摘要：在多层异构的卫星互联网中，时变的网络拓扑、动态的链路质量、不稳定的卫星节点、海量涌现的高维数据给网络的运维与管理带来巨大挑战。人工智能技术由于具备从海量历史数据中学习或从与动态环境的交互反馈中学习的能力，被认为是应对上述挑战的有效方案。在网络资源管理、业务流量管理和网络状态管理3个方面重点调研人工智能技术在卫星网络运维与管理领域的研究现状，在此基础上深入分析现有方法存在的不足，并讨论未来值得关注的研究方向。
关键词：卫星互联网 ; 人工智能 ; 网络运维与管理 ; 资源分配 ; 异常检测
1 引言
卫星互联网具备全球无缝覆盖优势，已被我国列入新基建范围。卫星互联网的运维与管理系统负责对其运行过程进行监测、调整和控制，是对全局资源和网络运行状况统一管理的核心，直接决定了卫星互联网能否稳健运行并满足用户业务需求。传统的卫星互联网运维系统大多基于规则、统计或建模优化，这些方法通常建立在专家知识或对网络环境的精确建模之上，其在卫星互联网中将遭遇以下挑战。
（1）模型复杂异构：空天地一体化网络已成卫星互联网发展趋势，网络结构日趋复杂，卫星与用户终端日益庞大，业务需求从移动通信服务拓展为宽带互联网、物联网服务，给网络的确定性建模带来挑战。
（2）环境动态时变：高速运动的多层天基平台、复杂的空间频率干扰和降雨等时变的天气因素导致链路性能动态变化，卫星的大规模小型化趋势导致其故障概率增加，不确定性因素的增加导致运维人员定位故障的工作量成指数增长。同时卫星故障和信道质量变化导致有限的网络资源动态变化，而传统方法难以高效调整资源分配方案，导致