基于证据筛选的虚拟网络故障诊断方法及装置制造方法
【专利摘要】本发明涉及网络故障诊断【技术领域】，具体涉及一种基于证据筛选的虚拟网络故障诊断方法及装置。本发明提供的一种基于证据筛选的虚拟网络故障诊断方法及装置，通过采用对虚拟网络的观察结果建立证据矩阵模型，利用DS证据理论求解各个虚拟网络组件的故障概率，从而确定故障组件，克服了虚拟网络的动态性、扩展性以及信息不确定性。同时，因为本发明所采用的技术方案对证据进行了提前的筛选处理，使得故障定位既保持了高准确性，又极大的提高了时间效率，使得整体效益最大化。
【专利说明】基于证据筛选的虚拟网络故障诊断方法及装置
【技术领域】
[0001] 本发明涉及网络故障诊断【技术领域】，具体涉及一种基于证据筛选的虚拟网络故障 诊断方法及装置。
【背景技术】
[0002] 在虚拟网络环境中，多个虚拟网络同时存在于同一底层物理网络上，传统的 互联网服务提供商（InternetServiceProvider，ISP)分为两部分：基础设施提供商 (InfrastructureProviders，InPs)和网络服务运营商（ServiceProviders，SPs)，基础设 施提供商用来提供和管理物理基础设施，网络服务运营商利用多个InPs提供的资源，通过 抽象、分配和隔离机制部署虚拟网络，为终端用户提供创新的端到端服务及多样化的业务 应用。
[0003] 虚拟化环境中由于底层信息对于上层虚拟网络的透明性使得故障检测系统无法 获取完整的网络知识，从而在对虚拟网络故障诊断中存在大量的不确定性；此外，虚拟网路 是典型的大规模分布式网络，其中包含大量的虚拟节点和虚拟链路，这些组件又随需求动 态变更，没有固定的网络拓扑。加之噪声影响，使得虚拟环境中对虚拟网络的故障诊断变得 更加困难。
[0004] 现有的技术方案主要采用基于管理层主动或被动探测故障定位方法来对虚拟网 络进行故障诊断。然而，采用上述方法诊断虚拟网络故障需要了解网络的全局拓扑，不能较 好地适应虚拟网络的动态性和扩展性。
【发明内容】
[0005] 针对现有技术中不能较好地适应虚拟网络的动态性和扩展性的缺陷，本发明提供 了一种基于证据筛选的虚拟网络故障诊断方法及装置。
[0006] -方面，本发明提供的一种基于证据筛选的虚拟网络故障诊断方法，包括：
[0007] 获取每一个客户端对该客户端对应的虚拟网络路径是否发生故障的观察结果；
[0008] 建立证据矩阵，其中所述证据矩阵的每一行对应一个客户端，所述证据矩阵的第 一列对应该客户端的观察结果，其余每一列对应一个虚拟网络组件，所述虚拟网络组件包 括虚拟节点和虚拟链路；
[0009] 将所述证据矩阵拆分为多个子证据矩阵，每一个所述子证据矩阵的列数与所述证 据矩阵的列数相等；
[0010] 针对每一个所述子证据矩阵，根据DS证据理论求解得到每一个虚拟网络组件的 发生故障的概率；
[0011] 按照发生故障的概率由大到小的顺序依次选取发生故障概率最大的虚拟网络组 件，直到选取的全部虚拟网络组件所覆盖的发生故障的虚拟网络路径的数量达到预设值为 止。
[0012] 进一步地，所述将所述证据矩阵拆分为多个子证据矩阵的步骤，包括：
[0013] 将所述证据矩阵拆分为两个子证据矩阵，所述证据矩阵的奇数行作为第一子证据 矩阵，所述证据矩阵的偶数行作为第二子证据矩阵。
[0014] 进一步地，所述根据DS证据理论求解得到每一个虚拟网络组件的发生故障的概 率的步骤，包括：
[0015] 针对每一个所述子证据矩阵，根据DS证据理论构造每一个虚拟网络组件的一个m 函数；
[0016] 针对每一个虚拟网络组件，根据DS证据理论的融合规则将同一个虚拟网络组件 的所有m函数进行融合，得到该虚拟网络组件发生故障的概率。
[0017] 进一步地，所述根据DS证据理论构造每一个虚拟网络组件的一个m函数的步骤， 包括：
[0018]针对第i个虚拟网络组件Q，建立Q的识别框架0 ={Ni，AJ，其中N代表正常， A代表故障；
【权利要求】
1. 一种基于证据筛选的虚拟网络故障诊断方法，其特征在于，所述方^包括： 获取每一个客户端对该客户端对应的虚拟网络路径是否发生故障的观察结果； 建立证据矩阵，其中所述证据矩阵的每一行对应一个客户端，所述证据矩阵的第一列 对应该客户端的观察结果，其余每一列对应一个虚拟网络组件，所述虚拟网络组件包括虚 拟节点和虚拟链路； 将所述证据矩阵拆分为多个子证据矩阵，每一个所述子证据矩阵的列数与所述证据矩 阵的列数相等； 针对每一个所述子证据矩阵，根据DS证据理论求解得到每一个虚拟网络组件的发生 故障的概率； 按照发生故障的概率由大到小的顺序依次选取发生故障概率最大的虚拟网络组件，直 到选取的全部虚拟网络组件所覆盖的发生故障的虚拟网络路径的数量达到预设值为止。
