TempOpt——面向电信网络的无监督告警关系学习

在电信网络中，网络节点产生的故障告警由网络运营中心（NOC）监控，以确保网络可用性和持续的网络运营。监控过程包括活跃告警分析、根告警识别以及潜在问题的解决等任务。每个网络节点都可能产生不同类型的告警，而节点可能来自多个供应商，一个网络可能拥有数百个节点，因此在任何时刻都会产生海量的告警。由于网络节点是相互连接的，网络中的单一故障会触发跨多种节点的多个告警序列，从监控的角度来看，当 NOC 工程师试图识别例如需要采取行动的根告警时，意识到各种告警之间的关系是一项具有挑战性的任务。为了有效识别根告警，学习告警之间的关系对于准确和更快的解决至关重要。在这项工作中，我们提出了一种新颖的无监督告警关系学习技术——时序优化（TempOpt），该技术实用且克服了现有告警关系学习方法——时序依赖方法的局限性。在真实世界网络数据集上进行的实验表明，与时序依赖方法相比，TempOpt 学习到的告警关系质量更高。