一种基于数据中台开放服务的网络运行可视化分析方法与流程

本发明涉及计算机网络，具体地说，涉及一种基于数据中台开放服务的网络运行可视化分析方法。

背景技术：

1、数据中台开放服务是指通过构建一个中央化的数据平台，将企业内部的数据进行整合、处理和分析，最终以服务的形式提供给内部或外部用户，随着互联网技术的飞速发展，网络结构和流量变得越来越复杂，为了确保网络的健康运行和性能优化，需要对网络运行状态进行实时监控与分析。

2、传统的网络监控工具往往只能提供基础的数据展示，缺乏高级的数据分析和直观的可视化呈现，此外，网络运行影响因素众多，现有技术中无法快速、准确的对影响因素进行定位，导致网络管理员难以快速准确地掌握网络状况并做出决策。因此，急需一种新型的网络运行可视化分析方法来解决上述问题。

技术实现思路

1、本发明提供了一种基于数据中台开放服务的网络运行可视化分析方法，其能够克服现有技术的某种或某些缺陷。

2、根据本发明的一种基于数据中台开放服务的网络运行可视化分析方法，其包括如下步骤：

3、步骤s1、通过数据中台开放接口获取网络运行数据；

4、步骤s2、对步骤s1中获取的网络运行数据进行预处理，构建关联特征数据集d＝|d1,d2,..,dn|；

5、步骤s3、针对步骤s2中的关联特征数据集d＝|d1,d2,..,dn|，根据关联特征数据分析降维重构该关联特征数据空间，降低数据集复杂度，识别构造出最相关的k个关联特征数据，将降维后的数据可视化，以直观地展示数据的结构和特征，这有助于更好地理解数据的内在规律和关联关系；

6、步骤s4、构建关联特征数据分析模型，将步骤s3中最相关的k个关联特征数据作为关联特征数据分析模型的输入数据，获取关联特征数据分析模型的输出数据；

7、步骤s5、构建可视化模型，将步骤s4中获取的输出数据输入构建可视化模型得出的分析结果，根据分析结果，生成网络运行的可视化界面，并进行可视化展示网络运行的各项指标，用户可以通过交互式界面对可视化数据进行探索，如缩放、过滤、高亮显示特定数据点或路径等，以便更深入地理解网络状况；

8、步骤s6、根据可视化结果，进行深入的数据分析，实现对网络运行状态的实时监控，以及对设备性能的诊断分析和故障预警。

9、进一步的，步骤s1中收集的网络运行数据包括但不限于网络流量数据、设备状态数据、应用性能数据、用户行为数据等关联特征数据。

10、进一步的，步骤s2中预处理包括以下步骤：

11、a1.将收集的网络运行数据进行清洗、去除缺失值与异常值；

12、a2.上述a1中的数据中位数填充该数据中的缺失值，四分法分析数据中存在的异常值，并用数据的中位数替换该缺失值。

13、进一步的，关联特征数据分析模型的输出数据通过下述步骤获取得到：将输出的数据标记为关联特征标签，将关联特征标签标记为ds；当关联特征标签ds∈[1,2]时，则将关联特征标签标记为绿色，当关联特征标签ds∈(2,4]时，则将关联特征标签标记为黄色，当关联特征标签ds∈(4,6]时，则将关联特征标签标记为红色，形成关联特征权重比例图。

14、进一步的，设置关联特征标签系数为dh；利用公式获取得到相关关联特征占比值dv，e1为预设比例系数，将获取得到相关关联特征占比值dv从高到低进行依次排序，分别为第一影响关联特征数据、第二关影响联数据、第三关影响联数据...第k影响关联特征数据。

15、进一步的，关联特征数据分析模型通过下述步骤获取得到：获取得到k个关联特征数据，将k个关联特征数据标记为训练特征，对训练特征赋予特征标签，将训练特征获取按照设定比例划分成训练集和验证集，构建神经网络模型，通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大于迭代次数阈值时，则判定神经网络模型完成训练，将训练完成的神经网络模型标记为特征分析模型，所述特征标签的取值范围为[2,+∞)，其中特征标签的值越大，表示其相关关联特征数据越多。

16、进一步的，网络运行的可视化界面包括但不限于网络拓扑图、流量分布图、设备状态监控图等。

17、进一步的，步骤s6中的深入的数据分析通过下述步骤获取得到：利用数据挖掘和机器学习算法对处理后的数据进行深入分析，以识别模式、趋势、异常行为、性能瓶颈、安全威胁和潜在问题。

18、进一步的，利用数据中台提供的可视化工具和模型构建模块得到可视化模型。

19、进一步的，步骤s6中系统可以根据用户需求自动生成分析报告，报告中包含关键指标的趋势分析、异常事件的详细描述以及优化建议，并将分析结果和可视化界面通过api或微服务的形式开放给其他系统或应用。

