一种远程ESIM卡数据空中运维的方法与流程

一种远程esim卡数据空中运维的方法
技术领域
1.本发明涉及通信技术领域，更具体地说，本发明涉及一种远程esim卡数据空中运维的方法。


背景技术：

2.esim卡是一种嵌入式sim卡，能够将sim卡信息集成到设备芯片上，相当于虚拟sim卡，随着信息时代的高速发展，esim卡数据应用对信息的传递和交流起到了技术支撑的作用。但是随着esim卡数据运维技术的不断完善，支持远程的智能维护或运维永远是计算机应用领域的需求所在。
3.对于esim卡数据的空中运维，需要通过远程方式对esim卡进行监控、管理和维护。目前对esim卡数据空中运维的方法是比较成熟的，可以实现大批量esim卡应用调试运维的模式，完全可以满足正常运营状态下的esim卡运维模式，但是对于异常运营状态下，还需要调用esim卡的运行日志，通过查看运行日志分析故障原因，没有直接对异常日志中提取特征向量进行评测，并根据评测结果对esim卡进行空中运维的动作。
4.鉴于此，本技术提出一种远程esim卡数据空中运维的方法。


技术实现要素：

5.为了克服现有技术的上述缺陷，本发明提出一种远程esim卡数据空中运维的方法。
6.为实现上述目的，本发明提供如下技术方案：一种远程esim卡数据空中运维的方法，应用于服务器；包括：
7.服务器端远程连接esim卡；并采集esim卡数据传输的指标数据，将所述指标数据按照时间序列存放在时序数据库中；
8.对所述指标数据进行分析，生成指标系数，所述指标系数包括正常指标系数和异常指标系数；
9.将所述异常指标系数作为卷积神经网络模型的输入层神经元，并通过卷积处理，生成异常指标系数的评测结果；
10.获取标准训练异常指标集和测试异常指标集，基于卷积神经网络模型得出所述标准训练异常指标集所对应的标准训练异常指标测试结果和所述测试异常指标集对应的测试异常指标测试结果；
11.比对所述训练异常指标测试结果和所述测试异常指标结果以得出评测结果的异常种类，根据评测结果的异常种类生成空中运维的控制指令。
12.优选地，对所述指标数据进行分析的逻辑为：
13.所述指标数据包括esim卡账户信息、esim卡终端状态信息、esim卡所处位置的网络状态信息；
14.对esim卡账户信息进行分析，生成第一目标系数
15.对esim卡终端状态信息进行分析，生成第二目标系数θk；
16.对网络状态信息进行分析，生成第三目标系数ρn；
17.对所述第一目标系数第二目标系数θk、第三目标系数ρn进行整合处理，生成指标系数。
18.优选地，生成所述第一目标系数的分析逻辑为：
19.所述esim卡账户信息包括esim卡账户余额、使用情况；
20.将使用情况按照时间序列划分为m个使用记录，m＝1，2，3......m，其中m为使用记录的总个数，提取并记录m个使用记录；
21.对每个使用记录通过公式进行量化处理，得到m个使用记录的数据向量，将所述数据向量标记为第一目标系数具体公式为：
[0022][0023]
其中：m为第m个使用记录，第m个使用记录包括为流量消耗数据am、对应的使用时间tm以及本次esim卡使用前的账户余额qyem和本次esim卡使用后的账户余额hyem，hye
m-1
为第m-1个使用记录中esim卡使用后的账户余额，第m-1个使用记录为第m个使用记录的上一使用记录。
[0024]
优选地，生成所述生成第二目标系数θk的分析逻辑为：
[0025]
所述esim卡终端状态信息包括esim卡的终端操作系统版本号、esim卡的固件版本号、电量状态；
[0026]
将esim卡的终端操作系统版本号、esim卡的固件版本号、电量状态在通信状态下赋予相应数值，并将对应赋值分别标记为r1、r2和r3；其中r1＞r2＞r3＞1；
[0027]
将所述esim卡的终端操作系统版本号、esim卡的固件版本号和电量状态对应赋值相加累计为第二目标系数θk。
[0028]
优选地，生成第三目标系数ρn的分析逻辑为：
[0029]
