全光網中采用可信度模型的故障定位技術

劉英挺，朱睿杰，杜曉明，趙永利

(1. 西北師范大學 物理與電子工程學院，甘肅 蘭州 730070; 2. 北京郵電大學 信息光子學與光通信教育部重點實驗室，北京 100876)

?

全光網中采用可信度模型的故障定位技術

劉英挺1，朱睿杰2，杜曉明2，趙永利2

(1. 西北師范大學 物理與電子工程學院，甘肅 蘭州 730070; 2. 北京郵電大學 信息光子學與光通信教育部重點實驗室，北京 100876)

寬帶業務的飛速發展推動著光網絡向著超大容量、超高速率方向演進．與此同時，在透明節點增加、光電再生設備減少的全光網絡中，多故障定位的非完全多項式屬性、網絡拓撲的復雜性以及承載業務的多樣性使得故障定位變得尤為困難．如何根據收集的告警信息，確切地找出故障的準確數目及其位置成為網絡管理人員的難題．針對全光網中故障與告警的關系展開研究，在多故障定位的相關方向上完成了采用可信度推理方法對故障與告警之間的復雜映射關系進行梳理，建立了一種多故障條件下全光網故障定位模型，并以此為基礎，提出了基于模糊隸屬度以及聯合可信度的兩種啟發式故障定位算法．通過不同的網絡拓撲以及與其他的算法對比，對這兩種算法以及可信度模型的正確性進行了驗證．仿真結果表明，該模型能夠很好地處理多故障定位問題的不確定性，且定位性能優越，具有很強的實際意義．

全光網;故障定位;不確定性;可信度

光網絡因其傳輸媒質具有超大帶寬、較強抗干擾能力、傳輸損耗低等優點，一直作為主要的通信網絡，廣泛應用于大容量寬帶業務的傳輸．隨著電信技術的更新演進，光網絡也如火如荼地發展著．與此同時，隨著高速光網絡的透明化發展，網絡故障管理，尤其是光網絡的故障識別與定位變得尤為困難．一旦光網絡發生故障，若不能及時定位故障，進行保護恢復，則光網絡將會損失大量數據，造成無法預估的后果，這就需要一種有效、精準的故障管理機制．故障管理機制包括故障甄別、故障定位、故障隔離以及故障恢復．考慮到文獻[1-3]中提到的依靠電域的故障管理機制的不足及多鏈路故障定位的復雜性，從國內外現有的故障管理機制入手，筆者著重研究全光網中故障定位的關鍵技術，針對多故障定位中故障與告警的不確定關系，結合在人工智能方面應用廣泛的不確定推理技術，通過引入可信度概念，建立采用可信度模型的故障定位機制，并基于建立的模型提出兩種故障定位算法．

1 故障定位

故障是造成光網絡性能異常、網絡服務質量下降的原因，也是產生告警事件的原因．告警，就是當網絡中發生故障時，那些可被收集到反映當前網絡異常狀態的現象．網絡中的故障是產生告警的根本原因，出現告警說明網絡中可能出現故障，根據觀測到的告警信息，并加以分析可以完成故障的定位．故障定位，就是根據收集到的告警信息，通過相關的方法確定網絡中故障位置以及故障數量．故障往往是產生告警的誘因，因而一旦知道網絡中確切位置發生故障，可以很快推斷出告警，然而根據告警信息來反推故障發生的位置，難度卻很大．一方面，網絡拓撲的復雜性，即使一個故障也會產生大量的告警信息，而大量冗余告警信息增加了故障定位難度;另一方面，由于故障傳播模型、業務部署的復雜性等因素，告警與故障的關系不是一對一的確定性關系，即使經過相關處理，得到有效告警信息，也不能確定地找到故障發生點．

除此之外，故障定位與網絡中信令的傳送方式以及控制方式直接相關．因而，必須在充分了解全網配置信息以及業務信息的前提下，才能有效地進行精確故障定位．首先對故障管理系統和故障定位機制進行總結．

