基于流量分析的網(wǎng)絡(luò)故障診斷技術(shù)研究.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)的日益龐大和復(fù)雜，網(wǎng)絡(luò)發(fā)生故障的概率日益增加。相應(yīng)地，提高網(wǎng)絡(luò)故障的智能診斷能力也成了當(dāng)前迫切的需求。目前，網(wǎng)絡(luò)故障診斷還停留在比較初級的階段，不夠智能，不僅影響了用戶體驗(yàn)，還增加了服務(wù)提供商的運(yùn)維成本。因此，快速地診斷并定位網(wǎng)絡(luò)故障，對于服務(wù)提供商意義重大。
　　本文研究通過流量分析方法來檢測并定位網(wǎng)絡(luò)故障的理論和方法。主要研究在網(wǎng)絡(luò)流中如何跟蹤和記錄會話流，通過分析會話雙方交互過程的異常來快速有效地發(fā)現(xiàn)網(wǎng)絡(luò)故障事

2、件，同時推斷故障發(fā)生的大致區(qū)間。為了進(jìn)一步定位網(wǎng)絡(luò)故障的根本原因，根據(jù)專家知識或者樣本學(xué)習(xí)得到故障樣本表，然后建立故障貝葉斯網(wǎng)絡(luò)模型，最后通過貝葉斯推理過程得到最終的故障原因。論文中的網(wǎng)絡(luò)故障的發(fā)現(xiàn)與定位以用戶登陸故障作為案例。由于現(xiàn)在的網(wǎng)絡(luò)流十分巨大，如何快速地解析網(wǎng)絡(luò)流并建立會話跟蹤記錄是本文首先需要解決的一個問題。本文提出了EHT會話跟蹤算法，相較于傳統(tǒng)會話跟蹤算法大大提高了效率。另一方面，由于當(dāng)前網(wǎng)絡(luò)關(guān)系的復(fù)雜性，耦合關(guān)系和不確

3、定因素都使得網(wǎng)絡(luò)故障的診斷變得更加困難。文本建立了貝葉斯故障診斷模型，利用貝葉斯不確定問題的推理特性和學(xué)習(xí)特性，快速有效地進(jìn)行網(wǎng)絡(luò)故障診斷。
　　本文主要研究內(nèi)容包括：
　?。?）研究網(wǎng)絡(luò)會話的采集和跟蹤技術(shù)，提出EHT會話跟蹤算法。
　?。?）研究貝葉斯網(wǎng)絡(luò)的相關(guān)理論和推理過程，以及在軟件實(shí)現(xiàn)過程的存儲表達(dá)方法。
　　（3）建立診斷貝葉斯網(wǎng)絡(luò)模型，通過貝葉斯推理方式，最終得到故障原因。
　?。?）原型系統(tǒng)