2. 根据权利要求1所述的方法，其特征在于，所述将所述证据矩阵拆分为多个子证据 矩阵的步骤，包括： 将所述证据矩阵拆分为两个子证据矩阵，所述证据矩阵的奇数行作为第一子证据矩 阵，所述证据矩阵的偶数行作为第二子证据矩阵。
3. 根据权利要求1或2所述的方法，其特征在于，所述根据DS证据理论求解得到每一 个虚拟网络组件的发生故障的概率的步骤，包括： 针对每一个所述子证据矩阵，根据DS证据理论构造每一个虚拟网络组件的一个m函 数； 针对每一个虚拟网络组件，根据DS证据理论的融合规则将同一个虚拟网络组件的所 有m函数进行融合，得到该虚拟网络组件发生故障的概率。
4. 根据权利要求3所述的方法，其特征在于，所述根据DS证据理论构造每一个虚拟网 络组件的一个m函数的步骤，包括： 针对第i个虚拟网络组件Ci，建立Ci的识别框架Θ={Ni，AJ，其中N代表正常，A代 表故障； 当QAPi时，In(Ni) =min(Llog(QiV3i) )，ITiGNi，AJ) =I-Iii(Ni) ^(Ai) = 0; 当Qi〈 =Pi时，m(A) =min(1，-Iog(QiV3i)) ;m( (Ni，AJ) =I-Iii(Ni)，Iii(Ni) = 0 ; 所述Qi为所述虚拟网络组件C,正常的后验概率，所述P,为所述虚拟网络组件C,故障 的后验概率。
5. 根据权利要求4所述的方法，其特征在于，所述根据DS证据理论将同一个虚拟网络 组件的所有m函数值进行融合的步骤，包括：
其中，X、B、C为焦元，!!^第一子证据矩阵对应的m函数，m2为第二子证据矩阵对应的m函数，K为归一化常数：K=Zlin(.._0m丨（B)m2(C)。
6. 根据权利要求1所述的方法，其特征在于，所述预设值采用以下公式计算得到： 预设值=所有发生故障的虚拟网络路径数量* (1-抗噪声系数）； 其中抗噪声系数为预设参数。
7. -种基于证据筛选的虚拟网络故障诊断装置，其特征在于，所述装置包括： 获取模块，用于获取每一个客户端对该客户端对应的虚拟网络路径是否发生故障的观 察结果； 建立模块，用于建立证据矩阵，其中所述证据矩阵的每一行对应一个客户端，所述证据 矩阵的第一列对应该客户端的观察结果，其余每一列对应一个虚拟网络组件，所述虚拟网 络组件包括虚拟节点和虚拟链路； 拆分模块，用于将所述证据矩阵拆分为多个子证据矩阵，每一个所述子证据矩阵的列 数与所述证据矩阵的列数相等； 求解模块，用于针对每一个所述子证据矩阵，根据DS证据理论求解得到每一个虚拟网 络组件的发生故障的概率； 选取模块，用于按照发生故障的概率由大到小的顺序依次选取发生故障概率最大的虚 拟网络组件，直到选取的全部虚拟网络组件所覆盖的发生故障的虚拟网络路径的数量达到 预设值为止。
8. 根据权利要求7所述的装置，其特征在于，所述拆分模块具体用于： 将所述证据矩阵拆分为两个子证据矩阵，所述证据矩阵的奇数行作为第一子证据矩 阵，所述证据矩阵的偶数行作为第二子证据矩阵。
9. 根据权利要求8所述的装置，其特征在于，所述求解模块具体用于： 针对第i个虚拟网络组件Ci，建立Ci的识别框架Θ={Ni，AJ，其中N代表正常，A代 表故障； 当QAPi时，In(Ni) =min(Llog(QiV3i) )，ITiGNi，AJ) =I-Iii(Ni) ^(Ai) = 0; 当Qi〈 =Pi时，m(A) =min(1，-Iog(QiV3i)) ;m( (Ni，AJ) =I-Iii(Ni)，Iii(Ni) = 0 ; 所述Qi为所述虚拟网络组件C,正常的后验概率，所述P,为所述虚拟网络组件C,故障 的后验概率；
其中，X、B、C为焦元，!!^第一子证据矩阵对应的m函数，m2为第二子证据矩阵对应的m函数，K为归一化常数 :κ=ΣΒη('?(Β)Μ。)。
10. 根据权利要求7所述的装置，其特征在于，所述选取模块具体用于： 所述预设值采用以下公式计算得到： 预设值=所有发生故障的虚拟网络路径数量* (1-抗噪声系数）； 其中抗噪声系数为预设参数。
【文档编号】H04L12/46GK104468196SQ201410641874
【公开日】2015年3月25日 申请日期:2014年11月13日 优先权日:2014年11月13日
【发明者】王颖, 李文璟, 王昊, 邱雪松, 芮兰兰 申请人:北京邮电大学