[发明专利]一种网络故障定位方法和装置

权利要求书

1.一种网络故障定位方法，其特征在于，包括以下步骤：

S1，建立传播模型：利用静态贝叶斯网络进行建模，然后通过加入时间因素扩展静态贝叶斯模型得到动态贝叶斯网络模型；

S2，处理时间片信息：首先对当前时间片进行判断，如果是初始时间片，则进入步骤S3，否则判断当前症状集合So^t是否和上一个时间片的症状集合信息So^t-1相同，t表示时间片，若相同，则使用上一个时间片定位的故障节点H^*t-1，作为当前时间片定位的故障节点H^*t，并进入步骤S6，否则将上一个时间片定位的故障节点并入当前时间片的疑似节点集合中，再进入步骤S3，其中，当一个端到端的网络服务失败时，该服务所经过路径上的所有节点都被认为是疑似节点，被并入到疑似节点集合中；

S3，过滤噪声：过滤疑似节点集合中由噪声引起的节点；

S4，确定假设集合：将步骤S3处理之后疑似节点集合中的所有故障节点排列组合，得到包括单点故障和多点故障在内的所有节点集的集合，将每一个节点集所能解释的症状集合与当前接收到的症状集合进行比较，若前者完全包含后者，则保留该节点集，否则将该节点集移除，最终得到多个能够解释当前症状的假设故障节点集H_i^t＝{F_i^t＝1，F_j^t＝1......F_k^t＝1}，F表示故障节点，上标均表示时间片，下标均表示节点编号；

S5，计算信度：计算每一个假设故障节点集的信度B(H_i^t，S_o^t)，然后从中选择信度最大的假设故障节点集作为最终的定位结果H^*t；

S6，先验概率更新：对于当前时间片中的每一个故障节点，计算其后验概率，利用后验概率和传播概率，更新当前故障节点的先验概率，将更新后的先验概率作为该故障节点下一个时间片的先验概率。

2.如权利要求1所述的网络故障定位方法，其特征在于，所述步骤S3具体包括：

S31，对于每一个疑似节点计算其观测率，其中，观测率表示一个故障节点所能解释的所有症状中，观测到的症状所占的比率；

S32，将每一个疑似节点的观测率与预设门限进行比较，如果该值小于预设门限，则将该疑似节点从疑似节点集合中移除。

3.一种网络故障定位装置，其特征在于，包括：

建模单元，用于利用静态贝叶斯网络进行建模，然后通过加入时间因素扩展静态贝叶斯模型得到动态贝叶斯网络模型；

处理时间片信息单元，用于对当前时间片进行判断，如果是初始时间片，则利用过滤噪声单元进行噪声过滤，否则判断当前症状集合So^t是否和上一个时间片的症状集合信息So^t-1相同，t表示时间片，若相同，则使用上一个时间片定位的故障节点H^*t-1，作为当前时间片定位的故障节点H^*t，并利用先验概率更新单元进行先验概率更新，否则将上一个时间片定位的故障节点并入当前时间片的疑似节点集合中，再利用过滤噪声单元进行噪声过滤，其中，当一个端到端的网络服务失败时，该服务所经过路径上的所有节点都被认为是疑似节点，被并入到疑似节点集合中；

过滤噪声单元，用于过滤疑似节点集合中由噪声引起的节点；

确定假设集合单元，用于将过滤噪声单元处理之后疑似节点集合中的所有故障节点排列组合，得到包括单点故障和多点故障在内的所有节点集的集合，将每一个节点集所能解释的症状集合与当前接收到的症状集合进行比较，若前者完全包含后者，则保留该节点集，否则将该节点集移除，最终得到多个能够解释当前症状的假设故障节点集H_i^t＝{F_i^t＝1，F_j^t＝1......F_k^t＝1}，F表示故障节点，上标均表示时间片，下标均表示节点编号；

计算信度单元，用于计算每一个假设故障节点集的信度B(H_i^t，S_o^t)，然后从中选择信度最大的假设故障节点集作为最终的定位结果H^*t；

先验概率更新单元，用于对于当前时间片中的每一个故障节点，计算其后验概率，利用后验概率和传播概率，更新当前故障节点的先验概率，将更新后的先验概率作为该故障节点下一个时间片的先验概率。