任心怡 金 鑫 鄭 圣 周 瑩 戴筠迪 蔣迅婕

中國聯(lián)合網(wǎng)絡(luò)通信集團有限公司江蘇省分公司

0 引言

VoLTE（Voice over LTE）是基于IMS網(wǎng)絡(luò)的語音業(yè)務(wù)解決方案。VoLTE基于IP傳輸數(shù)據(jù)，其數(shù)據(jù)和語音業(yè)務(wù)全部承載于LTE網(wǎng)絡(luò)，可以在給用戶提供高速率數(shù)據(jù)業(yè)務(wù)的同時提供高質(zhì)量語音和視頻通話。

VoLTE網(wǎng)絡(luò)架構(gòu)一般可由業(yè)務(wù)平臺、核心網(wǎng)、承載網(wǎng)、接入網(wǎng)和終端構(gòu)成。其中，核心網(wǎng)結(jié)構(gòu)復雜、網(wǎng)元眾多，在整個網(wǎng)絡(luò)中具有舉足輕重的地位。VoLTE核心網(wǎng)可劃分為PS域、CS域、信令層、分組域等，各部分的網(wǎng)元種類繁雜眾多。如負責業(yè)務(wù)承載的EPC，主要包括策略與計費規(guī)則功能單元（PCRF）、移動管理實體（MME）、歸屬簽約用戶服務(wù)器（HSS）、域名系統(tǒng)（DNS）、路由代理節(jié)點（DRA）、SAE-GW（分組數(shù)據(jù)網(wǎng)關(guān)（P-GW）、業(yè)務(wù)網(wǎng)關(guān)（S-GW）和計費網(wǎng)關(guān)（CG）。PS域的IP多媒體子系統(tǒng)的網(wǎng)絡(luò)組成主要包括：服務(wù)呼叫會話控制功能（S-CSCF）、代理呼叫會話控制功能（P-CSCF）、詢問呼叫會話控制功能（I-CSCF）、IP多媒體網(wǎng)關(guān)（IM-MGW）。S-CSCF是IP多媒體子系統(tǒng)的核心，主要負責歸屬網(wǎng)絡(luò)中UE的注冊請求和會話控制；P-CSCF是IP多媒體子系統(tǒng)中手機終端的首個通信節(jié)點，負責進行請求驗證，請求通過后將信息轉(zhuǎn)交給下一目標，并做處理和轉(zhuǎn)發(fā)響應(yīng)操作；I-CSCF是運營商網(wǎng)絡(luò)的內(nèi)部接觸點，主要負責查詢HSS中用戶地址等；IM-MGW負責IP多媒體子系統(tǒng)與固網(wǎng)及電路交換域之間的互聯(lián)互通，提供了CS交換網(wǎng)絡(luò)和IP多媒體子系統(tǒng)之間的用戶平行鏈路。

在整個運營商網(wǎng)絡(luò)中，一旦核心網(wǎng)發(fā)生故障，會對用戶的網(wǎng)絡(luò)感知造成很大影響。因此，需要快速發(fā)現(xiàn)核心網(wǎng)風險，在影響范圍擴大之前及時消除故障。關(guān)鍵性能指標（Key Performance Indicator，KPI）反映了網(wǎng)絡(luò)性能和質(zhì)量，對KPI進行分析挖掘，能夠在一定程度上及時發(fā)現(xiàn)網(wǎng)絡(luò)質(zhì)量劣化風險。傳統(tǒng)的核心網(wǎng)KPI異常檢測方法基于設(shè)備關(guān)鍵指標的固定閾值進行監(jiān)控，不能基于業(yè)務(wù)進行全面、體系化的監(jiān)控，無法及時發(fā)現(xiàn)現(xiàn)網(wǎng)故障風險和隱患。

本文基于中國聯(lián)通江蘇省VoLTE業(yè)務(wù)，構(gòu)建了用于VoLTE核心網(wǎng)性能檢測的KPI指標體系，并利用機器學習技術(shù)對KPI指標進行訓練學習，構(gòu)建多維度KPI異常檢測模型，實現(xiàn)了業(yè)務(wù)性能實時異常檢測和預(yù)警上報。