文中將故障管理系統分成3類: 集中式管理系統、分布式管理系統[4]以及層次化管理系統[5]．其中，集中式管理系統主要用于小規模的網絡; 分布式管理系統因其可擴展性，適用于中等規模的網絡; 層次化管理系統主要應用于大規模網絡．將故障定位機制分成兩類: 自動控制以及人工測試．其中，自動控制，是指當故障發生時，能夠查詢業務信息，并結合網絡拓撲以及告警信息完成故障定位; 人工測試，是指當網絡出現故障時，利用人力去排查確定故障發生的具體位置．

在集中式管理系統中，存在一個中心管理節點，該節點能夠監控網絡中所有監測器的狀態，發送所有的控制信息，并收集所有監測器的告警信息，由主控節點完成告警的過濾、篩選以及處理，從而完成故障定位．在集中管理系統中，又可以劃分成兩種層次:扁平集中上級和扁平集中詳細級，前一個層級主要完成光交叉連接(Optical Cross-Connect，OXC)以及邊緣點監控，而后一個層級主要是對離散的光器件進行監控．

2 可信度模型

多故障定位中故障與告警之間的不確定性關系，使得多故障定位的研究點集中為如何處理告警與故障的關系，進而通過對這種關系的處理來有效完成多故障定位．文獻 [6]利用模糊數學的思想，引入不確定性推理技術，利用可信度的概念來衡量告警與故障之間的因果關系．不確定性推理技術不僅能對確定性的推理關系進行建模，為故障和告警之間不確定性的推理關系提供建模方法，而且基于貝葉斯網絡的不確定性推理技術將故障定位轉換成概率問題，大大簡化了故障定位推理的復雜度，所以基于貝葉斯網絡的故障定位方法很適合應用到全光網中來實施故障定位．

首先，定義網絡模型G(V， E， S)，利用無向圖來描述該拓撲結構，通過構造相應的鄰接矩陣來存儲網絡拓撲中頂點與鏈路的連通關系，其中V代表網絡中的節點集合，E代表網絡中的邊集合，并且鏈路均是無向的，S代表網絡中承載的業務集合．任意節點集合中的節點都有一個節點權重P(d)，P(d)代表節點d因為出現故障而產生告警的概率; 任意鏈路集合中的鏈路都有一個鏈路權重P(l)，P(l)代表鏈路發生故障的概率，這里假設每條鏈路發生故障的概率是相同的，并且所有鏈路之間是否發生故障是相互獨立的; 任意業務集合中的業務都可以標記為(id， route)，其中，id代表網絡中承載業務的id標號，route代表承載業務的路由信息，id和route能夠惟一標記網絡中的業務，通過某個業務的id和route信息，可以確定該業務經過的link數目，記為lnum，以及與該業務有相同的宿節點的業務數目snum．

在建立網絡模型后，引用文獻[7]的故障傳播模型——僅考慮網絡發生斷纖故障，假設故障僅能被業務宿節點檢測到，并且一旦某個鏈路發生故障，由于拓撲結構的連通性，以及業務配置的影響，那么其下游業務均受影響．

結合已經建立的故障傳播模型以及網絡模型，根據網絡拓撲和已建立的光路，可以得到告警集合SAS以及疑似鏈路集合SF，并且可以得到相應的二部圖．在上述工作的基礎上，建立了可信度模型．可信度因子FC能夠很好地衡量出基于證據推斷出某些結論可信程度的大小，因而可以利用可信度來描述基于某些業務中斷宿節點產生的告警信息，從而來推斷具體是哪些鏈路發生故障，進而完成多故障定位，得到最可能的疑似故障鏈路集．因此，全光網中可信度模型可以建立如下:

式(1)代表某個業務的宿節點是node，當節點node因為某個鏈路發生故障而致使位于node處的監測器產生告警信息，利用FC(link， node)(以下簡稱FC(l，d))來衡量鏈路link是引起node告警的疑似故障鏈路的可信度．可以用式(2)和式(3)來分別計算該節點發生故障推斷鏈路l是故障鏈路的可信度以及節點d發生告警的概率．

