一种基于图随机游走的故障网络节点预测方法技术

本发明专利技术涉及通信网络技术领域，公开了一种基于图随机游走的故障网络节点预测方法，包括：获取承载网的历史告警日志信息；遍历历史告警日志信息数据，生成网络拓扑图；在网络拓扑图中采用随机游走方法，生成告警规则集合；利用告警规则以及当前的告警网络节点信息进行筛选，得到初步预测结果的节点集合，计算初步预测结果的节点集合中各节点得分，形成目标预测结果集合

【技术实现步骤摘要】
一种基于图随机游走的故障网络节点预测方法


[0001]本专利技术涉及通信网络
，尤其涉及到通信网络的故障维护与预测方法
。

技术介绍

[0002]随着互联网技术与应用的进一步发展，网络终端设备的数量急剧增加，不同类型的网络设备之间可能存在不同关联特性，这使得网络拓扑结构愈发复杂
。
当网络发生故障时，网络运维人员很难从大规模网络设备节点中找到发生故障的节点设备，从而及时对故障作出有效处理
。
若不能及时定位故障节点并实施应对措施，由于节点之间的相互关联，可能进一步导致其它节点发生告警，使网络故障升级扩大
。
因此，准确地预测故障网络节点对于提高网络运维的效率和响应速度至关重要
。
[0003]现有网络运维工作中，主要采用人工方式对故障网络节点进行预测，运维人员分析当前网络告警数据，凭借自身网络理论知识和业务历史经验，判断未来可能发生故障的节点，并提前实施预防措施
。
其过程过于依靠运维人员的业务历史经验，且需要人工检索海量报警数据并进行分析，速度较慢，准确度波动较大，成本较高
。
[0004]基于近年来数据分析与机器学习技术的新兴研究成果，目前出现了一些在历史告警数据中运用以上数据加以分析，利用图随机游走算法预测未来故障网络节点的方法
。
然而现有的故障网络节点预测方法通常很少考虑历史网络告警数据与当前时刻之间的时间间隔的长短对预测结果的影响，仅仅对所有历史告警数据一视同仁地进行分析处理，这可能对预测结果造成不利影响，因为从客观事实上来说，近期产生的网络告警数据比起已经产生较长时间的网络告警数据，对故障节点预测结果具有更大影响
。