20、本发明的有益效果如下：

21、1、通过可视化展示和分析，使得用户能够直观地了解网络运行状况，快速发现和解决潜在问题，增强了用户体验，使网络管理更加直观高效；

22、2、本发明通过数据中台开放服务，实现了网络运行数据的实时采集、处理和可视化分析，将关联特征数据根据相关影响特征权重大小进行排序，得到关联特征数据的具体信息，根据这些信息可以将影响关联数据进行分类，以便于在不同影响因素下，对不同特征影响的大小进行快速排序分析，实现精准定位最大影响特征，提高网络异常检测的准确性。

技术特征：

1.一种基于数据中台开放服务的网络运行可视化分析方法，其特征在于，包括如下步骤：

2.根据权利要求1的一种基于数据中台开放服务的网络运行可视化分析方法，其特征在于：步骤s1中收集的网络运行数据包括但不限于网络流量数据、设备状态数据、应用性能数据、用户行为数据等关联特征数据。

3.根据权利要求1的一种基于数据中台开放服务的网络运行可视化分析方法，其特征在于，步骤s2中预处理包括以下步骤：

4.根据权利要求1的一种基于数据中台开放服务的网络运行可视化分析方法，其特征在于，关联特征数据分析模型的输出数据通过下述步骤获取得到：将输出的数据标记为关联特征标签，将关联特征标签标记为ds；当关联特征标签ds∈[1,2]时，则将关联特征标签标记为绿色，当关联特征标签ds∈(2,4]时，则将关联特征标签标记为黄色，当关联特征标签ds∈(4,6]时，则将关联特征标签标记为红色，形成关联特征权重比例图。

5.根据权利要求4的一种基于数据中台开放服务的网络运行可视化分析方法，其特征在于：设置关联特征标签系数为dh；利用公式获取得到相关关联特征占比值dv，e1为预设比例系数，将获取得到相关关联特征占比值dv从高到低进行依次排序，分别为第一影响关联特征数据、第二关影响联数据、第三关影响联数据...第k影响关联特征数据。

6.根据权利要求1的一种基于数据中台开放服务的网络运行可视化分析方法，其特征在于：关联特征数据分析模型通过下述步骤获取得到：获取得到k个关联特征数据，将k个关联特征数据标记为训练特征，对训练特征赋予特征标签，将训练特征获取按照设定比例划分成训练集和验证集，构建神经网络模型，通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大于迭代次数阈值时，则判定神经网络模型完成训练，将训练完成的神经网络模型标记为特征分析模型，所述特征标签的取值范围为[2,+∞)，其中特征标签的值越大，表示其相关关联特征数据越多。

7.根据权利要求1的一种基于数据中台开放服务的网络运行可视化分析方法，其特征在于：网络运行的可视化界面包括但不限于网络拓扑图、流量分布图、设备状态监控图等。

8.根据权利要求1的一种基于数据中台开放服务的网络运行可视化分析方法，其特征在于：步骤s6中的深入的数据分析通过下述步骤获取得到：利用数据挖掘和机器学习算法对处理后的数据进行深入分析，以识别模式、趋势、异常行为、性能瓶颈、安全威胁和潜在问题。

9.根据权利要求1的一种基于数据中台开放服务的网络运行可视化分析方法，其特征在于：利用数据中台提供的可视化工具和模型构建模块得到可视化模型。

10.根据权利要求1的一种基于数据中台开放服务的网络运行可视化分析方法，其特征在于：步骤s6中系统可以根据用户需求自动生成分析报告，报告中包含关键指标的趋势分析、异常事件的详细描述以及优化建议，并将分析结果和可视化界面通过api或微服务的形式开放给其他系统或应用。

技术总结
本发明公开了一种基于数据中台开放服务的网络运行可视化分析方法，属于计算机网络技术领域。一种基于数据中台开放服务的网络运行可视化分析方法，包括数据采集、数据处理、关联特征数据分析模型构建、关联特征数据分析、可视化模型构建、可视化模型分析及展示和数据判断与预警，本发明通过数据中台开放服务，实现了网络运行数据的实时采集、处理和可视化分析，将关联特征数据根据相关影响特征权重大小进行排序，得到关联特征数据的具体信息并进行分类，以便于在不同影响因素下，对不同特征影响的大小进行快速排序分析，实现精准定位最大影响特征，提高网络异常检测的准确性，使得用户能够直观地了解网络运行状况，快速发现和解决潜在问题。

技术研发人员：侯晓宇
受保护的技术使用者：上海中研宏瓴信息科技有限公司
技术研发日：
技术公布日：2024/5/10