所述网络状态信息包括信号传输速率xhvn、网络覆盖面积xhbn、信号稳定值xhwn和网络延迟时间xhtn；
[0030]
将当前网络状态信息划分为将n个时刻的网点状态区域，n为正整数，分别获取n个网点状态区域对应的信号传输速率xhvn、网络覆盖面积xhbn、信号稳定值xhwn和网络延迟时间xhtn，并将其进行公式化分析，求得第n个网点状态区域的第三目标系数ρn，n＝1,2,
……
n；具体公式为：
[0031]
ρn＝α1*xhvn+α2*xhbn+α3*xhwn+α4*xhtn；
[0032]
其中，α1、α2、α3以及α4分别为信号传输速率xhvn、网络覆盖面积xhbn、信号稳定值xhwn和网络延迟时间xhtn的权重因子系数，且α1》α2》α3》α4，α1+α2+α3+α4＝8.6032。
[0033]
优选地，对所述第一目标系数第二目标系数θk、第三目标系数ρn进行整合处理，生成指标系数的分析逻辑为：
[0034]
将第一目标系数第二目标系数θk和第三目标系数ρn的进行加权累加，并将累加后的数值标记为指标系数zb；
[0035]
[0036]
其中，β1、β2以及β3分别为第一目标系数第二目标系数θk和第三目标系数ρn的权重因子系数，且β3》β2》β1，β1+β2+β3＝1。
[0037]
将指标系数zb与预设的指标系数zp1进行比对分析；
[0038]
若zb≥zp1，则将对应的所述指标数据标记为正常指标系数；
[0039]
若zb《zp1，则将对应的所述指标数据标记为异常指标系数。
[0040]
优选地，所述获取标准训练异常指标集和测试异常指标集,基于卷积神经网络模型得出所述标准训练异常指标集所对应的标准训练异常指标测试结果和所述测试异常指标集对应的测试异常指标测试结果的分析逻辑为：
[0041]
获取标准训练异常指标集和测试异常指标集:
[0042]
基于卷积神经网络模型得出所述标准训练异常指标集的标准训练异常指标测试结果；
[0043]
基于卷积神经网络模型得出所述标准训练异常指标集的测试异常指标测试结果；
[0044]
将所述标准训练异常指标测试结果和所述测试异常指标测试结果进行比对,以得到比对结果；
[0045]
若比对结果中全为零值,则表示所述异常指标系数为偶发性异常；
[0046]
若比对结果中存在非零值,则表示所述异常指标系数为常发性异常。
[0047]
优选地，所述标准训练异常指标集包括esim卡账户故障样本、esim卡终端故障样本、esim卡所处位置的网络故障样本以及正常标准样本；
[0048]
所述测试样本集为实际测量而来样本的集合。
[0049]
第二方面，一种存储在计算机可读介质上的计算机程序产品，其特征在于：包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施上述一种远程esim卡数据空中运维的方法。
[0050]
第三方面，一种计算机可读存储介质，其特征在于：储存有指令，当所述指令在计算机上运行时，使得计算机执行上述一种远程esim卡数据空中运维的方法。
[0051]
本发明一种远程esim卡数据空中运维的方法的技术效果和优点：
[0052]
本发明远程esim卡数据空中运维的方法实现了对远程esim卡数据的实时监控和异常处理，确定评测结果的异常种类可以对应性生成空中运维的控制指令，从而完善现有的远程esim卡数据空中运维系统的不足，帮助服务器更好地实时检测esim卡终端设备的运行情况，根据评测结果进行分析并生成空中运维的控制指令，优化esim卡终端设备运行效率。
[0053]
首先通过相应的远程连接工具远程连接esim卡，然后采集所需的指标数据，并存储到时序数据库中，使用数据分析工具对所存储的指标数据进行分析，生成正常指标系数和异常指标系数。正常指标系数表示指标在正常情况下的取值范围和趋势，异常指标系数则表示指标发生异常时的取值范围和趋势。
[0054]
