再谈网络故障诊断

《再谈网络故障诊断》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、再谈网络故障诊断电子科技大学201511242015.11.24目录一、智能故障诊断二、MLBR方法三、RMBR方法1提纲智能故障诊断：业内的工作2智能故障诊断宽带网络现状如何提高对网络性能状况的感知度？规模日益扩大如何了解终端用户的感受？(浏览网页，下载文件，音视频，……)服务日益丰富如何验证向用户提供的SLA承诺？如何为重点客户提供定期的网络质量报告？客户对上层应用服务质量要如何进行长时间(7×24)的性能监测以提前发现问题？求提高宽带网络服务质量不达标如何精准快速进行质量劣化等故障的定位和根因分析？3

2、智能故障诊断一张网络WEB浏览器/PADiTVCDNiTVSTBVoIP网关VoIP终端智能故障诊断：三个目的¢故障识别(faultidentification)，或故障发现¢故障测试(testing)，或故障确认¢告警相关性分析(alarmcorrelation)，或故障定位4智能故障诊断智能故障诊断：两个研究点MLR异常端到端业务iTV投诉故障传播丢包率承载网路径劣化故障根因分析光衰异常传输网PON分光器5智能故障诊断常见的智能诊断故障诊断方法6智能故障诊断小结：从故障诊断方法的角度，可以分为两类人。“

3、不懂网络的人”的方法¢机器学习、贝叶斯网络¢基于案例的推理“懂网络的人”的方法¢基于规则的推理、基于模型的推理7智能故障诊断小结：从故障诊断依据的信息，也可以分为两类人。“懒人”所依据的信息¢告警事件（目前ISP共识）“勤快人”所依据的信息¢告警事件（“坏”消息）¢网络日常运行数据（“好”消息）8智能故障诊断——我们的工作以下汇报我们的两种探索。探索1：“不懂网络的勤快人”¢基于机器学习的故障检测与诊断(MLBR)探索2：“懂网络的勤快人”¢基于模型的故障检测与诊断(RMBR)9目录一.智能故障诊断二.ML

4、BR方法三.RMBR方法10提纲探索1：基于机器学习的故障诊断方法LMBR(Machine-LiBdLearningBasedRRieasoning))11MLBR方法——主要思想MLBR的两个出发点：网络故障的规律是可学习、可挖掘的。宽带网络的运行数据测量已经解决了故障状态数据采集的问题，剩下的就是对规律的学习和对知识的应用。12MLBR方法——主要思想数据->学习->知识->应用网络OSS大数据故障识别故障预警规则用户投诉数知识据（决策树）故障定位故障定位规则故障定位数核心：故障随机森林诊断算法据13M

5、LBR方法机器学习框架®深度集成学习大数据平台数据挖掘复杂系统结构状态案例机器学习数据数据数据数理统计人工智能指标阈值处理指标处理模型(QoE/KQI/KPI)函数计算事件压缩、计数、事件处理模型(()Event/Alarm)抑制、关联故障推理模型故障推理规则库、故障树、故障传播图故障假设选故障假设选择模测试和确认择型人类专家14MLBR核心——故障随机森林诊断算法故障决策树®给定一个故障训练数据集D，其中每个实例，称为例子，训练数据集中包含属性A。同时®故障决策树分裂准则定义为在决策树算法中将训练故给定类

6、别集合C。对于训练数据集D，故障决障数据集D中的元组划分为故障分类的最好的方法与策略，策树是指具有以下性质的树：它说明在节点N上测试哪个属性合适，如何选择测试与测®每个内部节点都被标记一个属性Ai。试的方法，从节点N上应该生长出哪些分支。®每个弧都被标记一个值，这个值对应于相应父结点的属性。®每个叶节点都被标记一个故障分类Cj。®故障故障决策树分裂准则随机选择ID3，C4.5和CART，例如ID3用信息增益最大化准则来选定分裂属性：®针对一个网络故障Fi生成故障诊断随机森林的算法如下：ppnn①准备带标签的

7、网络状态数据集。I(p,n)=−log−log22p+np+np+np+n②从网络状态向量中，选取和故障Fi相关联的事件，形成针对故障Fi的特定如果以属性A作为决策树的根，A具有v个值{v,v,L,v}，它将A分为v个12v状态子向量。子集{e,e,L,e}，假设中含有p个正例和n个反例，那么，以属性A为根所需的12v信息期望如下公式所示：③启动N个决策树生成任务（JOB）④每个决策树生成任务随机选取训练数vp+nii据集，随机选取一个决策树生成算法，E(A)=∑I(pi,ni)得到各自的决策树。i=1p+

8、n⑤将N个决策树的结果进行汇总，形成因此，以A为根的信息增益如下公式所示：一个故障决策森林模型。gain(A)=I(p,n)−E(A)15MLBR方法决策树与随机森林®建模①事件量化、指标量化②为诊断和定位分别选择和定义特征向量，保证独立性，消除共线性③用大数据随机森林算法训练故障随机森林④每个故障随机森林和多个故障森林并行训练建模®故障推理①在故障特征向量内的事件发生时触发推理过程。•多层次故障随机森林生成②用