本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：介绍了广东联通在AI创新领域进行的一项网络智能化运维实践，提出一种基于AI关联分析的网络设备配置异常监测方法，创造性地以 AI关联分析中得到的弱关联规则构建异常特征模型，从海量配置数据中快速发现配置异常。该算法具备自学习、自挖掘能力，具备良好的泛化性和应用推广性，能有效应对 5G时代大量网络新建和网络改造带来的配置稽核工作量爆发式增长。
关键词：AI；关联规则；异常特征模型；5G；配置稽核
doi：10.12045/j.issn.1007-3043.2021.08.004
概述
5G网络运营商面临网络新建和升级改造，网络规模和业务容量极速增长，网络结构呈现多维度复杂性，行业应用需求呈现多样化个性化，与此同时，用户对服务交付的质量和高效性的期许值也逐年提升。新旧网络的交织、客户市场需求的变化对基础维护工作提出更细致的要求和更高的挑战。
另一方面，从经验看网络配置引发的问题尤为突出，在配置下发过程中可能由于各种原因，如业务人员的技术水平、操作规范性等导致漏配、错配等问题。2020年广东省某地（市）一起故障，4个接入环和汇聚ASG设备间互联链路同时发生中断，经核实故障原因是由于备用平面相关环路中断站点二三层联动漏配，主用平面中断后网络切换不成功导致业务中断。为解决上述问题及挑战，广东联通积极探索5G时代网络发展的新模式，积极推进网络运维智能化进程，将大数据分析和AI技术引用到网络设备配置稽核领域，创新性提出基于AI的关联分析异常检查方法，学习建立异常配置模型，对全网设备配置进行全面高效的核查，充分发挥AI算法分析与决策能力，将运维人员从繁琐的重复性工作中解放出来，规避人为误操作，提升网络运维效率和网络质量可用性等级，在用户感知之前解决故障，降低网络故障率，提升用户满意度。
