一种5G网络通信管制方法与流程

本技术涉及网络通信，且更为具体地，涉及一种5g网络通信管制方法。

背景技术：

1、随着5g网络的普及，网络通信管制成为了一个重要的议题。5g网络连接了大量的终端设备和应用系统，用户的个人信息和隐私面临更高的风险。通过对5g网络用户通信进行管制，可以监测和阻止恶意行为，如网络攻击、网络钓鱼、恶意软件传播等，有助于保护用户免受网络犯罪的侵害，维护网络安全。此外，通过管制用户通信，可以监督和管理用户的行为，防止不当行为，有助于确保用户通信行为符合法律法规和监管机构的要求。

2、对此，专利cn110740489a公开了一种5g网络通信管制方法，其通过向目标用户发送重新注册消息，根据管制命令和注册消息中的用户标识等信息对目标用户进行识别，从而确定管制区域内的目标用户中需要进行管制的管制用户，实现了对管制区域内的管制用户和非管制用户的精准区分，有效地提高了通信管制精准度。具体地，在确认目标用户为管制用户后，需要根据管制用户的注册消息选择相应的管制策略对所述目标用户进行管制。然而，传统的网络通信管制方法往往基于一般性规则和标准制定，无法充分考虑到不同用户的特定情况，不能根据具体用户的信息进行个性化的管制，可能导致某些情况下管制过度，给用户带来不便和不必要的限制，而另一些情况下管制不足，无法有效约束用户的行为。

3、因此，期待一种优化的5g网络通信管制方法。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种5g网络通信管制方法，其采用基于深度学习的自然语言处理技术对目标用户的注册信息进行语义理解，捕捉到目标用户注册信息的语义特征表达，挖掘出所述注册信息中潜在的风险信息，从而智能化选择相应的管制策略对所述目标用户进行管制。这样，能够实现智能化的管制策略选择和实施，为5g网络通信管制提供有效的决策支持。

2、相应地，根据本技术的一个方面，提供了一种5g网络通信管制方法，包括:接收管制命令，其中，所述管制命令包括管制区域信息；根据所述管制区域信息确定目标用户，其中，所述目标用户位于所述管制区域信息对应的管制区域内；向所述目标用户的用户设备发送重新注册消息；接收所述目标用户的用户设备根据所述重新注册消息发送的注册消息；根据所述管制命令和所述注册消息确定所述目标用户是否为管制用户；响应于所述目标用户为管制用户，将所述管制用户的注册消息路由至管制网元；所述管制网元根据所述注册消息选用相应的管制策略对所述管制用户进行管制，其中，所述管制网元根据所述注册消息选用相应的管制策略对所述管制用户进行管制，包括：

3、响应于所述目标用户为管制用户，获取所述目标用户的注册信息；

4、对所述注册信息进行嵌入编码以得到注册信息词粒度嵌入编码向量的序列；

5、分别提取所述注册信息词粒度嵌入编码向量的序列的短期依赖语义关系和长期依赖语义关系以得到第一注册信息语义理解特征向量和第二注册信息语义理解特征向量；

6、对所述第一注册信息语义理解特征向量和所述第二注册信息语义理解特征向量进行投影融合以得到多尺度注册信息语义理解特征向量；

7、基于所述多尺度注册信息语义理解特征向量，生成所述目标用户的管制策略标签。

8、在上述5g网络通信管制方法中，对所述注册信息进行嵌入编码以得到注册信息词粒度嵌入编码向量的序列，包括：对所述注册信息进行分词处理后通过基于词嵌入层的词粒度编码器以得到所述注册信息词粒度嵌入编码向量的序列。

9、在上述5g网络通信管制方法中，分别提取所述注册信息词粒度嵌入编码向量的序列的短期依赖语义关系和长期依赖语义关系以得到第一注册信息语义理解特征向量和第二注册信息语义理解特征向量，包括：对所述注册信息词粒度嵌入编码向量的序列进行局部语义关联编码以得到所述第一注册信息语义理解特征向量；对所述注册信息词粒度嵌入编码向量的序列进行双向循环语义关联编码以得到所述第二注册信息语义理解特征向量。