式(2)代表一旦鏈路l發生故障，節點d產生告警的可信度，其中，P(l|d)是當節點d產生告警，鏈路l是故障鏈路的條件概率，P(l)是鏈路的權重，即鏈路發生故障的概率．節點產生告警的概率，可以用式(3)來計算，其中l_num_i表示第i個業務經過的鏈路個數l_num．s_num是具有相同宿節d的業務個數．

圖1 精簡的鏈路結構

常見的鏈路結構可以精簡為圖1．其中節點D為業務的宿節點，那么經過該節點的業務要么是單業務，則這時業務的路由可以抽象為圖1(a)所示的鏈路結構．當宿節點D的業務不止一個時，可以抽象為圖1(b)所示的鏈路結構．以兩個業務均以節點D是宿節點為例，當D節點是單業務的宿節點時，如圖1(a) 所示，設每個鏈路的故障概率為P(l)，那么D節點產生告警的概率是 P(D)= 1- (1- P(l))2，因為在圖1(a)中，宿節點為D的業務S1經過的鏈路數2，每個鏈路正常的概率是 1- P(l)，若節點D產生告警，則該業務經過的鏈路至少有一條發生故障，根據概率的相關性質，可以得到上述的結果．當多業務的宿節點相同時，先計算每個單業務全部正常的概率，宿節點產生告警，則代表至少有一個業務發生了故障，因而利用同樣的方法，只需要得到具有相同宿節點的業務數目即可，進而可以推廣到宿節點相同的業務數為兩個以上的情況，計算結果如式(3)所示．

根據全概率公式，P(l|d)可以用式(4)來代替．在式(4)中需要注意的是，P(d|l)有兩種情況，第1種就是鏈路l發生故障會引起宿節點d告警，因為有宿節點為d的業務經過鏈路l，因而鏈路l發生故障與宿節點d告警相關．另外一種情況是宿節點為d的業務不經過鏈路l，因而鏈路l發生故障與否，與宿節點告警不相關，在這種情況下，宿節點不會產生告警．結合網絡的拓撲和當前承載的業務信息，式(2)可以用式(5)來代替,

接下來，討論當多個告警由同一個故障引起時的情況．如果當多于一個受影響的業務是由同一個鏈路發生故障引起的，則根據收到的告警計算由多個告警組合證據推斷鏈路就是疑似故障鏈路的聯合可信度．以d1和d2告警，進而推斷l就是疑似故障鏈路的聯合可信度的計算過程為例，

根據可信度的推算方法，可以得到式(6)以及式(7)．需要注意的是，文中的可信度模型，認為所有的告警信息均是由當前網絡發生故障引起的，不考慮其他的影響因素．因而上述可信度模型中的告警證據都包含有故障的相關信息，不存在證據不存在的情況，因而修改上述不確定推理技術中可信度的值域FC(H，E)為[0，1]以及去掉可信度表達式中的負數部分．

3 采用可信度模型的故障定位算法

圖2 多故障定位流程

全光網中多故障定位流程如圖2所示，文中主要提出兩種采用可信度模型的故障定位算法，隸屬度-可信度故障定位算法(Membership based Credibility Model Algorithm，MCMA)以及聯合可信度故障定位算法(Combination Credibility Model Algorithm，CCMA)．這兩種算法均基于可信度模型，算法輸入都是故障告警二部圖，并利用貪婪策略篩選出疑似故障鏈路，進而完成多故障定位，但是處理各自算法的權重因子不盡相同，前者引入模糊數學中隸屬度的概念，該方法中的權重因子是模糊隸屬度以及可信度共同作用的結果; 后者聯合可信度模型算法是利用組合證據的聯合可信度來完成最終疑似故障鏈路集合的選取．

之所以選擇貪婪策略是因為在可信度模型中，證據E的出現會增加結論為真的可信度，并且證據E的出現對H為真的信任度越大，則FC(H，E)的值越大．因此，有理由相信，利用初始證據，經過推理計算得到的最終結論的可信度FC(H，E)，若FC(H，E)值越大，則證明此次推導過程越接近真實的場景，那么該鏈路將最有可能是故障鏈路，因而，文中提出的兩種算法均采用貪婪策略進行故障鏈路的選擇．

