【技术实现步骤摘要】
本专利技术属于软加固和可信软件，特别是一种基于catboost的低轨互联网通信系统瞬时故障检测方法。
技术介绍
1、近年来，随着卫星技术、电子技术和新材料技术的迅猛发展，国内外纷纷提出包含几千至数万颗低轨卫星的互联网星座建设计划，如美国的starlink、oneweb和我国的“虹云”“鸿雁”等卫星星座系统。这些卫星互联网星座系统大部分采用轨道高度1000～1200km、轨道角度85°～90°的极地轨道。然而低轨卫星在轨运行中不可避免地会受到复杂空间辐射恶劣环境地影响，卫星元器件性能会不同程度地出现退化甚至损毁，其中单粒子事件对于在轨卫星有较大影响。
2、软错误(soft error)是半导体电路中的一种瞬态故障现象，通常是由高能粒子作用于半导体器件，引发数据存储或指令相关器件的逻辑状态发生异常的瞬时变化引起的。单粒子翻转(single event upset，seu)软错误是导致卫星中断、影响卫星可用性的重要因素，而近年来随着半导体工艺的提高，fpga门数激增，核电压降低，器件对总剂量效应的抵抗能力增强，但是更容易产生单粒子效应，使得整体的软错误率ser(soft error rate)迅速增加。
3、最早出现的是故障预测方法是通过故障注入来模拟硬件瞬时故障和sdc问题的发生。单纯的故障注入需要对程序中大量指令进行故障注入，每条指令可能需要上百上千次的注入，需要大量脚本、配置文件的配合，会消耗大量的时间。因此，出现了优化的故障注入方法来缩减故障注入所需要的时间。hari等人提出了一种名为relyzer的故
4、基于机器学习的指令sdc脆弱性预测技术通过对指令sdc脆弱性相关特征进行分析提取，对一部分指令进行故障注入得到指令真实的sdc脆弱性值，然后用合适的机器学习算法训练预测模型并对指令的sdc脆弱性进行预测。yang等人提出了propvinsiden方法，通过对程序中指令属性和错误传播特性的特征提取形成数据集，并使用分类和回归树(cart)对程序中的连接器指令进行sdc脆弱性预测。lu等人提出了一种经验模型sdctune来预测sdc脆弱性，该模型利用决策回归树对程序中的存储指令和比较指令进行脆弱性预测。张倩雯等人提取llvm中间代码层指令的依赖特征和固有特征形成数据集，并利用支持向量回归(support vector regression，svr)方法进行预测，具有较好的普适性。
5、综上所述，虽然国内外针对卫星元器件的基于软件实现的错误检测技术进行了较多的研究，也取得了不错的成果，但是单纯的故障注入方法会伴随着巨大的时空开销和繁琐的注入工作，而现有的基于机器学习的错误检测技术对指令特征的提取只停留在固有特征层面，并没有考虑产生故障的指令在程序中的传播特征，不能很好的是用于低轨互联网中的通信过程。
技术实现思路
1、本专利技术的目的在于针对上述现有技术存在的问题，通过故障注入的方式提取低轨互联网通信系统目标程序执行过程的指令固有特征以及故障传播相关的传播特征，提出一种基于catboost的低轨互联网通信系统瞬时故障检测方法，无需采用穷举故障注入的方式，可以自动识别出通信系统中易发生瞬时故障的通信程序段，进而可用于指导高效的软加固策略，尤其是针对辐射环境导致低轨互联网通信过程发生的瞬时故障问题。应用本专利技术可以提高低轨互联网通信过程的可靠性。
2、实现本专利技术目的的技术解决方案为：一种基于catboost的低轨互联网通信系统瞬时故障检测与加固方法，所述方法包括如下步骤：
3、步骤1，分析低轨互联网通信系统不同的执行阶段和已有的故障案例，初步建立低轨互联网通信系统瞬时故障模型；
4、步骤2，对通信系统的不同阶段进行故障注入实验，得到容易产生瞬时故障的目标低轨互联网脆弱性节点与部件，收集并分析相应的故障信息；
5、步骤3，对不同阶段容易产生瞬时故障的脆弱性节点进行特征提取，并对发生瞬时故障时的故障传播轨迹进行跟踪，分析瞬时故障产生后目标低轨互联网不同工作阶段之间的相关性；
6、步骤4，基于步骤2和步骤3，重构互联网通信系统瞬时故障模型；
7、步骤5，基于所述互联网通信系统瞬时故障模型，根据收集的故障数据和特征信息，构建并训练基于catboost的故障类型预测模型；
8、步骤6，利用所述基于catboost的故障预测模型预测出目标低轨互联网通信过程中易发生瞬时故障的通信程序段，并对预测出的易产生瞬时故障的通信程序段进行加固处理，使其具有瞬时故障自主检测功能。
9、进一步地，步骤1中所述低轨互联网通信系统瞬时故障模型的构建过程如下：
