網(wǎng)絡故障智能診斷技術及其應用研究

金冰心

摘要：隨著人們對網(wǎng)絡系統(tǒng)的依賴性越來越強，網(wǎng)絡系統(tǒng)的故障檢測技術日益成為一個重要的研究課題。智能診斷網(wǎng)絡故障技術的容錯性強，診斷率高，可以為故障管理人員提供極為有益的參考。該文通過對幾種常用網(wǎng)絡故障診斷技術進行比較分析，展望了智能診斷網(wǎng)絡故障技術的應用優(yōu)勢和發(fā)展前景。

關鍵詞：網(wǎng)絡故障；智能診斷；測試與定位；應用

中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2017）36-0040-02

1 概述

近年來，隨著電子商務理念的不斷推廣和“互聯(lián)網(wǎng)+”模式的不斷深化，互聯(lián)網(wǎng)在推動社會經(jīng)濟發(fā)展與和諧人文生活環(huán)境建設中發(fā)揮了越來越重要的作用。同時，人們對于網(wǎng)絡的依賴性也越來越強。網(wǎng)絡故障及其安全問題對人們生活的影響也日益變得嚴峻。

通常，網(wǎng)絡管理包括配置管理、性能管理、安全管理和故障管理等。故障診斷又是故障管理中最基本的功能之一。網(wǎng)絡故障診斷以網(wǎng)絡原理、網(wǎng)絡配置和網(wǎng)絡運行的知識為基礎，從網(wǎng)絡故障的現(xiàn)象出發(fā)，根據(jù)特定的故障檢測與定位方法來得出故障的詳細信息并告警。實現(xiàn)網(wǎng)絡故障診斷的技術難點主要體現(xiàn)在模型建立、故障關聯(lián)、檢測與定位等方面。

2 網(wǎng)絡故障診斷技術特征分析

目前，我國在網(wǎng)絡故障診斷的應用水平上與發(fā)達國家相比還有一定距離。但隨著網(wǎng)絡技術與多學科理論的不斷融合，也逐步邁向了標準化、智能化、集中化等的可持續(xù)發(fā)展道路。常用的網(wǎng)絡故障管理方法有模糊邏輯檢測、專家診斷系統(tǒng)、神經(jīng)網(wǎng)絡系統(tǒng)檢測診斷和各種智能化診斷系統(tǒng)等。由于這些不同的運用方法各有優(yōu)劣，所以在實用中，大多采用了結合使用的方式?？偟膩碚f，各類故障診斷技術主要包含以下幾大特點。

1） 實時性。網(wǎng)絡實時系統(tǒng)的正確性不僅依賴系統(tǒng)計算的邏輯結果，還依賴于產(chǎn)生這個結果的時間。實時系統(tǒng)能夠在指定或者確定的時間內(nèi)完成系統(tǒng)功能和外部或內(nèi)部、同步或異步時間做出響應的系統(tǒng)。因此網(wǎng)絡運行的實時性應該指在事先定義的時間范圍內(nèi)識別和處理離散事件的能力；系統(tǒng)能夠同時處理和儲存控制系統(tǒng)所需要的大量數(shù)據(jù)。

2） 協(xié)作性。由于網(wǎng)絡在開發(fā)管理過程中應用了大量的指令和標識，所以網(wǎng)絡故障發(fā)生時的表象和征兆往往較為復雜。而有時很多不同原因的網(wǎng)絡故障又表現(xiàn)出了相同或相似的征兆。這些都會給網(wǎng)絡故障診斷的判定帶來干擾。

3） 層次性。眾所周知，網(wǎng)絡體系結構將網(wǎng)絡劃分成了七個層次，各個層次之間各司其職。但各層之間一旦發(fā)生故障，也是具有分層性的。如數(shù)據(jù)鏈路層、物理層、應用層等之間的故障等也是會體現(xiàn)出一定的層次性。

4） 隨機性。由于網(wǎng)絡故障的發(fā)生沒有固有的遵循模式或規(guī)律，因此具有一定的偶然性和隨機性。這也導致了每次故障發(fā)生后的診斷難度加大，需要經(jīng)驗豐富的專業(yè)人員憑借故障識別知識去鑒別。這也必然會花費大量的時間和精力。

3 常見智能診斷網(wǎng)絡故障技術應用及其分析

當前市場上針對網(wǎng)絡結構與故障診斷的特點，較多地運用了故障樹分析法（FTA）和一種基于比較的故障診斷技術來實現(xiàn)故障的診斷與分析。

FTA主要通過邏輯方法來進行定量分析。采用了樹形結構從故障結果開始，尋找所有可能導致故障的原因，從而最終推出網(wǎng)絡故障的FTA模型。其基本的分層結樹形結構如圖1所示。