再使用卷积神经网络模型进行异常检测：将生成的异常指标系数作为卷积神经网络模型的输入层神经元，并通过卷积处理，生成异常指标系数的评测结果，以得出评测结果的异常种类；根据评测结果的异常种类，生成空中运维的控制指令，对esim卡进行相应的控制，确保其正常工作。
附图说明
[0055]
图1为本发明的一种远程esim卡数据空中运维的方法示意图。
具体实施方式
[0056]
下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0057]
实施例1
[0058]
在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
[0059]
远程esim卡数据空中运维通过云端服务器实现对esim卡的远程监控和管理，提高设备的可靠性和稳定性，降低管理和维护成本，对于企业的业务运营和服务质量的提升有重要的作用。
[0060]
而对esim卡的远程监控可以采集esim卡账户信息、esim卡终端状态信息、esim卡所处位置的网络状态信息，从而可以实时掌握设备的运行情况，根据设备的运行情况，实现设备的统一运维，具体运维包括对esim卡设备参数、网络参数、通信协议的远程配置和维护和对esim卡设备固件、应用程序的远程升级和修复。
[0061]
请参阅图1所示，本实施例所述一种远程esim卡数据空中运维的方法，应用于服务器；包括：
[0062]
服务器端远程连接esim卡；并采集esim卡数据传输的指标数据，将所述指标数据按照时间序列存放在时序数据库中；
[0063]
对所述指标数据进行分析，生成指标系数，所述指标系数包括正常指标系数和异常指标系数；
[0064]
对所述指标数据进行分析的逻辑为：
[0065]
所述指标数据包括esim卡账户信息、esim卡终端状态信息、esim卡所处位置的网络状态信息；
[0066]
对esim卡账户信息进行分析，生成第一目标系数
[0067]
生成所述第一目标系数的分析逻辑为：
[0068]
所述esim卡账户信息包括esim卡账户余额、使用情况；
[0069]
将使用情况按照时间序列划分为m个使用记录，m＝1，2，3......m，其中m为使用记录的总个数，提取并记录m个使用记录；
[0070]
对每个使用记录通过公式进行量化处理，得到m个使用记录的数据向量，将所述数据向量标记为第一目标系数具体公式为：
[0071][0072]
其中：m为第m个使用记录，第m个使用记录包括为流量消耗数据am、对应的使用时
间tm以及本次esim卡使用前的账户余额qyem和本次esim卡使用后的账户余额hyem，hye
m-1
为第m-1个使用记录中esim卡使用后的账户余额，第m-1个使用记录为第m个使用记录的上一使用记录。
[0073]
其中qyem≤hye
m-1
，因为在不使用的期间，会存在流量消耗数据，这里的数据消耗越大，对应的第一目标系数越小，说明当前esim卡账户信息存在异常。
[0074]
这里需要说明的是：对于每个使用记录，通过公式进行量化处理，得到一个使用记录的数据向量，其中数据向量的具体内容可以包括流量消耗数据、对应的使用时间以及本次esim卡使用前的账户余额和本次esim卡使用后的账户余额等信息；将所述数据向量标记为第一目标系数，即账户使用情况指标系数。
[0075]
具体的公式可以根据实际情况进行选择和调整，还可以通过对账户余额和使用时间的加权平均值、流量消耗量的归一化等方法进行处理。生成的第一目标系数可以用于判断不同用户群体的使用情况和流量消耗情况，为运营商提供有关资费套餐的制定和调整等参考依据。
[0076]
需要注意的是，在生成第一目标系数的过程中，需要考虑数据的准确性和可靠性，以及用户隐私的保护等问题，保证数据的合法性和安全性。
[0077]
对esim卡终端状态信息进行分析，生成第二目标系数θk；
[0078]
生成所述生成第二目标系数θk的分析逻辑为：
[0079]
所述esim卡终端状态信息包括esim卡的终端操作系统版本号、esim卡的固件版本号、电量状态；
[0080]