3.1 隸屬度-可信度故障定位算法(MCMA)

該算法的提出是結合不確定性推理技術中兩種重要的處理手段: 概率論以及模糊數學，在可信度模型的基礎上，提出隸屬度的概念，利用可信度與隸屬度的雙重約束計算MCMA的權重因子α，采用貪婪策略來選擇具有最大權重因子的鏈路，則該鏈路就是最終的疑似故障鏈路，將該鏈路加入到疑似故障鏈路集合RF中，提出故障定位成功率Location Accuracy這個性能指標，來衡量最終算法的定位準確性，該指標的定義是成功定位的故障鏈路數與所有定位的故障鏈路數的比值，其值越高，代表該算法的定位越精確．

3.2 組合可信度模型算法

該算法的提出主要是利用可信度推理技術中組合證據的合取算法，由于多個證據可能同時推出同一個結論，并且具有不同的可信度．同一個鏈路故障，由于拓撲的連通性以及故障傳播模型，會導致許多業務中斷，這些業務的宿節點都會針對該鏈路的故障信息進行告警，因而利用證據的合取性質進行同一個鏈路故障與否的推導具有合理性．最終，同樣利用貪婪策略來選擇最大權重因子的鏈路，則該鏈路就是最終的疑似故障鏈路，將該鏈路加入到疑似故障鏈路集合RF中，利用故障定位成功率Location Accuracy這個性能指標，來衡量最終算法的定位準確性．該指標的定義與MCMA相同，都是成功定位的故障鏈路數與所有定位的故障鏈路數的比值，其值越高，代表該算法定位的性能越好．與MCMA不同的是，CCMA中的權重因子只由組合可信度決定．

4 仿真結果與分析

在全光網網絡仿真系統中，模擬了在NSFNet和SmallNet兩種拓撲中采用可信度模型的故障定位算法的性能．該仿真運用的對比算法是文獻 [6]中的模糊算法(Fuzzy Arithmetic，FA)， 模糊算法在處理故障告警的二部圖時， 是給每個故障告警的連接分配告警隸屬度， 該連接的模糊隸屬度越大， 代表該鏈路越有可能是故障鏈路．

圖3 NSFNet拓撲下故障成功定位率圖4 SmallNet下故障成功定位率

由圖3和圖4可以看到，隨著業務量的增加，故障定位成功率均呈現增加的趨勢，提出的兩種算法性能均優于對比算法，且可信度權重因子 α=1 時，性能最優．這說明提出的兩種算法能夠很好適應故障數目的隨機變化，有效利用故障信息，結合可信度推理技術，進行告警與故障的不確定分析，從而有效地進行故障定位．通過對比分析，還可以看到，這兩種算法在稀疏度差別較大的兩個網絡中的故障定位性能都比較優越．因而，這兩個算法具有良好的擴展性，可以適應不同的網絡拓撲．與此同時，對比算法的性能受到故障數目的制約，當故障數目或是業務信息較少時，產生的告警消息必然也相應減少，此時，告警隸屬度不能深入地挖掘故障與告警的不確定性關系，因而其故障定位成功率稍差．可信度權重因子 α=1，α=0 時，MCMA的算法性能也有差異，這是因為 α=1，相當于只考慮單個故障與告警連接的關系，而沒有綜合考慮觸發告警數目的隸屬度的因素，根據證據的推導，最有可能的故障鏈路一定會擁有最大的可信度因子．與此同時，卻不一定能夠觸發最多的告警數目，告警數目的多少取決于當前的網絡拓撲，以及業務配置情況，只能說具有最大的可信度的故障鏈路，有較大可能觸發最多的告警數目．因而，引入觸發告警數目充當疑似故障鏈路的證據進行推導，本身就存在模糊性，二者之間不存在必然聯系，因此會導致引入觸發告警數目時，其定位性能與不引入觸發告警數目的情況的差別．同理，CCMA引入的組合可信度，也可能引入干擾性的告警，導致最終疑似故障鏈路的推導出現問題，影響了成功定位的故障鏈路個數以及故障定位成功率．

