【技术实现步骤摘要】
基于异常数据分析的网络异常根源定位方法
本专利技术涉及计算机应用
，尤其涉及一种基于异常数据分析的网络异常根源定位方法。
技术介绍
现有的网络故障定位技术主要包括以下三个方面。第一，基于网络运维实践中抽象出的专家经验，采用规则推理、神经网络、决策树等人工智能技术进行故障定位；第二，基于网络硬件的拓扑结构信息，采用依赖图、贝叶斯网络等图论技术进行故障溯源；第三，基于网络组件间的调用关系，采用模型追溯技术进行网络故障根源分析。相关技术均或多或少依赖于既有的网络硬件连接关系或业务逻辑关联信息。在现有技术解决方案下，在大规模网络系统中，网络硬件间的物理连接关系以及应用间的逻辑依赖关系极其复杂。这些关联关系还会随着业务更新和系统升级而动态变化，因此难以建立和维护准确而全面的网络拓扑关系。另一方面，即使能够建立庞大的应用拓扑关系，在异常根源分析中真实使用的信息量往往也较小。例如，当某些及极其杂的应用调用路径仅偶尔被访问或者运行十分稳定时，相应的网络拓扑信息在异常根源分析中的利用率较低。因此，长期维护网络组件或应用调用等拓扑...
【技术保护点】
1.一种基于异常数据分析的网络异常根源定位方法，其特征在于，包括：基于历史数据的离线分析步骤：/n对历史异常数据进行数据清洗，并采用异常过滤算法对清洗后的所述历史异常数据进行过滤；/n通过子网划分算法将异常元划分到若干子网中；/n通过网络拓扑算法将所述子网建立生成有向的异常网络拓扑图；/n采用静态权重算法计算所述异常网络拓扑图中每个异常元的静态权值，采用动态权重算法计算所述异常元之间的相对位置关系矩阵；/n基于实时数据的异常根源在线分析步骤：/n在检测到实时异常元数据时，判断所述实时异常元所属的异常网络拓扑图；/n读取所述实时异常元的静态权值，并计算所述实时异常元的动态权值...
【技术特征摘要】
1.一种基于异常数据分析的网络异常根源定位方法，其特征在于，包括：基于历史数据的离线分析步骤：
对历史异常数据进行数据清洗，并采用异常过滤算法对清洗后的所述历史异常数据进行过滤；
通过子网划分算法将异常元划分到若干子网中；
通过网络拓扑算法将所述子网建立生成有向的异常网络拓扑图；
采用静态权重算法计算所述异常网络拓扑图中每个异常元的静态权值，采用动态权重算法计算所述异常元之间的相对位置关系矩阵；
基于实时数据的异常根源在线分析步骤：
在检测到实时异常元数据时，判断所述实时异常元所属的异常网络拓扑图；
读取所述实时异常元的静态权值，并计算所述实时异常元的动态权值，以判断所述实时异常元在所述异常网络拓扑图中的位置；
根据所述实时异常元在所述异常网络拓扑图中的位置定位并标记异常根源。
2.根据权利要求1所述的基于异常数据分析的网络异常根源定位方法，其特征在于，所述子网划分算法为community函数、communitydetection函数、Fast-Unfolding算法或K-Means算法。
3.根据权利要求1所述的基于异常数据分析的网络异常根源定位方法，其特征在于，所述通过网络拓扑算法将所述子网建立生成有向的异常网络拓扑图的具体过程包括：
依次计算每一异常元引发其他任一异常元发生异常的条件概率；
将所有异常元引发其他异常元发生异常的条件概率组织形成条件概率矩阵；
将所述条件概率矩阵根据预设的置信度阈值生成邻接矩阵；
根据所述邻接矩阵生成所述异常元之间有向的异常网络拓扑图；
检测所述邻接矩阵中构成环路的异常元数量大于预设环路规模阈值的环路，将构成环路的边按照条件概率值从小到大顺序依次置零直至环路消除。
4.根据权利要求3所述的基于异常数据分析的网络异常根源定位方法，其特征在于，还包括：采用异常预测算法针对生成的所述异常网络拓扑图进行异常预测，并对所述异常网络拓扑图中的边权重进行修正。
5.根据权利要求4所述的基于异常数据分析的网络异常根源定位方法，其特征在于，采用线性加权算法作为所述静态权重算法...
【专利技术属性】
技术研发人员：许刚，
申请(专利权)人：北京思特奇信息技术股份有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。