10、在上述5g网络通信管制方法中，对所述注册信息词粒度嵌入编码向量的序列进行局部语义关联编码以得到所述第一注册信息语义理解特征向量，包括：将所述注册信息词粒度嵌入编码向量的序列通过基于文本卷积神经网络模型的第一语义编码器以得到所述第一注册信息语义理解特征向量。

11、在上述5g网络通信管制方法中，对所述注册信息词粒度嵌入编码向量的序列进行双向循环语义关联编码以得到所述第二注册信息语义理解特征向量，包括：将所述注册信息词粒度嵌入编码向量的序列通过基于双向门控循环单元的第二语义编码器以得到所述第二注册信息语义理解特征向量。

12、在上述5g网络通信管制方法中，对所述第一注册信息语义理解特征向量和所述第二注册信息语义理解特征向量进行投影融合以得到多尺度注册信息语义理解特征向量，包括：使用基于投影层的多尺度语义融合器对所述第一注册信息语义理解特征向量和所述第二注册信息语义理解特征向量进行语义融合以得到所述多尺度注册信息语义理解特征向量。

13、在上述5g网络通信管制方法中，使用基于投影层的多尺度语义融合器对所述第一注册信息语义理解特征向量和所述第二注册信息语义理解特征向量进行语义融合以得到所述多尺度注册信息语义理解特征向量，包括：以如下投影融合公式对所述第一注册信息语义理解特征向量和所述第二注册信息语义理解特征向量进行语义融合以得到所述多尺度注册信息语义理解特征向量；其中，所述投影融合公式为：

14、

15、其中，是所述第一注册信息语义理解特征向量，是所述第二注册信息语义理解特征向量，是所述多尺度注册信息语义理解特征向量，表示投影融合处理，表示级联处理。

16、在上述5g网络通信管制方法中，基于所述多尺度注册信息语义理解特征向量，生成所述目标用户的管制策略标签，包括：对所述多尺度注册信息语义理解特征向量进行特征分布优化以得到优化后多尺度注册信息语义理解特征向量；将所述优化后多尺度注册信息语义理解特征向量通过分类器以得到分类结果，所述分类结果用于表示管制策略标签。

17、在上述5g网络通信管制方法中，对所述多尺度注册信息语义理解特征向量进行特征分布优化以得到优化后多尺度注册信息语义理解特征向量，包括：对所述第一注册信息语义理解特征向量和所述第二注册信息语义理解特征向量进行融合优化以得到优化特征向量；融合所述优化特征向量和所述多尺度注册信息语义理解特征向量以得到所述优化后多尺度注册信息语义理解特征向量。

18、在上述5g网络通信管制方法中，将所述优化后多尺度注册信息语义理解特征向量通过分类器以得到分类结果，所述分类结果用于表示管制策略标签，包括：使用所述分类器的全连接层对所述优化后多尺度注册信息语义理解特征向量进行全连接编码以得到全连接编码特征向量；将所述全连接编码特征向量输入所述分类器的softmax分类函数以得到所述优化后多尺度注册信息语义理解特征向量归属于各个分类标签的概率值，所述分类标签包括所有的管制策略标签；将所述概率值中最大者对应的分类标签确定为所述分类结果。

19、与现有技术相比，本技术提供的5g网络通信管制方法，其采用基于深度学习的自然语言处理技术对目标用户的注册信息进行语义理解，捕捉到目标用户注册信息的语义特征表达，挖掘出所述注册信息中潜在的风险信息，从而智能化选择相应的管制策略对所述目标用户进行管制。这样，能够实现智能化的管制策略选择和实施，为5g网络通信管制提供有效的决策支持。