1 VoLTE核心網(wǎng)KPI異常檢測原理

梳理VoLTE核心網(wǎng)KPI異常檢測指標體系，通過各個KPI指標的數(shù)據(jù)特征匹配不同的模型算法，并學習得到各類指標的動態(tài)閾值，之后，設(shè)計業(yè)務(wù)過濾規(guī)則，對造成業(yè)務(wù)影響較小的情況進行過濾。主要構(gòu)建邏輯如圖1所示。

圖1 異常檢測構(gòu)建邏輯

1.1 KPI異常檢測指標體系構(gòu)建

VoLTE核心網(wǎng)的指標主要可分為三類：注冊、呼叫、切換。本文使用與業(yè)務(wù)相關(guān)的VoLTE核心網(wǎng)話務(wù)統(tǒng)計指標，在注冊、呼叫、切換三大指標類別下，再按照網(wǎng)元類型進行劃分，之后基于KPI指標特性進行指標分組，以適配不同的異常檢測算法。

KPI指標根據(jù)其本身的數(shù)值特征可分為：無明顯波動指標、有波動但無明顯周期性指標、弱周期性指標以及強周期性指標。此外，考慮到VoLTE業(yè)務(wù)的逐步推廣、用戶數(shù)量逐漸增多，部分指標如注冊請求數(shù)、試呼次數(shù)等可能呈現(xiàn)弱趨勢性。

鑒于VoLTE核心網(wǎng)業(yè)務(wù)特性，大部分指標如接通率、請求數(shù)、注冊成功率、響應(yīng)成功率等呈現(xiàn)以24小時為周期的強周期性波動，可采用回歸模型或時序分解模型對每個指標的周期性、趨勢性進行單獨建模分析。部分呼叫類SIP（Session Initiation Protocol，會話初始協(xié)議）響應(yīng)碼可呈現(xiàn)弱周期性波動、無規(guī)律性波動或無波動狀態(tài)，網(wǎng)元的每類業(yè)務(wù)流程通?？蓪?yīng)多個響應(yīng)碼，在實際建模過程中，需要根據(jù)業(yè)務(wù)流程對響應(yīng)碼類的KPI指標進行拆解分組，對于各個分組內(nèi)的響應(yīng)碼進行合并建模訓練。

具體示例見表1，其中，S-CSCF為IMS的服務(wù)呼叫會話控制單元，ATS為IMS的應(yīng)用服務(wù)單元，eSRVCC為增強的無線語音呼叫連續(xù)性。

表1 VoLTE核心網(wǎng)KPI異常檢測指標體系示例

1.2 指標預(yù)處理

建模前需要對KPI指標進行預(yù)處理，主要包括時間戳的補齊、缺省值的填充、異常值的剔除及數(shù)據(jù)的平滑去噪。其中，時間戳補齊和缺省值填充可采用多項式插值法；異常值剔除可采用統(tǒng)計學方法如箱線圖法、3-Sigma法等；數(shù)據(jù)平滑可采用局部線性回歸等方法。

此外，針對強周期性波動的指標，為了更好地讓模型學習到其數(shù)值規(guī)律，本文采取基于等長有重疊的時間滑窗對時序KPI數(shù)據(jù)進行分段。該分段方法不僅能夠保證將持續(xù)時間較長的數(shù)據(jù)模式完整地分割出來，還能夠保持原有時序數(shù)據(jù)在時間上的先后依賴性。本文采用的等長有重疊的時間滑窗數(shù)據(jù)分段方法具體為：設(shè)時序樣本記為X=(x1，x2，x3，…，xt，…，xn)，其中xt表示X在t時刻的取值。現(xiàn)將時序樣本X以長度為w的滑窗、s為步長進行截取，得到樣本集Y。具體的劃分表示如下：

