一种信息通信网络中的告警关联性分析方法
【技术领域】
[0001] 本发明涉及通信网络技术领域，特别是指一种信息通信网络中的告警关联性分 析方法。
【背景技术】
[0002] 信息网络技术和通信网络技术逐步走向融合，将实现网络的一体化，全网统一规 划、建设、维护和优化，提升网络的服务质量。同时，由于信息网络技术和通信网络技术的融 合，网络用户数的指数性增长，网络规模会越来越庞大，网络终端设备的种类呈现猛增趋 势，网络故障发生的突然性增加，故障的原因更加多样性，导致整个网络的维护、管理、操作 日益困难。告警与故障发生的根源并不是一一对应的关系，快速有效的找到告警产生的根 源故障是网络技术人员研究的重要问题。处理告警数据的难点在于对大量数据的处理上， 即从大量的告警信息中找到有效的故障根源信息。
[0003] 为此，引入告警关联技术，管理中心自动分析告警信息流，通过对告警事件间的关 联性分析，将大量告警数据所表示的有用信息集中到少量的告警数据上，从而减少告警数 据的数量，可以有效地提高故障根源定位效率。目前，关于告警关联的分析方法有很多，主 要有下面几种:基于规则推理、案例推理、模型推理、模糊逻辑、数据挖掘的告警关联技术。 基于数据挖掘的告警关联分析技术，对过去告警数据库的归纳学习，从大量模糊的、不确定 的、不完整的告警信息中挖掘出有效的信息，网络发生改变时，能够及时做出相应的调整， 具有良好的自学习能力、适应性、可扩展性等特点，能快速有效的处理大量的网络告警数 据，成为现在告警关联分析技术领域的研究热点。
[0004] 然而，随着通信网络与信息网络的融合，大数据时代的到来，告警故障数据库的增 大，对告警关联分析算法的性能有了更高的要求。关联规则挖掘的速率直接影响网络故障 定位的效率。另外，树形的层次化结构网络在通信网络和信息网络中是一种常见模型，目 前，在该网络场景下针对告警相关性分析还没有相应的研究。
【发明内容】
[0005] 有鉴于此，本发明的目的在于提出一种针对告警相关性分析的树形的层次化结构 网络。
[0006] 基于上述目的本发明提供的一种信息通信网络中的告警关联性分析方法，包括以 下步骤：
[0007] 1)根据网络节点的发生故障的时间、空间相关性，定义树形层次结构网络中的上 层网络节点的时空相关性；
[0008] 2)基于上层网络节点的时空相关性，对树形层次网络中的上层节点进行分簇，根 据分簇结果将总的告警数据库划分为多个子告警数据库；
[0009] 3)根据告警项的属性，确定各告警项的权重；
[0010] 4)利用加权的Apriori关联规则算法对各自告警数据库进行关联规则挖掘。
[0011] 进一步的，还包括使用2项集支持度的形式定义网络故障事务的相关性：
[0012]
[0013] |Dinj|表示在总的网络故障数据库中，节点i子网和节点j子网同时发生故障的事 务项总数，|D|表示总的故障事务项的数目，定义网络故障事务的相关性为节点i子网和节 点j子网同时发生故障的事务总数与总的故障事务项数的比值，即关联规则挖掘中的2项集 支持度。
[0014] 进一步的，考虑时间、空间相关度，将网络故障事务相关性定义为：
[0015]
[0016]
[0017] 其中，|D_ |表示在总的网络故障数据库中，节点i子网和节点j子网同时发生故障 的事务项总数，IDI表示总的故障事务项的数目，Nij表示节点i和j的在总时间范围内直接相 互通信次数，N表示总通信次数，tni和tnj表示节点i和j发生故障的时间，△ t表示在所有时 间段上的平均故障发生时间差，定义网络故障事务的相关性为节点i子网和节点j子网同时 发生故障的事务总数与总的故障事务项数的比值，并规定：当C 〇 r d (i，j) > α时，两个节点子 网络间相关性强；否则，认为两节点子网络间相关性微弱，即不相关，α(〇<α<1)为子网络 间故障事务关联性的门限值。