将esim卡的终端操作系统版本号、esim卡的固件版本号、电量状态在通信状态下赋予相应数值，并将对应赋值分别标记为r1、r2和r3；其中r1＞r2＞r3＞1；
[0081]
将所述esim卡的终端操作系统版本号、esim卡的固件版本号和电量状态对应赋值相加累计为第二目标系数θk。
[0082]
对esim卡终端状态信息进行分析，根据esim卡的终端操作系统版本号和esim卡的固件版本号获得当前使用esim卡的终端设备和网络。
[0083]
对所述esim卡的终端操作系统版本号的赋值逻辑为：
[0084]
获取预设的esim卡的终端操作系统版本号的赋值标记为r1；
[0085]
若esim卡的终端操作系统版本号高于预设的esim卡的终端操作系统版本号，则将esim卡的终端操作系统版本号对应的标记r1+1，并更新esim卡的终端操作系统版本号以及对应的r1数值；
[0086]
若esim卡的终端操作系统版本号为预设的esim卡的终端操作系统版本号，则将esim卡的终端操作系统版本号标记r1；
[0087]
若esim卡的终端操作系统版本号小于预设的esim卡的终端操作系统版本号，则将esim卡的终端操作系统版本号标记r1-1，并更新esim卡的终端操作系统版本号以及对应的r1数值。
[0088]
这里需要说明的是：根据终端操作系统版本号对esim卡的终端状态信息进行标记的方法，可以跟踪和评估esim卡在不同终端设备上的使用情况，并根据终端操作系统版本号来评估esim卡的兼容性和稳定性。通过标记和更新r1的值，可以快速判断esim卡的终端状态信息，以便在需要时采取适当的措施来解决问题。
[0089]
对所述esim卡的固件版本号的赋值逻辑为：
[0090]
获取预设的esim卡的固件版本号的赋值标记为r2；
[0091]
若esim卡的固件版本号高于预设的esim卡的固件版本号，则将esim卡的固件版本号对应的标记r2+1，并更新r2数值；
[0092]
若esim卡的固件版本号为预设的esim卡的固件版本号，则将esim卡的固件版本号标记r2；
[0093]
若esim卡的固件版本号小于预设的esim卡的固件版本号，则将esim卡的固件版本号标记r2-1，并更新r2数值。
[0094]
这里需要说明的是：通过这样的赋值逻辑，可以将esim卡的固件版本号转化为一个可量化的数值r2，便于进行数据分析和比较。在实际应用中，可以通过设置不同的预设固件版本号，来满足不同设备的需求和要求，同时还需要考虑设备的兼容性和稳定性，保证系统的可靠性和稳定性。
[0095]
对esim卡的所述电量状态的赋值逻辑为：
[0096]
获取预设的电量状态的赋值标记为r3；
[0097]
若所述电量状态高于或等于预设的电量状态，则将esim卡的所述电量状态赋值标记为r3；
[0098]
若所述电量状态小于预设的电量状态，则将esim卡的所述电量状态赋值标记为0。
[0099]
这里需要说明的是：这个逻辑的目的是将电量状态转化为一个标记，以便于后续的分析处理。具体来说，若电量状态高于或等于预设的电量状态，就将其赋值为预设的标记r3，表示电量状态良好；若电量状态低于预设的电量状态，就将其赋值为0，表示电量状态不足。这样，在后续的分析处理中，就可以根据这些标记来对esim卡的电量状态进行评估和分析。
[0100]
根据esim卡的终端操作系统版本号、esim卡的固件版本号、电量状态可以生成第二目标系数θk，即终端设备状态指标系数，可以用于评估esim卡终端设备的整体性能和状态，为运营商提供有关设备维护和更新等参考依据。这里需要注意数据的准确性和可靠性，保证数据的合法性和安全性。
[0101]
对网络状态信息进行分析，生成第三目标系数ρn；
[0102]
生成第三目标系数ρn的分析逻辑为：
[0103]
所述网络状态信息包括信号传输速率xhvn、网络覆盖面积xhbn、信号稳定值xhwn和网络延迟时间xhtn；
[0104]