實際應(yīng)用中，滑窗長度w一般以24小時為基準，結(jié)合數(shù)據(jù)的時間顆粒度進行取值；步長s一般取1小時。

1.3 算法實現(xiàn)

根據(jù)KPI異常檢測指標分組，在完成指標預(yù)處理后，匹配不同的檢測算法，并融合統(tǒng)計學方法得到最終的異常判斷閾值。

1.3.1 基于極端梯度提升樹的KPI異常檢測

針對具有強周期性波動的單一指標，如各網(wǎng)元的接通率、請求數(shù)、注冊成功率、響應(yīng)成功率等，鑒于其本身的指標特征，本文選取極端梯度提升樹（eXtreme Gradient Boosting，XGBoost）模型來進行訓練及預(yù)測。XGBoost是一種集成學習算法，在傳統(tǒng)的梯度提升決策樹（Gradient Boosting Decision Tree，GBDT）算法上進行了改進。GBDT在優(yōu)化時僅使用一階導數(shù)信息，而XGBoost則對損失函數(shù)進行二階泰勒展開，同時用到一階和二階導數(shù)。XGBoost還在損失函數(shù)中加入了正則項，控制模型的復雜度，正則化可以降低模型的方差，使模型更簡單且避免過擬合。XGBoost模型可以較好地學習到數(shù)據(jù)的周期性及趨勢性特征，且需要的訓練樣本相對少，訓練及預(yù)測速度快。具體的實現(xiàn)流程如下：

Step1：取7天 以上 的KPI時 序 樣 本 記 為X=(x1，x2，x3，…，xt，…，xn)，其中xt表示X在t時刻的取值。采用基于滑窗的分段方法，滑動地以長度為w的滑窗、s為步長截取時序數(shù)據(jù)作為訓練數(shù)據(jù)的輸入Y，以每段滑窗數(shù)據(jù)的下一個點作為預(yù)測的目標值Z。

Step2：將Step1中得到的訓練數(shù)據(jù)Y作為模型的輸入，預(yù)測目標值Z作為模型的輸出，訓練XGBoost回歸模型，完成模型的構(gòu)建。

Step3：預(yù)測時，輸入一段新的滑窗數(shù)據(jù)，依據(jù)訓練好的XGBoost回歸模型得到該段滑窗下一個點的預(yù)測值。

因模型訓練前進行了異常值剔除的預(yù)處理操作，故XGBoost學習到的是每個KPI時序數(shù)據(jù)的平穩(wěn)周期性特征。當異常出現(xiàn)時，某一時刻的真實值可能與XGBoost預(yù)測值出現(xiàn)較大偏差，因此需要確定一個閾值區(qū)間來判斷該時刻的真實值是否為異常。在訓練XGBoost模型得到每個時刻的預(yù)測值之后，計算每個預(yù)測值與該時刻真實值之間的偏差，得到偏差序列，之后，利用箱線圖法得到偏差序列的閾值區(qū)間，用于異常判斷。箱線圖法利用數(shù)據(jù)中的五個統(tǒng)計量，即最小值、第一四分位數(shù)、中位數(shù)、第三四分位數(shù)、最大值來描述數(shù)據(jù)，IQR為第三四分位數(shù)Q3與第一四分位數(shù)Q1的差值，實際應(yīng)用中，一般認為大于Q3+3*IQR或小于Q1-3*IQR的值為異常。

完整的偽代碼如下：

?

?

