Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国铁塔股份有限公司郭鑫获国家专利权

中国铁塔股份有限公司郭鑫获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中国铁塔股份有限公司申请的专利基于多维度特征的网络设备故障分析方法及装置获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120321104B

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510815985.1,技术领域涉及:H04L41/0631;该发明授权基于多维度特征的网络设备故障分析方法及装置是由郭鑫;袁明强;张振洋;于荣华;宋祉祺;葛雄;栾若轩;王冬辉设计研发完成,并于2025-06-18向国家知识产权局提交的专利申请。

基于多维度特征的网络设备故障分析方法及装置在说明书摘要公布了:本发明公开了一种基于多维度特征的网络设备故障分析方法及装置,涉及网络设备故障分析技术领域,其中,该方法包括:获取物联网集群中各网络设备在当前时间段运行时的时间序列特征数据,按照时间窗口维度、网络设备维度和特征维度构成多维度的网络故障标识数据集,采用预先训练的编码器对网络故障标识数据集进行编码处理,得到编码向量,将编码向量输入至预先构建的故障预测解码器中,输出各个网络设备在预定时间段内的故障概率。本发明解决了相关技术中进行网络设备故障诊断时,由于网络故障具有时空变化性和多样性,单一维度的分析无法准确捕捉故障的全貌,导致故障诊断的延迟和误诊的技术问题。

本发明授权基于多维度特征的网络设备故障分析方法及装置在权利要求书中公布了:1.一种基于多维度特征的网络设备故障分析方法,其特征在于,包括: 获取物联网集群中各网络设备在当前时间段运行时的时间序列特征数据,并基于所述时间序列特征数据按照时间窗口维度、网络设备维度和特征维度构成多维度的网络故障标识数据集; 采用预先训练的编码器对所述网络故障标识数据集进行编码处理,得到编码向量,其中,所述编码器包括K层的多维编码网络和全连接神经网络,所述K层的多维编码网络用于提取时间窗口维度、网络设备维度和特征维度之间的相互依赖关系,所述全连接神经网络用于将所述K层的多维编码网络的输出信息映射为编码向量,K为大于1的正整数; 将所述编码向量输入至预先构建的故障预测解码器中,输出各个所述网络设备在预定时间段内的故障概率; 每层所述多维编码网络包括:时空特征依赖模块,用于提取历史网络故障标识数据集中的时-空-特征之间的依赖关系,其中,所述时-空-特征是指由时间窗口维度、网络设备维度和特征维度指示的多维特征;AddNorm模块,用于对所述历史网络故障标识数据集进行多维特征链接;蒸馏模块,用于对所述历史网络故障标识数据集执行沿时间维度的空洞卷积操作,并降低所述历史网络故障标识数据集在每次蒸馏操作中的时间维度; 所述时空特征依赖模块包括:第一个分支,用于获取网络设备的历史网络故障标识数据集中的时间维度依赖,将输入的所述历史网络故障标识数据集转换为指定格式,并采用第一Transformer模型提取指定格式的所述历史网络故障标识数据集中的时间依赖特征;第二个分支,用于对所述历史网络故障标识数据集的特征维度模式进行建模,提取所述历史网络故障标识数据集中的相互依赖特征;第三个分支,用于采用第一预设图卷积神经网络对所述历史网络故障标识数据集的空间维度模式进行建模,提取所述历史网络故障标识数据集的空间依赖特征;融合模块,用于融合第一个分支提取的时间依赖特征、所述第二个分支提取到的相互依赖特征以及所述第三个分支提取的空间依赖特征。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国铁塔股份有限公司,其通讯地址为:100195 北京市海淀区东冉北街9号院北区14号楼-1至3层101;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。