将当前网络状态信息划分为将n个时刻的网点状态区域，n为正整数，分别获取n个网点状态区域对应的信号传输速率xhvn、网络覆盖面积xhbn、信号稳定值xhwn和网络延迟时间xhtn，并将其进行公式化分析，求得第n个网点状态区域的第三目标系数ρn，n＝1,2,
……
n；具体公式为：
[0105]
ρn＝α1*xhvn+α2*xhbn+α3*xhwn+α4*xhtn；
[0106]
其中，α1、α2、α3以及α4分别为信号传输速率xhvn、网络覆盖面积xhbn、信号稳定值xhwn和网络延迟时间xhtn的权重因子系数，且α1》α2》α3》α4，α1+α2+α3+α4＝8.6032。
[0107]
这里需要说明的是：对esim卡所处位置的网络状态信息进行分析，可以得到网络环境和网络质量情况。
[0108]
对所述第一目标系数第二目标系数θk、第三目标系数ρn进行整合处理，生成指标系数的分析逻辑为：
[0109]
将第一目标系数第二目标系数θk和第三目标系数ρn的进行加权累加，并将累加后的数值标记为指标系数zb；
[0110][0111]
其中，β1、β2以及β3分别为第一目标系数第二目标系数θk和第三目标系数ρn的权重因子系数，且β3》β2》β1，β1+β2+β3＝1。
[0112]
将指标系数zb与预设的指标系数zp1进行比对分析；
[0113]
若zb≥zp1，则将对应的所述指标数据标记为正常指标系数；
[0114]
若zb《zp1，则将对应的所述指标数据标记为异常指标系数。
[0115]
对所述第一目标系数第二目标系数θk、第三目标系数ρn通过公式整合生成指标系数。
[0116]
将所述第一目标系数、第二目标系数θk、第三目标系数ρn通过一定的公式整合，生成指标系数。这些参数可以用于网络维护和优化，例如用于判断网络资源配置、调度策略和网络服务质量评估。
[0117]
将所述异常指标系数作为卷积神经网络模型的输入层神经元，并通过卷积处理，生成异常指标系数的评测结果；
[0118]
获取标准训练异常指标集和测试异常指标集，基于卷积神经网络模型得出所述标准训练异常指标集所对应的标准训练异常指标测试结果和所述测试异常指标集对应的测试异常指标测试结果；
[0119]
所述获取标准训练异常指标集和测试异常指标集,基于卷积神经网络模型得出所述标准训练异常指标集所对应的标准训练异常指标测试结果和所述测试异常指标集对应的测试异常指标测试结果的分析逻辑为：
[0120]
获取标准训练异常指标集和测试异常指标集:
[0121]
基于卷积神经网络模型得出所述标准训练异常指标集的标准训练异常指标测试结果；
[0122]
基于卷积神经网络模型得出所述标准训练异常指标集的测试异常指标测试结果；
[0123]
将所述标准训练异常指标测试结果和所述测试异常指标测试结果进行比对,以得到比对结果；
[0124]
若比对结果中全为零值,则表示所述异常指标系数为偶发性异常；
[0125]
若比对结果中存在非零值,则表示所述异常指标系数为常发性异常。
[0126]
所述标准训练异常指标集包括esim卡账户故障样本、esim卡终端故障样本、esim卡所处位置的网络故障样本以及正常标准样本；
[0127]
所述测试样本集为实际测量而来样本的集合。
[0128]
比对所述训练异常指标测试结果和所述测试异常指标结果以得出评测结果的异常种类，根据评测结果的异常种类生成空中运维的控制指令。
[0129]
本发明远程esim卡数据空中运维的方法实现了对远程esim卡数据的实时监控和异常处理，确定评测结果的异常种类可以对应性生成空中运维的控制指令，从而完善现有的远程esim卡数据空中运维系统的不足，从而帮助服务器更好地实时检测esim卡终端设备
的运行情况，根据评测结果进行分析并生成空中运维的控制指令，从而优化esim卡终端设备运行效率。
[0130]
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
[0131]
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质。半导体介质可以是固态硬盘。