1.3.2 基于核主成分分析的KPI異常檢測

針對具有業(yè)務(wù)相關(guān)性的KPI指標組，如各個業(yè)務(wù)流程下的SIP響應(yīng)碼組，為了挖掘指標與指標之間存在的隱形關(guān)聯(lián)，本文選取帶核方法的主成分分析（Kernel Principal Component Analysis，KPCA）算法來進行訓練及預(yù)測。主成分分析（Principal Component Analysis，PCA）是一種統(tǒng)計方法，將多個可能存在相關(guān)性的變量通過正交變換轉(zhuǎn)換為一組線性不相關(guān)的主成分，是數(shù)學上用來降維的一種方法。而KPCA是PCA的一種改進版，它引入核函數(shù)的概念，將原始空間映射到高維的特征空間，在高維空間進行PCA分析，使輸入數(shù)據(jù)具有很好的可分性。本文利用KPCA將具有業(yè)務(wù)相關(guān)性的KPI指標組進行重構(gòu)，通常情況下，重構(gòu)后的第一主成分通常能夠包含95%重構(gòu)特征的方差比，即第一主成分在很大程度上反映了原始數(shù)據(jù)中的重要信息，而剩余的主成分則可能包含噪聲。實際應(yīng)用中，一般選取高斯核作為KPCA的核函數(shù)，在完成對原始KPI指標組數(shù)據(jù)的重構(gòu)后，將重構(gòu)后的第一主成分映射回原始數(shù)據(jù)空間。具體步驟如下：

Step1：取7天以上的KPI指標組時序樣本集記為X=(X1，X2，X3，…，Xt，…，Xn)，其中Xt表示t時刻指標組內(nèi)某一指標的取值。

Step2：將Step1中的時序樣本集輸入KPCA模型進行重構(gòu)，之后選取第一主成分映射回原始數(shù)據(jù)空間，得到新的數(shù)據(jù)集Y=(Y1，Y2，Y3，…，Yt，…，Yn)。

Step3：以24小時為周期，計算step2中得到的新數(shù)據(jù)集Y在24小時當中每個時間點上的平均值，得到預(yù)測集Z=(Z1，Z2，Z3，…，Zm)。

因模型訓練前進行了異常值剔除的預(yù)處理操作，故KPCA學習到的是無異常狀態(tài)下的數(shù)據(jù)特征。當異常出現(xiàn)時，某一時刻的真實值可能與重構(gòu)后映射回原始數(shù)據(jù)空間的預(yù)測值出現(xiàn)較大偏差，此時可以參考單指標模型中的箱線圖法來確定指標組內(nèi)每一個KPI指標在24小時內(nèi)每一個時間點上的閾值范圍。

完整的異常檢測偽代碼如下：

?

1.3.3 基于高斯混合模型的KPI異常檢測

針對無明顯規(guī)律性但數(shù)據(jù)形態(tài)較為穩(wěn)定的單一指標，可采用高斯混合模型（Gaussian Mixture Model，GMM）對其進行訓練及預(yù)測。

GMM是指具有如下形式的概率分布模型：

檢測時，通過計算數(shù)據(jù)在整體分布中的概率，來判斷其是否為異常點。具體流程如下：

Step1：取7天以 上 的KPI時 序 樣 本 記 為X=(x1，x2，x3，…，xt，…，xn)，其中xt表示X在時刻t的取值。

Step2：將Step1中的時序樣本X輸入高斯混合模型進行訓練，得到高斯混合模型參數(shù)。

Step3：將Step1中的時序樣本X輸入訓練好的高斯混合模型并計算得到逐樣本點的整體概率，利用箱線圖法得到概率的上下閾值。

Step4：異常檢測時，針對每個時間點的數(shù)據(jù)，輸入Step2中訓練好的高斯混合模型，結(jié)合Step3中的概率上下閾值，判斷是否為異常。

實際應(yīng)用中，VoLTE核心網(wǎng)各網(wǎng)元的KPI指標基本都具有一定周期性，基于XGBoost的異常檢測和基于KPCA的異常檢測可以涵蓋絕大多數(shù)異常檢測場景，因此，本文暫未啟用基于GMM的異常檢測。

1.4 業(yè)務(wù)過濾規(guī)則

在經(jīng)上述模型判斷出異常后，需要通過業(yè)務(wù)過濾規(guī)則對異常進行進一步的篩選。通常情況下模型對異常的識別相對靈敏，業(yè)務(wù)過濾規(guī)則的設(shè)計是為了去除核心網(wǎng)KPI的一些合理抖動，從而更專注于真實異常的發(fā)現(xiàn)。