5 結 束 語

筆者將不確定推理技術引入到光網絡故障定位中，牢牢把握多故障定位中故障與告警的不確定性特質，結合現有故障定位實現技術的不足，分析了采用不確定性推理技術實現多故障定位的可能性．重點研究了不確定性推理技術中采用可信度的推理方法，結合當前多故障定位存在的問題，實現了采用可信度的多故障定位技術，分析了其合理性，提出了采用可信度模型的兩種啟發式故障定位算法，通過不同的網絡拓撲以及其他的算法對比，對這兩種算法以及可信度模型的正確性進行了驗證，實現了完整的采用可信度模型的多故障定位技術．仿真結果表明，該模型能夠很好地處理多故障定位問題的不確定性，且定位性能優越，具有很強的實際意義．

[1] TAPOLCAI J. Survey on Out-of-band Failure Localization in All-optical Mesh Networks [J]. Telecommunication Systems, 2014, 56(1): 169-176.

[2]ALI M L, HO P H, TAPOLCAI J. Fault Localization in All-optical Ring Networks[C]//2014 19th European Conference on Networks and Optical Communications. Piscataway: IEEE, 2014: 159-164.

[3]XIONG Y, ZHANG H, FAN X, et al. Fast Fault Localization Mechanism Based on Minimum Dominating Set Clustering in WDM Networks[J]. Optical Switching and Networking, 2015, 18(1): 59-70.

[4]張新, 常義林, 孫方濤, 等. 一種改進的網絡故障監測算法[J].西安電子科技大學學報, 2006, 33(3): 416-421.

ZHANG Xin, CHANG Yilin, SUN Fangtao, et al. An Improved Algorithm for Monitoring the Network Fault [J]. Journal of Xidian University, 2006, 33(3): 416-421.

[5]STANIC S, SUBRAMANIAM S, SAHIN G, et al. Active Monitoring and Alarm Management for Fault Localization in Transparent All-optical Networks[J]. IEEE Transactions on Network and Service Management, 2010, 7(2): 118-131.

[6]ZHAO Y, LI X, LI H, et al. Multi-link Faults Localization and Restoration Based on Fuzzy Fault Set for Dynamic Optical Networks[J]. Optics Express, 2013, 21(2): 1496-1511.

[7]STANIC S, SAHIN G, CHOI H, et al. Monitoring and Alarm Management in Transparent Optical Networks[C]//Proceedings of the 4th International Conference on Broadband Communications, Networks, Systems, BroadNets. Piscataway: IEEE Computer Society, 2007: 828-836.

(編輯：李恩科)

Mechanism for fault location based on the credibility model of all optical networks

LIUYingting1，ZHURuijie2，DUXiaoming2，ZHAOYongli2

(1. College of Physics and Electronic Engineering, Northwest Normal Univ., Lanzhou 730070, China; 2. Key Lab. of Information Photonics and Optical Communications, Beijing Univ. of Posts and Telecommunications, Beijing 100876, China)

Optical networks, driven by the rapid development of the broad band business, tend to be of large capacity and high rate. However, the complexity of optical networks topologies and the business deployment, together with the feature of NP-completeness make multi-link faults location difficult in a transparent optical network. How to diagnose the accurate faults number and location without doubt is becoming an intractable problem. We have studied the uncertain relationship between alarms and fault in all optical networks. A multi-link fault location model in an entire transparent optical network is established. Then we advance two heuristic fault location algorithms based on the credibility mode above, which could measure the credibility of multi-link faults location reasoning process according to alarms quantificational. Finally, we build up a simulation system to simulate the network model and fault propagation model in entire optical networks and obtain the fault location module to verify the correctness of multi-link faults location model based on credibility and the performance faults location of two algorithms. Simulation results show that the model solves the uncertainty of the fault location effectively, and two algorithms display the good performance on the accuracy of fault location.

all optical networks; fault location; uncertainty; credibility

2015-07-24

劉英挺(1982-)，男，高級工程師，博士，E-mail: liuyingting666@163.com．

10.3969/j.issn.1001-2400.2016.06.026

TN913.7

A

1001-2400(2016)06-0152-06