技术实现思路

[0005]本专利技术所要解决的技术问题是提出一种基于图随机游走的故障网络节点预测方法
,
自动预测未来可能会发生故障的网络节点
。
[0006]为解决上述技术问题，本专利技术提出的基于图随机游走的故障网络节点预测方法，包括以下步骤：
[0007]步骤1：获取承载网的历史告警日志信息；
[0008]步骤2：遍历历史告警日志信息数据，生成网络拓扑图，所述网络拓扑图包括拓扑节点和有向边，所述拓扑节点为所有发生过告警的网络节点，所述有向边具有的属性包括起点节点
、
起点节点告警类型
、
起点节点告警时间
、
终点节点；
[0009]步骤3：在网络拓扑图中采用随机游走方法进行随机采样，以游走轨迹中的有向边序列在起点节点告警时间上递增为约束，生成游走轨迹的集合；对每条游走轨迹，将轨迹中的末尾节点作为告警规则的头部，游走轨迹末尾有向边的起点节点的告警类型为告警规则标识符，其余部分的节点和有向边作为告警规则体，生成一条告警规则，全部告警规则组成告警规则集合，并统计每条告警规则的支持度；
[0010]步骤4：输入当前告警节点
、
当前告警类型
、
当前告警发生时间
、
时间窗口长度，生
成约束时间窗口，接着筛选出告警规则标识符为当前告警类型
、
告警规则体中所有有向边的告警时间均在约束时间窗口内的所有告警规则子集；根据筛选结果得到初步预测结果的节点集合；计算初步预测结果的节点集合中各节点得分，形成目标预测结果集合，所述目标预测结果集合中包含所有未来可能会发生告警的节点及其得分
。
[0011]进一步的，所述步骤2中，将所有历史告警日志信息按告警发生时间在时间轴上按增序排列，对所有相邻且时间间隔小于设定阈值的告警数据分别建立包括起点节点，起点节点告警类型，起点节点告警时间，终点节点四个属性的四元组，每个四元组对应一条有向边
。
[0012]优选的，步骤3所述随机游走方法为：
[0013]步骤3‑1：设置所需要学习的告警规则的长度
l
，以及每个节点的随机游走最大次数
n
；
[0014]步骤3‑2：从网络拓扑图中某个节点开始，在以该节点为起点的所有有向边中进行随机采样，要求采样出的边若不为第一条边，则该边四元组中的起点节点告警时间需要不小于上一次采样出的边四元组中的起点节点告警时间；接着以采样的边的终点节点为作为新的起点，重复采样操作直至无法继续采样或者采样次数超过
l
，最终生成一条游走轨迹；
[0015]步骤3‑3：对该节点重复以上操作直至无法产生新的游走轨迹或游走轨迹总数不小于
n
为止
。
[0016]进一步的，步骤3所述统计每条告警规则的支持度为：对告警规则集合中的每条告警规则，分别统计该条告警规则
、
该条告警规则的告警规则体的出现次数，分别作为该条告警规则的支持度
、
体支持度
。
[0017]可有选的，步骤4中所述根据筛选结果得到初步预测结果的节点集合，其方式为：将所生成的告警规则子集中的每条告警规则的头部节点作为初步预测结果的节点集合
。
[0018]较佳的，所述计算初步预测结果的节点集合中各节点得分，计算方法为：某条告警规则头部节点的预测得分为该告警规则的支持度与体支持度之商再加上一个指数函数的值，所述指数函数的底数为
e
，指数为当前告警发生时间与告警规则体中最晚的起点节点告警时间的差的负绝对值
。
[0019]改进的，获取承载网的历史告警日志信息后，随即对所述历史告警日志信息进行数据清洗，所述数据清洗包括清除不符合格式化定义的数据以及通过时间聚类合并因告警未及时处理所产生的重复告警数据
。
[0020]本专利技术能够根据承载网历史告警信息，尤其是近期产生的历史告警信息，采用基于图随机游走的故障网络节点预测方法，在较短时间内对未来可能发生故障的网络节点进行预测，辅助网络运维人员，使运维人员可以提前实施预防措施，提高网络故障的处理效率和响应速度
。
附图说明
[0021]下面结合附图和具体实施方式对本专利技术的技术方案作进一步具体说明
。
[0022]图1为基于图随机游走的故障网络节点预测方法的过程图
.
[0023]图2为网络拓扑图示例图
。
[0024]图3告警规则示例图
。
具体实施方式
[0025]结合图
1、
图
2、
图3所示，本具体实施方式提出一种基于图随机游走的故障网络节点预测方法，其主要步骤以下：
[0026]步骤1：获取承载网的历史告警日志信息，并进行数据清洗，包括清除不符合格式化定义的数据以及通过时间聚类合并因告警未及时处理所产生的重复告警数据
。
[0027]步骤2：遍历历史告警日志信息数据，记录所有出现过的网络节点作为网络拓扑图的节点集合，记录所有告警与该告警导致的衍生告警作为网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图随机游走的故障网络节点预测方法，其特征在于，包括以下步骤：步骤1：获取承载网的历史告警日志信息；步骤2：遍历历史告警日志信息数据，生成网络拓扑图，所述网络拓扑图包括拓扑节点和有向边，所述拓扑节点为所有发生过告警的网络节点，所述有向边具有的属性包括起点节点
、
起点节点告警类型
、
起点节点告警时间
、
终点节点；步骤3：在网络拓扑图中采用随机游走方法进行随机采样，以游走轨迹中的有向边序列在起点节点告警时间上递增为约束，生成游走轨迹的集合；对每条游走轨迹，将轨迹中的末尾节点作为告警规则的头部，游走轨迹末尾有向边的起点节点的告警类型为告警规则标识符，其余部分的节点和有向边作为告警规则体，生成一条告警规则，全部告警规则组成告警规则集合，并统计每条告警规则的支持度；步骤4：输入当前告警节点
、
当前告警类型
、
当前告警发生时间
、
时间窗口长度，生成约束时间窗口，接着筛选出告警规则标识符为当前告警类型
、
告警规则体中所有有向边的告警时间均在约束时间窗口内的所有告警规则子集；根据筛选结果得到初步预测结果的节点集合；计算初步预测结果的节点集合中各节点得分，形成目标预测结果集合，所述目标预测结果集合中包含所有未来可能会发生告警的节点及其得分
。2.
根据权利要求1所述的基于图随机游走的故障网络节点预测方法，其特征在于，所述步骤2中，将所有历史告警日志信息按告警发生时间在时间轴上按增序排列，对所有相邻且时间间隔小于设定阈值的告警数据分别建立包括起点节点，起点节点告警类型，起点节点告警时间，终点节点四个属性的四元组，每个四元组对应一条有向边
。3.
根据权利要求2所述的基于图随机游走的故障网络节点预测方法，其特征在于，步骤3所述随机游走方法为：步骤3‑1：设置所需要学习的告警规则的长度
l
，...

【专利技术属性】
技术研发人员：余辰，赵凯鑫，朱焕新，莫益军，刘辉宇，唐博奕，胡志勇，胡记伟，陈宇轩，徐瑞晚，
申请(专利权)人：武汉烽火技术服务有限公司，
类型：发明
国别省市：