一种基于注意力机制的大规模网络群实时故障预测方法技术

本发明专利技术属于计算机网络领域，涉及一种基于注意力机制的大规模网络群实时故障预测方法。本发明专利技术提出一种基于注意力机制的大规模网络群实时故障预测方法，该方法从拓扑和时空角度出发，不会丢失远期的权重信息，不会丢失低频故障设备的权重信息，并且可以批量预测一个有序的序列，这就是故障会发生的顺序。

A real-time fault prediction method for large-scale networks based on attention mechanism

【技术实现步骤摘要】
一种基于注意力机制的大规模网络群实时故障预测方法
本专利技术属于计算机网络领域，涉及一种基于注意力机制的大规模网络群实时故障预测方法。
技术介绍
大规模网络群的鲁棒性和容错性是评估网络系统性能时的重要指标，在电信网络中，可以利用故障预测来动态规划网络路由，甚至可以在策略和灵活性之间取得平衡，从而有效地调度网络流量。而且，如果可以准确地预测网络系统的故障，则网络系统可以显着提高网络效率和性能，显着减少资源消耗。在故障预测当中最核心的问题就是通过故障之间的权重关系在大量的告警当中找到设备在发生故障时的传播过程的规律，特别是指通过物理上的拓扑结构也就是网络拓扑传播过程规律，或者在时间维度上的传播过程的规律。目前的技术基本上的都是只能通过时间上的关系去找到设备故障之间的关系，不够准确和高效。网络故障定义：在拥有大量设备或者服务模块的网络中(例如中国电信)，可能由于多种多样的原因产生大量设备上的故障，包括设备硬件故障以及软件程序上的故障。网络上的设备一旦产生故障，不单单会影响设备本身，而且会随着影响与之有直接连接或者业务交互的设备传播到整本文档来自技高网...

【技术保护点】
1.一种基于注意力机制的大规模网络群实时故障预测方法，其特征在于，包括以下步骤：/n1)首先按照时间将故障排序，去除无效故障以及重复故障；/n2)将故障按固定长度切分为组，并给每一组编号；/n3)使用Sequence-Embedding的方式，将每一组故障序列投射到高维空间中；/n4)使用一个基于注意力机制设计的深度神经网络可以找到整个故障网络当中所有故障单元的相互表示的权重；/n5)最后将拓扑上和时间上最近的设备预测出来。/n

【技术特征摘要】
1.一种基于注意力机制的大规模网络群实时故障预测方法，其特征在于，包括以下步骤：
1)首先按照时间将故障排序，去除无效故障以及重复故障；
2)将故障按固定长度切分为组，并给每一组编号；
3)使用Sequen...

【专利技术属性】
技术研发人员：林彦颖，叶可江，须成忠，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44