10、步骤1.1，根据低轨互联网通信系统的执行流程，将低轨互联网通信系统分为目标网络建模和通信机制建模两个阶段，其中第一个阶段为网络拓扑分析，第二个阶段细分为信息的接收、发送以及传输三部分；
11、步骤1.2，在目标网络建模阶段，根据式(1)所示的六元组构建目标网络的故障模型：
12、w＝{v,e,b,t,d,f,s,es} (1)
13、式中，v＝(v1,v2,…,vn)表示网络中的节点集合，vn是第n个节点，n是网络中的节点数目；e＝(e1,e2,…,em)表示网络中的链路集合，em是第m条链路，m是网络中的链路数目；b＝{bi|1≤i≤m}，bi表示第i条链路ei的最大剩余带宽；t＝{ti|1≤i≤m}，ti表示第i条链路ei的当前时延；d表示网络传输过程中的数据量；f表示网络传输过程中的数据流量；s表示卫星集合；es表示卫星链路集合；
14、步骤1.3，在通信机制建模阶段，对低轨互联网的数据格式、数据包丢包率和误码率进行分析，构建式(2)所示的通信阶段故障模型：
15、g＝{d,td,plr,ber,rc} (2)
16、式中，d表示接收到的数据包的大小；td表示传输延迟，即从发送方到接收方的传输时间；plr表示在数据传输过程中的丢包率；ber表示误码率，即数据传输过程中出现的比特错误率；rc表示数据包的重传次数；
17、步骤1.4，在通信程序运行时模拟瞬时故障的发生，根据收集的瞬时故障发生前后的系统运行信息，构建通信程序的故障模型；
18、根据单粒子效应发生在通信系统的不同阶段，以及故障发生后对输出结果造成的影响，初步构建低轨互联网本文档来自技高网...
【技术保护点】
1.一种基于CatBoost的低轨互联网通信系统瞬时故障检测与加固方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的基于CatBoost的低轨互联网通信系统瞬时故障检测与加固方法，其特征在于，步骤1中所述低轨互联网通信系统瞬时故障模型的构建过程如下：
3.根据权利要求2所述的基于CatBoost的低轨互联网通信系统瞬时故障检测与加固方法，其特征在于，步骤2和步骤3具体包括：
4.根据权利要求1所述的基于CatBoost的通信系统瞬时故障检测与加固方法，其特征在于，步骤4中重构的百联网通信系统瞬时故障模型如式(8)所示：
5.根据权利要求4所述的基于CatBoost的通信系统瞬时故障检测与加固方法，其特征在于，步骤5所述基于所述互联网通信系统瞬时故障模型，根据收集的故障数据和特征信息，构建并训练基于CatBoost的故障类型预测模型，包括对故障模型进行特征表征和预测模型构建两个阶段，具体步骤如下：
6.根据权利要求5所述的基于CatBoost的通信系统瞬时故障检测与加固方法，其特征在于，步骤5.2具体包括：
7.根据权利要求6所述的基于CatBoost的通信系统瞬时故障检测与加固方法，其特征在于，步骤6的具体过程包括：
8.根据权利要求7所述的基于CatBoost的通信系统瞬时故障检测与加固方法，其特征在于，步骤6.2具体包括：
9.根据权利要求8所述的基于CatBoost的通信系统瞬时故障检测与加固方法，其特征在于，步骤6.3具体包括：
10.根据权利要求7所述的基于CatBoost的通信系统瞬时故障检测与加固方法，其特征在于，步骤6还包括：
...【技术特征摘要】
1.一种基于catboost的低轨互联网通信系统瞬时故障检测与加固方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的基于catboost的低轨互联网通信系统瞬时故障检测与加固方法，其特征在于，步骤1中所述低轨互联网通信系统瞬时故障模型的构建过程如下：
3.根据权利要求2所述的基于catboost的低轨互联网通信系统瞬时故障检测与加固方法，其特征在于，步骤2和步骤3具体包括：
4.根据权利要求1所述的基于catboost的通信系统瞬时故障检测与加固方法，其特征在于，步骤4中重构的百联网通信系统瞬时故障模型如式(8)所示：
5.根据权利要求4所述的基于catboost的通信系统瞬时故障检测与加固方法，其特征在于，步骤5所述基于所述互联网通信系统瞬时故障模型，根据收集的故障数据...
【专利技术属性】
技术研发人员：庄毅，谢泽涛，顾晶晶，刘阳，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
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。