網絡故障智能診斷技術及其應用研究

金冰心

摘要：隨著人們對網絡系統的依賴性越來越強，網絡系統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絡故障診斷技術進行比較分析，展望了智能診斷網絡故障技術的應用優勢和發展前景。

關鍵詞：網絡故障；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“互聯網+”模式的不斷深化，互聯網在推動社會經濟發展與和諧人文生活環境建設中發揮了越來越重要的作用。同時，人們對于網絡的依賴性也越來越強。網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。網絡故障診斷以網絡原理、網絡配置和網絡運行的知識為基礎，從網絡故障的現象出發，根據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。實現網絡故障診斷的技術難點主要體現在模型建立、故障關聯、檢測與定位等方面。

2 網絡故障診斷技術特征分析

目前，我國在網絡故障診斷的應用水平上與發達國家相比還有一定距離。但隨著網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、集中化等的可持續發展道路。常用的網絡故障管理方法有模糊邏輯檢測、專家診斷系統、神經網絡系統檢測診斷和各種智能化診斷系統等。由于這些不同的運用方法各有優劣，所以在實用中，大多采用了結合使用的方式。總的來說，各類故障診斷技術主要包含以下幾大特點。

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

2） 協作性。由于網絡在開發管理過程中應用了大量的指令和標識，所以網絡故障發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絡故障又表現出了相同或相似的征兆。這些都會給網絡故障診斷的判定帶來干擾。

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

4） 隨機性。由于網絡故障的發生沒有固有的遵循模式或規律，因此具有一定的偶然性和隨機性。這也導致了每次故障發生后的診斷難度加大，需要經驗豐富的專業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 常見智能診斷網絡故障技術應用及其分析

當前市場上針對網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互聯。網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，再根據每個節點不同的邏輯關系，選用And或Or等邏輯門接入下一級事件，直到推至底層事件，即得出故障發生的直接原因。

實際上，專家故障診斷系統主要用于那些沒有或很難建立精確數學模型的復雜系統中。而神經網絡系統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想與推測等功能，實現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網絡對樣本集進行測試，通過反復訓練來達到該神經網絡故障診斷的需求。

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。這樣的智能診斷網絡故障技術可以減少因為網絡元素多，導致出現盲目選取測試點等現象，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絡，則可大體上排除網卡、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控制消息協議（ICMP）回顯數據包發送到目標，以測試到達目標采用的路由。

經過國內外眾多研究實踐結果證明。智能診斷網絡故障技術不能單純依靠某一種單一方法來實現，這肯定會增大診斷難度和精確度。尤其對于大型網絡系統的故障診斷，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狀覆蓋與組合，利用不同系統的特性將一個復雜的網絡故障系統分解成若干個獨立的、單一的子系統和因子。各因子之間即獨立運行，又協同運作，共同完成一些龐大復雜而又縝密的系統工作。

5 結束語

目前多智能體系統技術融合的研究不斷深入，各個子系統之間的協調問題等大多得到了有效的控制和改進。這也給網絡故障診斷技術的運用提供了便利。只要能在自主性強、協調性高的基礎上，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.故障智能診斷系統的理論與方法[M]. 北京：冶金工業出版社，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）.