[0132]
本领域普通技术人员可以意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0133]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0134]
在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0135]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0136]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0137]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
[0138]
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明
的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种远程esim卡数据空中运维的方法，其特征在于，应用于服务器；包括：服务器端远程连接esim卡；并采集esim卡数据传输的指标数据，将所述指标数据按照时间序列存放在时序数据库中；对所述指标数据进行分析，生成指标系数，所述指标系数包括正常指标系数和异常指标系数；将所述异常指标系数作为卷积神经网络模型的输入层神经元，并通过卷积处理，生成异常指标系数的评测结果；获取标准训练异常指标集和测试异常指标集，基于卷积神经网络模型得出所述标准训练异常指标集所对应的标准训练异常指标测试结果和所述测试异常指标集对应的测试异常指标测试结果；比对所述训练异常指标测试结果和所述测试异常指标结果以得出评测结果的异常种类，根据评测结果的异常种类生成空中运维的控制指令。2.根据权利要求1所述的一种远程esim卡数据空中运维的方法，其特征在于，对所述指标数据进行分析的逻辑为：所述指标数据包括esim卡账户信息、esim卡终端状态信息、esim卡所处位置的网络状态信息；对esim卡账户信息进行分析，生成第一目标系数对esim卡终端状态信息进行分析，生成第二目标系数θ
k
；对网络状态信息进行分析，生成第三目标系数ρ
n
；对所述第一目标系数第二目标系数θ
k
、第三目标系数ρ
n
进行整合处理，生成指标系数。3.根据权利要求2所述的一种远程esim卡数据空中运维的方法，其特征在于，生成所述第一目标系数的分析逻辑为：所述esim卡账户信息包括esim卡账户余额、使用情况；将使用情况按照时间序列划分为m个使用记录，m＝1，2，3......m，其中m为使用记录的总个数，提取并记录m个使用记录；对每个使用记录通过公式进行量化处理，得到m个使用记录的数据向量，将所述数据向量标记为第一目标系数具体公式为：其中：m为第m个使用记录，第m个使用记录包括为流量消耗数据a
m
、对应的使用时间t
m
以及本次esim卡使用前的账户余额qye
m
和本次esim卡使用后的账户余额hye
m
，hye
m-1
为第m-1个使用记录中esim卡使用后的账户余额，第m-1个使用记录为第m个使用记录的上一使用记录。4.根据权利要求3所述的一种远程esim卡数据空中运维的方法，其特征在于，生成所述生成第二目标系数θ
k
的分析逻辑为：所述esim卡终端状态信息包括esim卡的终端操作系统版本号、esim卡的固件版本号、电量状态；
将esim卡的终端操作系统版本号、esim卡的固件版本号、电量状态在通信状态下赋予相应数值，并将对应赋值分别标记为r1、r2和r3；其中r1＞r2＞r3＞1；将所述esim卡的终端操作系统版本号、esim卡的固件版本号和电量状态对应赋值相加累计为第二目标系数θ
k
。5.根据权利要求4所述的一种远程esim卡数据空中运维的方法，其特征在于：生成第三目标系数ρ
n
的分析逻辑为：所述网络状态信息包括信号传输速率xhv
