一种网络处理分析方法、装置、电子设备和存储介质

本发明涉及通信，特别涉及一种网络处理分析方法、装置、电子设备和存储介质。

背景技术：

1、网络融合特征是一种标识目标网络基础性状的信息载体，网络融合特征高度浓缩了目标网络信息，能够体现网络设备、流量和拓扑等网络基础性状，可以唯一标识目标网络。

2、但网络融合特征的可解释性比较差，拥有黑箱属性。这使得用户难以解读网络融合特征的含义，并带来诸如鲁棒性匮乏的多种问题，且限制下游任务中网络融合特征的使用。因此，如何对网络融合特征进行处理分析，是亟待解决的技术问题。

技术实现思路

1、鉴于上述问题，本发明实施例提供了一种网络处理分析方法、装置、电子设备和存储介质，以便克服上述问题或者至少部分地解决上述问题。

2、本发明实施例的第一方面，公开了一种网络处理分析方法，所述方法包括：

3、获取目标网络的网络融合特征，所述网络融合特征表征目标网络信息；

4、对所述网络融合特征进行初步解耦和片段划分，得到所述网络融合特征对应的多个片段表示；

5、分别对多个所述片段表示进行语义编码，得到具有指定语义的片段表示。

6、可选地，对所述网络融合特征进行初步解耦和片段划分是通过解耦网络实现，所述解耦网络通过自监督学习的方式形成初步解耦能力和片段划分能力。

7、可选地，对所述网络融合特征进行初步解耦和片段划分，包括：

8、所述解耦网络利用第一自监督学习技术对所述网络融合特征中的信息进行初步解耦，得到具备初步解耦性质的网络融合特征；

9、所述解耦网络利用第二自监督学习技术对所述具备初步解耦性质的网络融合特征进行片段划分，得到所述网络融合特征对应的多个初始片段表示；

10、所述解耦网络利用第三自监督学习技术对所述多个初始片段表示进行信息均衡处理，以将所述网络融合特征中的信息均衡地聚类到每个初始片段表示中，得到所述网络融合特征对应的多个片段表示。

11、可选地，所述解耦网络利用第二自监督学习技术对所述具备初步解耦性质的网络融合特征进行片段划分，得到所述网络融合特征对应的多个初始片段表示，包括：

12、设定所述网络融合特征的划分片段表示数量和每个片段表示的长度；

13、利用第二自监督学习技术，按照所述划分片段表示数量和所述每个片段表示的长度，对所述具备初步的解耦性质的网络融合特征中性质相似的信息进行聚类，得到所述网络融合特征对应的多个初始片段表示。

14、可选地，分别对多个所述片段表示进行语义编码是通过解耦网络实现的，所述解耦网络利用添加了监督信号的片段表示进行有监督解耦表征学习形成语义编码能力；所述解耦网络的按照以下步骤训练：

15、将利用添加了监督信号的片段表示输入到所述解耦网络进行有监督表征学习；

16、针对每一个添加了监督信号的片段表示，将指定片段表示以外的其余片段表示进行处理，得到指定片段表示，并将所述指定片段表示进行有监督解耦表征学习，得到所述指定片段对应的损失函数；

17、将所述指定片段表示对应的损失函数与所述解耦网络的原始的损失函数相加，得到新的损失函数；

18、基于所述新的损失函数对所述解耦网络进行有监督表征学习，以使所述解耦网络具备解耦能力。

19、可选地，所述方法还包括：

20、根据网络融合特征中具有指定语义的片段表示，解读所述网络融合特征的含义。

21、可选地，所述方法还包括：

22、根据网络融合特征中具有指定语义的片段表示，对所述目标网络的特定信息进行还原，得到所述目标网络的特定属性，或特定拓扑结构。

23、本发明实施例的第二方面，公开了一种网络处理分析装置，所述装置包括：

24、特征获取模块，用于获取目标网络的网络融合特征，所述网络融合特征表征目标网络信息；

25、解耦划分模块，用于对所述网络融合特征进行初步解耦和片段划分，得到所述网络融合特征对应的多个片段表示；

26、语义编码模块，用于分别对多个所述片段表示进行语义编码，得到具有指定语义的片段表示。

27、本发明实施例的第三方面，公开了一种电子设备，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，所述处理器执行时实现如本发明实施例第一方面所述的网络处理分析方法的步骤。

28、本发明实施例的第四方面，公开了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现本发明实施例第一方面所述的网络处理分析方法的步骤。

29、本发明实施例包括以下优点：

30、在本发明实施例中，首先对网络融合特征进行初步解耦和片段划分，以得到网络融合特征对应的多个片段表示，然后分别对多个片段表示进行语义编码，得到具有指定语义的片段表示。通过本实施提供的网络处理分析方法，能够将具有黑箱属性的网络融合特征解耦成多个具有指定语义的片段表示，进而提高了网络融合特征可读性和可解释性。

技术特征：

1.一种网络处理分析方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，对所述网络融合特征进行初步解耦和片段划分是通过解耦网络实现，所述解耦网络通过自监督学习的方式形成初步解耦能力和片段划分能力。

3.根据权利要求2所述的方法，其特征在于，对所述网络融合特征进行初步解耦和片段划分，包括：

4.根据权利要求3所述的方法，其特征在于，所述解耦网络利用第二自监督学习技术对所述具备初步解耦性质的网络融合特征进行片段划分，得到所述网络融合特征对应的多个初始片段表示，包括：

5.根据权利要求1所述的方法，其特征在于，分别对多个所述片段表示进行语义编码是通过解耦网络实现的，所述解耦网络利用添加了监督信号的片段表示进行有监督解耦表征学习形成语义编码能力；所述解耦网络的按照以下步骤训练：

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

8.一种网络处理分析装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，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，所述处理器执行时实现如权利要求1-7任一项所述的网络处理分析方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1-7任一项所述的网络处理分析方法的步骤。

技术总结
本发明实施例提供了一种网络处理分析方法、装置、电子设备和存储介质，所述方法包括：获取目标网络的网络融合特征，所述网络融合特征表征目标网络信息；对所述网络融合特征进行初步解耦和片段划分，得到所述网络融合特征对应的多个片段表示；分别对多个所述片段表示进行语义编码，得到具有指定语义的片段表示。通过本发明实施例提供的网络处理分析方法，能够将具有黑箱属性的网络融合特征解耦成多个具有指定语义的片段表示，提高了网络融合特征可读性和可解释性。

技术研发人员：韩婷,陈泰乐,陶敬,曹垦,高志鸿,陈凯梁,刘滕
受保护的技术使用者：西安交通大学
技术研发日：
技术公布日：2024/1/15