[0018] 进一步的，根据定义的网络故障关联性，对网络进行分簇处理，根据分簇结果，将 整个网络告警数据库划分为多个子网络告警数据库。
[0019] 进一步的，所述根据告警项的属性，确定各告警项的权重具体为：
[0020] 步骤1:将问题层次结构化，构建问题的递阶层次结构模型，；
[0021] 步骤2:针对每一个有支配能力的指标，构建成对比较矩阵；
[0022] 步骤3:计算各指标对于各支配指标的权重，且检验成对比较矩阵的一致性；
[0023]步骤4:计算各指标对目标层的权重。
[0024] 进一步的，所述的利用加权的Apriori关联规则算法对各自告警数据库进行关联 规则挖掘的具体步骤为：
[0025] 步骤一:扫描告警事务数据库T，得到告警事务中的所有告警项目，并按字典顺序 排列；
[0026] 步骤二:根据告警项的各属性值，如告警发生频率、告警重要级别、告警故障类型 等，利用层次分析法计算各告警项目的权值；
[0027] 步骤三:扫描告警事务数据库T，根据告警项目的权值，计算各告警事务项集t的权 重值
[0028]
[0029]步骤四:根据各告警事务项集的权重，计算各告警项集的加权支持度
[0030]
[0031] 根据预先设定的最小支持度阈值，产生加权的告警频繁k项集；
[0032] 步骤五:将告警频繁k项集，根据告警加权项目集的先验性质，采用优化拼接和减 枝方法，产生告警项目的候选k+Ι项集，计算候选告警k+Ι项集的加权支持度，产生加权的 告警频繁k+Ι项集；
[0033] 步骤六:重复步骤四，直到无法继续产生告警频繁项目集。
[0034] 从上面所述可以看出，本发明提供的信息通信网络中的告警关联性分析方案，由 于针对树形层次结构网络的拓扑的研究，根据网络节点的发生故障的时间、空间相关性，定 义树形层次结构网络中的上层网络节点的时空相关性，基于上层网络节点的时空相关性， 对树形层次网络中的上层节点进行分簇，根据分簇结果将总的告警数据库划分为多个子告 警数据库，根据告警项的属性，如告警发生的频率、告警重要性级别、告警故障类型，确定各 告警项的权重，利用加权的Apriori关联规则算法对各自告警数据库进行关联规则挖掘。从 而可以从大量告警信息中高效的挖掘到所感兴趣的告警关联规则。
【附图说明】
[0035] 图1为数据库压缩的告警相关性树形图；
[0036] 图2为加权的Apriori关联规则算法的流程图；
[0037] 图3为根据告警项的属性确定各告警项权重的递阶层次结构模型图；
[0038] 图4为告警关联算法与普通算法产生候选项集的数量条形图；
[0039] 图5为警关联算法与普通算法产生加权频繁项集的时间折线图；
[0040] 图6为告警关联算法与普通算法产生感兴趣的告警频繁项在总告警频繁项中所占 的比例的条形图。
【具体实施方式】
[0041] 为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照 附图，对本发明进一步详细说明。
[0042] 本发明提出的信息通信网络中的告警关联性分析方案是基于数据库压缩的告警 相关性分析方案。如图1所示，为数据库压缩的告警相关性树形图。进一步地，本发明根据树 形层次结构网络的拓扑的研究，提出将整个信息通信网络划分为多个不同的子网络，将告 警数据库分为多个子告警数据库，然后使用加权的Apriori关联规则算法挖掘各子告警数 据库中的关联规则，如图2所示，为加权的Apriori关联规则算法的流程图。
[0043] 本发明的基本技术思路是，在树形的层次结构网络中，基于网络节点时空相关性 对网络进行分簇，根据分簇结果将网络划分为多个子网络，从而告警数据库被分为多个子 告警数据库，减小了告警数据库的规模。根据各告警项的属性如:告警发生的频率、告警的 重要级别、告警故障类型等，利用层次分析法确定告警权值，然后利用加权的Apriori关联