n
、网络覆盖面积xhb
n
、信号稳定值xhw
n
和网络延迟时间xht
n
；将当前网络状态信息划分为将n个时刻的网点状态区域，n为正整数，分别获取n个网点状态区域对应的信号传输速率xhv
n
、网络覆盖面积xhb
n
、信号稳定值xhw
n
和网络延迟时间xht
n
，并将其进行公式化分析，求得第n个网点状态区域的第三目标系数ρ
n
，n＝1,2,
……
n；具体公式为：ρ
n
＝α1*xhv
n
+α2*xhb
n
+α3*xhw
n
+α4*xht
n
；其中，α1、α2、α3以及α4分别为信号传输速率xhv
n
、网络覆盖面积xhb
n
、信号稳定值xhw
n
和网络延迟时间xht
n
的权重因子系数，且α1>α2>α3>α4，α1+α2+α3+α4＝8.6032。6.根据权利要求5所述的一种远程esim卡数据空中运维的方法，其特征在于：对所述第一目标系数第二目标系数θ
k
、第三目标系数ρ
n
进行整合处理，生成指标系数的分析逻辑为：将第一目标系数第二目标系数θ
k
和第三目标系数ρ
n
的进行加权累加，并将累加后的数值标记为指标系数zb；其中，β1、β2以及β3分别为第一目标系数第二目标系数θ
k
和第三目标系数ρ
n
的权重因子系数，且β3>β2>β1，β1+β2+β3＝1。将指标系数zb与预设的指标系数zp1进行比对分析；若zb≥zp1，则将对应的所述指标数据标记为正常指标系数；若zb<zp1，则将对应的所述指标数据标记为异常指标系数。7.根据权利要求6所述的一种远程esim卡数据空中运维的方法，其特征在于：所述获取标准训练异常指标集和测试异常指标集,基于卷积神经网络模型得出所述标准训练异常指标集所对应的标准训练异常指标测试结果和所述测试异常指标集对应的测试异常指标测试结果的分析逻辑为：获取标准训练异常指标集和测试异常指标集:基于卷积神经网络模型得出所述标准训练异常指标集的标准训练异常指标测试结果；基于卷积神经网络模型得出所述标准训练异常指标集的测试异常指标测试结果；将所述标准训练异常指标测试结果和所述测试异常指标测试结果进行比对,以得到比对结果；若比对结果中全为零值,则表示所述异常指标系数为偶发性异常；若比对结果中存在非零值,则表示所述异常指标系数为常发性异常。8.根据权利要求7所述的一种远程esim卡数据空中运维的方法，其特征在于：所述标准
训练异常指标集包括esim卡账户故障样本、esim卡终端故障样本、esim卡所处位置的网络故障样本以及正常标准样本；所述测试样本集为实际测量而来样本的集合。9.一种存储在计算机可读介质上的计算机程序产品，其特征在于：包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1～8任意一项所述的一种远程esim卡数据空中运维的方法。10.一种计算机可读存储介质，其特征在于：储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～8任意一项所述的一种远程esim卡数据空中运维的方法。

技术总结
本发明属于通信技术领域，本发明公开了一种远程ESIM卡数据空中运维的方法，服务器端远程连接ESIM卡；并采集指标数据，将所述指标数据按照时间序列存放在时序数据库中；对所述指标数据进行分析，生成指标系数，所述指标系数包括正常指标系数和异常指标系数；将所述异常指标系数作为卷积神经网络模型的输入层神经元，并通过卷积处理，生成异常指标系数的评测结果；基于卷积神经网络模型得出标准训练异常指标测试结果和测试异常指标测试结果；比对所述训练异常指标测试结果和所述测试异常指标结果以得出评测结果的异常种类，根据评测结果的异常种类生成空中运维的控制指令。的异常种类生成空中运维的控制指令。的异常种类生成空中运维的控制指令。


技术研发人员：孙家宽 缪勇 吴靓 张钊 林飞 胡俊超 钟根发 李丽娜
受保护的技术使用者：齐犇科技集团有限公司
技术研发日：2023.04.26
技术公布日：2023/8/6