5G功能服务链低复杂度故障检测方法及系统与流程

本发明涉及电子、通讯、信息工程类，具体地涉及一种5g功能服务链低复杂度故障检测方法及系统。

背景技术：

1、网络切片技术利用网络功能虚拟化(network functions virtualization，nfv)和服务功能链(service function chain，sfc)技术，抽象了网络资源，实现虚拟化，切片技术时端到端的服务更加灵活可靠，网络之间的隔离能力也得到提高。在5g网络中引入nfv和sfc技术，针对不同应用场景进行网络切片，可以对不同优先级的业务提供差异化的资源和服务质量，nfv技术使得网络功能和硬件设备解耦，共享底层物理资源和虚拟资源，在应用层以sfc的形式为用户提供服务。nfv节点和底层物理节点的层间映射关系根据用户需求动态生成、迁移和撤销，充满了不确定性，故障的发现、定位和处理变得更加困难。此外，由于底层资源的共享，底层网络节点故障容易引发共享该节点资源的多个nfv出现故障，导致多条sfc出现功能瘫痪。故障沿着sfc传播，如果不能及时处理，可能导致网络大面积瘫痪。因此，相对于传统网络，网络切片场景下的sfc发生故障的概率更高，危害也更大。

技术实现思路

1、本发明实施例的目的是提供一种5g功能服务链低复杂度故障检测方法及系统，该故障检测方法及系统从nfv-sfc网络模型建立、关键nfv选择、贝叶斯网故障推断等三个方面降低模型计算的复杂度，提升故障检测的效率，从而实现5g网络下sfc的低复杂度故障检测。

2、为了实现上述目的，本发明实施例一方面提供一种5g功能服务链低复杂度故障检测方法，包括：

3、获取待检测的nfv节点网络拓扑；

4、在所述nfv节点网络拓扑中寻找故障节点集合；

5、依据nfv节点和sfc链路的连接关系对网络拓扑进行解构，所得每个子网均由所述故障节点集合中的故障nfv节点和其直连子链路组成；

6、采用贝叶斯网络分别对所述子网进行故障检测，以得到对应的故障率。

7、可选地，获取待检测的nfv节点网络拓扑，包括：

8、根据5g网络切片环境，结合sfc和网络运行时nfv节点之间的连接关系构建所述nfv节点网络拓扑。

9、可选地，在所述nfv节点网络拓扑中寻找故障节点集合，包括：

10、根据每个所述nfv节点连接的sfc链路的数量选择关键nfv节点；

11、通过发送探针快速判断每个所述关键nfv节点是否存在故障状态；

12、在所述关键nfv节点不存故障状态的情况下，移除所述关键nfv节点；

13、组合剩余所述关键nfv节点，以得到所述故障节点集合。

14、可选地，采用贝叶斯网络分别对所述子网络拓扑进行故障检测，以得到对应的故障率，包括：

15、获取关键nfv节点的属性集合；

16、对所述属性集合中的每个属性进行离散化处理。

17、可选地，所述属性集合包括峰值下行数据速率、峰值上行数据速率、下行峰值频谱效率、上行峰值频谱效率、时延、中断时间；

18、其中：

19、针对峰值上行数据速率，在数值小于1的情况下，将对应的属性状态设置为低，在数值大于或等于1且小于或等于15的情况下，将对应的属性状态设置为中，在数值大于15的情况下，将对应的属性状态设置为高；

20、针对峰值下行数据速率，在数值小于0.5的情况下，将对应的属性状态设置为低，在数值大于或等于0.5且小于或等于7的情况下，将对应的属性状态设置为中，在数值大于7的情况下，将对应的属性状态设置为高；

21、针对下行峰值频谱效率，在数值小于1的情况下，将对应的属性状态设置为低，在数值大于或等于1且小于或等于20的情况下，将对应的属性状态设置为中，在数值大于20的情况下，将对应的属性状态设置为高；

22、针对上行峰值频谱效率，在数值小于0.5的情况下，将对应的属性状态设置为低，在数值大于或等于0.5且小于或等于10的情况下，将对应的属性状态设置为中，在数值大于10的情况下，将对应的属性状态设置为高；

23、针对时延，在数值小于1.5的情况下，将对应的属性状态设置为低，在数值大于或等于1.5的情况下，将对应的属性状态设置为高；

24、针对中断时间，在数值等于0的情况下，将对应的属性状态设置为无，在数值大于0的情况下，将对应的属性状态设置为有。

25、可选地，采用贝叶斯网络分别对所述子网络拓扑进行故障检测，以得到对应的故障率，包括：

26、采用公式(1)学习得到所述贝叶斯网络结构，

27、

28、其中，g是需要学习的贝叶斯网结构，d是训练集数据，通过5g网络历史数据收集获得，qi是属性节点取值个数的父节点状态数量，ri是属性节点可取值，nijk为训练集d中满足对应节点的出现频数，且有nij＝∑knijk。

29、可选地，采用贝叶斯网络分别对所述子网络拓扑进行故障检测，以得到对应的故障率，包括：

30、采用公式(2)和公式(3)计算条件概率期望，

31、qi(zi)＝p(zi|xi，θn)，  (2)

32、

33、其中，θ为当前模型参数，所有属性的联合概率为p(v，z|θ)，z为数据集中未观测到的数据，n为最大迭代次数，以初始值θ0为起点，qi(zi)为未知变量zi服从的某个分布，满足概率p(zi|xi，θn)表示属性xi在模型参数为θn时的条件概率，p(xi，zi|θ)表示在当前模型参数θ下的联合概率，m为研究属性的个数，l(θ，θn)为对数似然函数。

34、可选地，采用贝叶斯网络分别对所述子网络拓扑进行故障检测，以得到对应的故障率，包括：

35、采用公式(4)进行极大似然估计操作，

36、θn+1＝argmaxl(θ，θn)，  (4)。

37、其中，θn+1为极大似然估计。

38、可选地，采用贝叶斯网络分别对所述子网络拓扑进行故障检测，以得到对应的故障率，包括：

39、重复计算公式(2)至公式(4)，直到算法收敛，输出公式(5)，

40、θ*＝θn+1，  (5)

41、其中，θ*为学习所得的最优模型参数。

42、另一方面，本发明还提供一种5g功能服务链低复杂度故障检测系统，所述检测系统包括处理器，所述处理器被配置成执行如上述任一所述的检测方法。

43、通过上述技术方案，本发明提供一种5g功能服务链低复杂度故障检测方法及系统，通过获取待检测的nfv节点网络拓扑，并在待检测的的nfv节点网络拓扑中寻找故障节点集合，依据nfv节点和sfc链路的连接关系对网络拓扑进行解构，得到多个由故障节点集合中的故障nfv节点和其直连子链路组成的子网，采用贝叶斯网络分别对子网络拓扑进行故障检测，以得到对应的故障率。该故障检测方法从nfv-sfc网络模型建立、关键nfv选择、贝叶斯网故障推断等三个方面降低模型计算的复杂度，提升故障检测的效率，从而实现5g网络下sfc的低复杂度故障检测。

44、本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。