基于AAE的网络性能异常发现

网络运维在充分发挥网络潜能方面有着不可替代的作用.其中,网络关键性能的监测和维护尤为重要.使用智能化的方法自动发现网络KPI的异常能够极大地减少运维人工成本,提升网络运维的效率.人工方法标注网络KPI中的异常,难度高,耗时长,因此无监督学习的异常检测正在成为解决此类问题的主要方法.提出一种基于对抗自编码器AAE的无监督检测模型AAE-AD,可以自动发现网络KPI中出现的异常,以便分析和排除网络故障.AAE-AD中使用了K最近邻算法进行缺失值的填充,交替训练自编码器网络和鉴别器网络来捕获正常数据的分布模式,结合自编码器网络的重构误差和鉴别器网络的鉴别能力计算出异常分值.实验表明,AAE-AD模型在最优F分数指标和AUC指标上均优于其他的无监督异常检测模型.