，神经网络通过训练会自主学习到权重值。用训练集进行训练，使得目标函数越小越好，并在每轮训练后用测试集来评价验证模型。模型收敛后导出该模型的权重。
[0127]
综上可知，本发明公开了一种基于注意力图到序列网络的5g切片割接告警自动屏蔽方法。利用图到序列网络能够将图映射为序列的优势，搭建注意力机制图到序列神经网络，通过学习待进行的切片割接特征以及待割接节点与周边网元节点间的拓扑关系，将可能受本次割接影响的本节点相关组件、以及可能受本次割接影响的周边切片节点的相关组件告警进行屏蔽。模型由图编码器和序列解码器组成，其中，图编码器利用图卷积层提取切片网络各节点间的连接关系、各切片节点的属性信息以及待割接节点的割接特征信息，将切片拓扑的节点和边投影到低维向量空间中；再利用序列解码器的注意力机制lstm层学习被提取空间特征后的切片割接拓扑向量表示与正确的告警屏蔽配置之间的关系，最终通过全连接层输出所预测的对应切片割接的告警屏蔽配置(包含网元级屏蔽配置和组件级屏蔽配置两部分)。将模型建议的本次待进行割接告警屏蔽配置发送至nsmf，由nsmf实施告警屏蔽。从而提升切片割接告警屏蔽的效率和准确性。
[0128]
实施例三
[0129]
图3示出了本发明实施例三提供的一种网络切片的割接告警屏蔽装置的结构示意
图，具体包括：
[0130]
接收模块31，适于接收网络切片割接请求，获取所述网络切片割接请求中包含的割接特征信息；
[0131]
获取模块32，适于获取与所述割接特征信息相对应的切片割接拓扑图，确定与所述切片割接拓扑图相对应的切片割接拓扑数据；
[0132]
输入模块33，适于将所述切片割接拓扑数据输入预设的告警屏蔽模型，得到所述告警屏蔽模型输出的屏蔽配置信息；
[0133]
屏蔽模块34，适于根据所述屏蔽配置信息进行告警屏蔽处理。
[0134]
可选的，所述获取模块具体适于：
[0135]
将所述切片割接拓扑图分解为切片邻接矩阵和切片特征矩阵；
[0136]
将所述切片邻接矩阵和切片特征矩阵中包含的矩阵数据作为所述切片割接拓扑数据。
[0137]
可选的，所述切片邻接矩阵用于存储切片网络拓扑中各节点的连接关系，所述切片特征矩阵用于存储各切片节点的属性数据以及待割接节点的割接特征数据。
[0138]
可选的，所述输入模块具体适于：
[0139]
将所述切片割接拓扑数据输入预设的告警屏蔽模型，获取告警屏蔽模型输出的网元级屏蔽配置信息以及组件级屏蔽配置信息。
[0140]
可选的，所述输入模块具体适于：
[0141]
针对所述切片割接拓扑数据进行预处理，将预处理后的切片割接拓扑数据输入预设的告警屏蔽模型。
[0142]
可选的，所述网络切片割接请求中包含的割接特征信息包括以下中的至少一个：
[0143]
割接涉及网元、割接涉及网元组件、割接时长、割接操作类型、割接风险等级、影响用户数、以及割接层级；
[0144]
其中，割接操作类型包括以下中的至少一个：设备入网、业务上线、硬件扩容、软件扩容、版本升级、补丁装载、光缆割接、倒换及应急演练、设备下线、业务下线、板卡调整、模块调整、接口调整、系统优化、安全加固、容量及资源调整、业务调整、计费优化调整、架构调整、功能部署、以及配合周边；割接层级包括以下中的至少一个：无线网子切片、传输网子切片、以及核心网子切片。
[0145]
可选的，所述网络切片为5g网络切片。
[0146]
实施例四
[0147]
本技术实施例四提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的网络切片的割接告警屏蔽方法。可执行指令具体可以用于使得处理器执行上述方法实施例中对应的各个操作。
[0148]
实施例五
[0149]
图4示出了根据本发明实施例五的一种电子设备的结构示意图，本发明具体实施例并不对电子设备的具体实现做限定。
[0150]
如图4所示，该电子设备可以包括：处理器(processor)402、通信接口(communications interface)406、存储器(memory)404、以及通信总线408。
[0151]
其中：
[0152]
处理器402、通信接口406、以及存储器404通过通信总线408完成相互间的通信。
[0153]
通信接口406，用于与其它设备比如客户端或其它服务器等的网元通信。
[0154]
处理器402，用于执行程序410，具体可以执行上述网络切片的割接告警屏蔽方法实施例中的相关步骤。
[0155]
具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
[0156]
处理器402可能是中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。
[0157]
存储器404，用于存放程序410。存储器404可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0158]
程序510具体可以用于使得处理器502执行上述方法实施例中对应的各个操作。
[0159]
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
[0160]
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
[0161]
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
[0162]
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
[0163]
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任
意之一都可以以任意的组合方式来使用。
[0164]
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
[0165]
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。