本文中的業(yè)務(wù)過濾規(guī)則融入核心網(wǎng)運維專家經(jīng)驗，考慮到不同時段核心網(wǎng)業(yè)務(wù)量的差異及夜間割接情況，將模型學習出的閾值在合理區(qū)間內(nèi)進行小范圍調(diào)整，并引入多時間點監(jiān)控機制，在確保真實異常能夠被檢測出的前提下，過濾掉因KPI正常抖動造成的模型誤檢，提升檢測準確度。具體流程如圖2所示。

圖2 業(yè)務(wù)過濾規(guī)則

2 VoLTE核心網(wǎng)KPI異常檢測應(yīng)用實例

2.1 突變類異常檢測應(yīng)用實例

本實例選取了VoLTE核心網(wǎng)S-CSCF網(wǎng)元LTE接入被叫側(cè)的SIP響應(yīng)數(shù)據(jù)。該KPI指標組內(nèi)包含多個KPI指標，即S-CSCF網(wǎng)元LTE接入被叫側(cè)的各類SIP響應(yīng)。采用KPCA對該KPI指標組內(nèi)的指標進行重構(gòu)，并選取第一主成分映射回原始數(shù)據(jù)空間?？梢杂^察到該指標組內(nèi)的“S-CSCF LTE接入被叫408請求超時次數(shù)”于9月9日15：00左右產(chǎn)生了一個異常突變，如圖3中藍色曲線所示。

圖3中藍色曲線為該KPI指標的觀測值，灰色曲線為經(jīng)異常檢測模型及業(yè)務(wù)過濾規(guī)則預(yù)測得到的指標閾值，該異?？梢员徊蹲?。同時，“S-CSCF LTE接入主叫408請求超時次數(shù)”也捕獲到相似的異常情況。后期經(jīng)核心網(wǎng)運維專家驗證，9月9日下午VoLTE核心網(wǎng)發(fā)現(xiàn)故障，間接說明了本文基于多指標模型的KPI異常檢測的可行性。

圖3 突變類異常檢測實例

2.2 漸變類異常檢測應(yīng)用實例

本實例選取了VoLTE核心網(wǎng)S-CSCF網(wǎng)元MT接通率指標的數(shù)據(jù)。該指標為單指標，我們使用相應(yīng)的單指標模型進行訓練和預(yù)測，預(yù)測結(jié)果如圖4所示。圖中藍色曲線為真實接通率，灰色曲線為XGBoost算法預(yù)測出的下閾值邊界。圖中可見，我們檢測出在5月29日 01：40到5月29日 07：05之間發(fā)生了漸變類的接通率過低異常。在真實現(xiàn)網(wǎng)環(huán)境中，及時發(fā)現(xiàn)漸變類異常是非常有意義的，因為我們一旦發(fā)現(xiàn)異常就可以及時預(yù)警，并采取補救措施，避免性能指標持續(xù)劣化，從而避免對運營商的網(wǎng)絡(luò)服務(wù)質(zhì)量造成更大的影響。

圖4 漸變類異常檢測實例

3 結(jié)束語

核心網(wǎng)KPI能夠?qū)崟r反映網(wǎng)絡(luò)運行情況及質(zhì)量，KPI異常檢測對于及時發(fā)現(xiàn)現(xiàn)網(wǎng)故障及隱患有著十分重要的意義。本文以VoLTE核心網(wǎng)為例，基于業(yè)務(wù)流程梳理KPI指標體系，并采用多種機器學習算法，對核心網(wǎng)KPI異常檢測的檢測流程、算法邏輯及模型選型進行了研究探索，提出了一套VoLTE核心網(wǎng)KPI異常檢測方案，打破了傳統(tǒng)基于設(shè)備關(guān)鍵指標的固定閾值進行監(jiān)測的方式，使監(jiān)控更全面、故障發(fā)現(xiàn)更及時，具有較大的應(yīng)用前景。