在基于樹形結構的網(wǎng)絡拓撲結構圖中，各級設備之間通過標準的鏈路層結構實現(xiàn)互聯(lián)。網(wǎng)絡故障的智能診斷也將基于分層結構中逐級進行。

其模型結構圖如圖2所示。

其基本思路即從頂層事件逐級向下檢測，再根據(jù)每個節(jié)點不同的邏輯關系，選用And或Or等邏輯門接入下一級事件，直到推至底層事件，即得出故障發(fā)生的直接原因。

實際上，專家故障診斷系統(tǒng)主要用于那些沒有或很難建立精確數(shù)學模型的復雜系統(tǒng)中。而神經(jīng)網(wǎng)絡系統(tǒng)檢測診斷雖然原則上具有相應的容錯機制，能夠通過模塊化的程序實施聯(lián)想與推測等功能，實現(xiàn)診斷的記憶和結構化拓撲。它在提供自適應、學習、并行和處理復雜模式等能力時，也需要多次通過神經(jīng)網(wǎng)絡對樣本集進行測試，通過反復訓練來達到該神經(jīng)網(wǎng)絡故障診斷的需求。

因此，這種基于比較的故障診斷模型通過向不同處理器發(fā)送相同測試任務，然后比較它們的響應異同，從而進行故障診斷。這些處理器可以是網(wǎng)絡中的任意一個結點，每個結點也都可以作為與它直接連接的比較器存在。這樣的智能診斷網(wǎng)絡故障技術可以減少因為網(wǎng)絡元素多，導致出現(xiàn)盲目選取測試點等現(xiàn)象，嚴重影響故障診斷的效率。

4 故障診斷測試與定位

其實，網(wǎng)絡測量中較為基礎和實用的方法，主要還有基于windows操作系統(tǒng)的Ping語言和Tracert命令。Ping屬于一種測試程序，如果能夠通過運行ping命令查找問題或檢驗網(wǎng)絡，則可大體上排除網(wǎng)卡、輸入輸出線路、電纜和路由等處存在故障的可能，大大縮小故障檢測范圍。Tracert命令則主要負責將不同生存時間（TTL）值的Internet控制消息協(xié)議（ICMP）回顯數(shù)據(jù)包發(fā)送到目標，以測試到達目標采用的路由。

經(jīng)過國內(nèi)外眾多研究實踐結果證明。智能診斷網(wǎng)絡故障技術不能單純依靠某一種單一方法來實現(xiàn)，這肯定會增大診斷難度和精確度。尤其對于大型網(wǎng)絡系統(tǒng)的故障診斷，其工作量和復雜度往往是人工技術所難以完成的。所以，采用多種診斷技術相結合，依靠人工智能技術的網(wǎng)狀覆蓋與組合，利用不同系統(tǒng)的特性將一個復雜的網(wǎng)絡故障系統(tǒng)分解成若干個獨立的、單一的子系統(tǒng)和因子。各因子之間即獨立運行，又協(xié)同運作，共同完成一些龐大復雜而又縝密的系統(tǒng)工作。

5 結束語

目前多智能體系統(tǒng)技術融合的研究不斷深入，各個子系統(tǒng)之間的協(xié)調問題等大多得到了有效的控制和改進。這也給網(wǎng)絡故障診斷技術的運用提供了便利。只要能在自主性強、協(xié)調性高的基礎上，將一些復雜問題自主的分解成若干小問題，則必然能將網(wǎng)絡故障的定位實施的更快捷、更精準，從而減少和降低因為網(wǎng)絡故障而給人們的工作、學習所帶來的影響。

參考文獻：

[1] 王道平，張義忠.故障智能診斷系統(tǒng)的理論與方法[M]. 北京：冶金工業(yè)出版社，2001.

[2] 雷亞國. 混合智能技術及其在故障診斷中的應用研究[D]. 西安：西安交通大學， 2007.

[3] 劉觀良， 趙萬能， 仝麥智. 基于人工智能的網(wǎng)絡故障診斷研究綜述[J].電腦編程技巧與維護， 2013（10）.

[4] 阿不都艾尼·阿不都肉素力. 基于人工智能的網(wǎng)絡故障診斷相關問題研究[J].電腦知識與技術，2016，3.

[5] 陽惠，楊小帆. 在MM*比較模式下Mobius立方體的一個快速診斷算法[J].計算機學報，2007，30（7）.