基于角色指纹的智能配置稽核

5G时代，各种新兴业务快速发展，网络规模不断扩大，网络结构呈现多维度复杂性。运营商将面临大量的网络新建和改建情况，再加之5G网络自身的一些新特性，使得网络基础配置的工作量将非常巨大，路由管理更加复杂，多层逻辑网络运维难度增加，维护工作量呈现裂变式爆发增长。因此，迫切需要引入大数据及机器学习等AI技术和算法，提升网络监管和网络运维的自动化能力， 解决网络运维的困境。

基于当前网络运维面临的关键问题，广东联通集团与中兴通讯合作推出“基于角色指纹的智能配置稽核”功能，希望引入AI技术和算法，进行大数据分析，识别网络配置异常和潜在风险。

功能机理

从网络的规模、拓扑、业务组合来说, 每张网络各不相同, 每个网元、每条业务的配置表面上看都存在差异性，造成配置工作量巨大而且容易出错；但从抽象上看，网络内部子结构如网元角色、业务类型等却有很大的相似性, 如果可以抽取出网络内部的通用子结构模型，利用其进行异常感知分析，就能大幅降低运营成本。该方案就利用了知识图谱技术，从现有网络中抽取设备的配置特征结构形成角色指纹, 进行异常配置的识别，指导新增网络的开通和后续维护。

什么是角色指纹

角色指纹其实是数据特征的代名词，由中兴通讯和广东联通业界首次提出。比如，一个人的声音会有一定的声纹特征，我们通过机器学习技术将声纹中的频率、波形等特征抽取出来建成模型，这个数据模型就是角色指纹。有了这个角色指纹，下次这个人再讲话时，系统就能识别出来这个人。同理我们可以根据设备配置的数据特征构建一个设备的角色指纹。

如何实现配置稽核应用

首先是本体建模，构建初级知识图谱，依据配置指导文档和设备说明文档建立一套实体本体用于表达配置中的各种抽象概念。业务专家根据此整理形成最初的知识图谱，再从现网配置数据中使用统计学习的方式补充知识图谱，完善各种约束，形成二级乃至三级知识图谱。

其次是应用知识图谱指导设备指纹的生成，设备的配置特征大体上按层次包括：单体特征（设备本身的特征）、扮演角色特征（如用户侧、承载LTE业务）、网络结构特征（保护被保护、 共享环、多重角色）。知识图谱的应用主要体现在将设备的配置信息区分角色化，并通过内部关系关联在一起。具体来说是首先基于NLP（Natural Language Processing）分析配置脚本，让机器判别设备所处角色，然后利用统计/联结的方法学习语义规则，结合图神经网络来分析网络结构特征，将设备的角色指纹有机结合在一起，形成角色指纹库（见图1）。

最后是实现配置稽核。可以通过角色指纹库信息, 检查各个角色的关键配置是否正常，符合约束；还可以主动配置巡查，按检测规则，通过设备所在的位置网络结构特征判断参数设置是否冲突。另外还可以间接指导配置生成，通过规则的互相约束信息、设备扮演的角色、各个角色的隐藏关系等，由机器生成配置指导，简化手工配置的流程。

配置稽核可以检测出哪些配置异常

该功能目前集成于承载智能管控系统ZENIC ONE上，针对IPRAN网络，支持现网中兴通讯所有IPRAN设备类型。支持检测的风险类型有参数类型、子命令、命令组合等。目前可以检测的异常主要是错配、漏配和冲突三大问题。对于错配和漏配可以通过角色的配置知识图谱进行配置指导（预先校验）和事后检查。对于冲突可以通过将检查规则生成推理知识图谱，主动检查网络结构来避免。

应用成果

传统的配置排查方式主要靠工程师的手工操作，发现问题主要依赖于运维人员的专家经验。中兴通讯和广东联通创新性地将知识图谱等AI技术用于承载网络并提出了“角色指纹”的新概念，实现了智能化的配置稽核能力。2019年6月MWC上海展上，中兴通讯与广东联通首次将该功能进行联合展示。同年10月，该应用在阿姆斯特丹举办的世界宽带论坛上荣获BBWF最佳网络智能奖（Best Network Intelligence Award）。

基于角色指纹的智能配置稽核应用已对广东联通现网典型地市（佛山、东莞、深圳）的IPRAN数据进行了验证。三个地市的查准率都超过85%，其中佛山市的查准率已接近90%。三个地市的扫描耗时均在分钟级，检查效率大幅提升。

该应用还在深圳联通5G现网进行了试验证。验证阶段帮助广东联通运维部解决新建5G网络 5000台设备共500万条配置条目的稽核难题，将人力需求由传统的90人天下降到7人天。
该功能目前已在运营商现网中部署，一方面有效提升了配置稽核效率与配置风险识别率，确保了网络运行质量；另一方面通过机器算力大幅节省运维人力需求，从而降低了OPEX，满足运营商对5G网络建设低成本、快速、高可靠性等方面的需求。