RECURSIVE ANOMALY DETECTION IN COMMUNICATION NETWORKS

Underperforming network segments and other network anomalies are detected using recursive anomaly detection based on separation of communication sessions into homogenous groups according to different dimensions. After collecting KPIs from various network segments and subscriber sessions, attributes...

Full description

Saved in:
Bibliographic Details
Main Authors ORGOVÁNYI, Vilma, MITCSENKOV, Attila, BIRO, Alexander
Format Patent
LanguageEnglish
French
Published 15.08.2024
Subjects
Online AccessGet full text

Cover

Loading…
More Information
Summary:Underperforming network segments and other network anomalies are detected using recursive anomaly detection based on separation of communication sessions into homogenous groups according to different dimensions. After collecting KPIs from various network segments and subscriber sessions, attributes corresponding to different dimensions of interest are assigned to the KPIs. During the recursive anomaly detection, the assigned attributes are used to separate the metrics into homogenous groups based on one or more dimensions of interests. Anomaly detection, also referred to as outlier detection, is performed to determine whether a specific homogenous group identified contains anomalous KPIs. These anomalous KPIs may indicate underperforming network segments or elements, interworking issues, or other network anomalies. Une performance dégradée de segments de réseau et d'autres anomalies de réseau sont détectées à l'aide d'une détection récursive d'anomalies basée sur la séparation de sessions de communication en groupes homogènes selon différentes dimensions. Après la collecte de KPI provenant de divers segments de réseau et de sessions d'abonné, des attributs correspondant à différentes dimensions particulières sont attribués aux KPI. Pendant la détection récursive d'anomalies, les attributs attribués sont utilisés pour séparer les mesures en groupes homogènes sur la base d'une ou de plusieurs dimensions particulières. Une détection d'anomalies, également appelée détection d'aberrations, est mise en oeuvre pour déterminer si un groupe homogène spécifique identifié contient des KPI anormaux. Ces KPI anormaux peuvent indiquer une performance dégradée de segments de réseau ou d'éléments de réseau, des problèmes d'interfonctionnement ou d'autres anomalies de réseau.
Bibliography:Application Number: WO2023IB51134