基于微服务调用链双向搜索的故障根因定位方法

微服务系统具有分布式系统固有的复杂性和服务依赖性,当出现软硬件故障时,会造成雪崩效应。针对如何基于调用链定位根因来保障服务的安全性的问题,提出了一种基于调用链双向搜索的故障根因定位算法,通过结合自顶向下的故障信息统计和自底向上的分层级根因定位,准确输出Top K根因节点。基于所提算法的方案已在某省级运营商实际上线,其Top 3根因的准确率达到87%,平均定位耗时为15 s,有效提升了微服务系统运维工作的效率和准确率。     

基于无监督学习的接口异常检测及根因定位方法

针对系统中数量庞大的接口及其指标,如何快速有效进行接口监控及故障定位是亟待解决的问题。本文基于大数据和无监督学习技术,创新提出动态基线异常检测算法和业务根因多维定位算法。首先搭建大数据处理平台,引入时序数据解析框架,对生产环境中的关键指标,通过时序曲线进行异常行为检测。然后,构建业务指标异常检测AI算法引擎,利用渐进梯度回归树、差分指数滑动平均等算法实现动态阈值告警。最后,建立根因智能分析方法,对检测出的异常指标迅速触发多维度根因定位算法,通过聚类算法给出异常度最高的维度组合,缩小排查范围,快速定位根因。     

光纤通信网络中节点故障定位方法研究

节点故障定位能够有效保证光纤通信网络,确保网络运行质量。针对故障定位不准确的问题,研究了一种新的光纤通信网络中节点故障定位方法。采取分布式故障数值处理方式,执行故障特征值标记代码指令,将代码指令发送至不同的数据节点中,在发送的同时构建指令存储区域,实现分布式处理操作,并将执行后的指令结果返回至中心处理客户端,进而避免因光线通信网络外部数据的干扰影响特征值数据的提取结果。根据获取的光纤通信网络节点故障特征值判断故障位置,并进行相应的故障定位处理,通过数据收集、故障预警数据相关处理、预警数据过滤、节点故障定位、无效定位数据传输管理实现故障定位。实验结果表明,研究的光纤通信网络中节点故障定位方法具有较高定位精准度,在信噪比为-8 dB时,其定位精准度达到98%,优于对比方法,且在定位过程中不会影响光纤通信网络的正常通信速度,有效保证网络的安全性能。     

基于区块链技术的电力物联网网关入侵检测方法

电力物联网网关入侵检测方法由于检测数据预处理效果差,导致物联网的入侵检测效果不佳,文章提出基于区块链技术的电力物联网网关入侵检测方法。通过特征选择、特征降维、属性规范化步骤预处理电力物联网网关的检测数据;基于区块链技术识别入侵数据,均衡检测数据区块节点负载防止节点过载,根据节点异常分数值获取异常节点,实现电力物联网网关入侵检测。实验结果表明,该方法的电力物联网网关入侵检测准确率达到了95.54%、F1值为95.09%,其具有良好的入侵检测性能。     

基于机器学习的基站故障根因分析方法研究

基站作为移动通信网络的关键基础设施，其稳定运行对网络质量和用户体验有着重要影响。但是，基站系统设备以及环境因素变化会导致各种故障，传统的基于人工经验的故障定位方法效率低下，无法快速定位故障，恢复基站服务，影响用户感知。为此，本文提出一种机器学习的方法来辅助基站故障根因定位。以历史告警数据和故障工单为源数据，通过TF-IDF、NMF和word2vec算法实现特征提取，并以CatBoost作为故障根因定位模型，从而实现快速判断故障工单的故障类别。最终本文所构建的模型根因定位准确率为88%。结果表明，该方案可有效用于辅助通信网络运维人员快速精准定位故障根因，并根据解决方案处理故障，从而缩短故障处理时长，提升网络运维的效率和质量。     

基于深度动态贝叶斯网络的服务功能链故障诊断算法

针对5G端到端网络切片场景下底层物理节点出现故障会导致运行在其上的多条服务功能链出现性能异常的问题,该文提出一种基于深度动态贝叶斯网络(DDBN)的服务功能链故障诊断算法。首先根据网络虚拟化环境下故障的多层传播关系,构建故障与症状的依赖图模型,并采用在物理节点监测其上多个虚拟网络功能相关性能数据的方式收集症状。其次,考虑到基于软件定义网络(SDN)和网络功能虚拟化(NFV)的架构下网络症状观测数据的多样性以及物理节点和虚拟网络功能的空间相关性,引入深度信念网络对观测数据特征进行提取,使用加入动量项的自适应学习率算法对模型进行微调以加快收敛速度。最后,利用故障传播的时间相关性,引入动态贝叶斯网络对故障根源进行实时诊断。仿真结果表明,该算法能够有效地诊断故障根源且具有良好的诊断准确度。     

一种基于时序数据的FPC故障诊断方法

文中针对柔性线路板(Flexible PCB,FPC)多层、线宽精细和间距超精细,无法获取充分故障信息的问题,提出了时序数据测量和基于时序数据的故障诊断方法,在限定的测量节点上,获取了更多的故障信息,将故障识别率从原来的86.5%提高到94.6%.     

基于大数据的通信链路阻塞故障检测方法

为提高链路阻塞故障的检测准确性,缩减计算过程,研究了基于大数据的通信链路阻塞故障检测方法。依据管理节点与无法达到节点之间形成的链路,确定无法到达链路存在故障链路,建立通信链路故障诊断模型;利用大数据分析法对模型内部数据,实施降维与抗干扰处理,经过多径时延脉冲后,构建故障特征分布时域窗口,完成通信链路阻塞故障数据采集;根据通信链路自身结构与复杂程度,基于大数据构建神经网络算法,实现链路故障区域的定位。测试结果表明：对通信链路阻塞故障检测方法优化后,当阻塞信号数量从10个增加到50个时,检测阻塞故障的时延在15s～40s之间;当阻塞故障历史记录从100条增加到500条时,阻塞故障的查全率均高于80%,且平均查全率为85.6%,可见优化后的方法可以提高故障检测的准确程度。     

一种新的无线传感器网络中异常节点检测定位算法

无线传感器网络中异常节点检测是确保网络数据准确性和可靠性的关键步骤。基于图信号处理理论,该文提出了一种新的无线传感器网络异常节点检测定位算法。新算法首先对网络建立图信号模型,然后基于节点域-图频域联合分析的方法,实现异常节点的检测和定位。具体而言,第1步是利用高通图滤波器提取网络信号的高频分量。第2步首先将网络划分为多个子图,然后筛选出子图输出信号的特定频率分量。第3步对筛选出的子图信号进行阈值判断从而定位疑似异常的子图中心节点。最后通过比较各子图的节点集合和疑似异常节点集合,检测并定位出网络中的异常节点。实验仿真表明,与已有的无线传感器网络中异常检测方法相比,新算法不仅有着较高的异常检测概率,而且异常节点的定位率也较高。     

基于感知学习算法的地铁通信故障定位方法

由于对异常地铁通信程度的不够完善,导致在故障定位阶段准确性较低,为此,提出基于感知学习算法的地铁通信故障定位方法。考虑到地铁通信系统输出日志中的单个异常状态受其在整个通信系统中的占比影响,无法直接作为判断通信设备是否存在异常的标准,对单位运行时间内地铁通信节点状态权重进行差异化设置后,实现对其异常严重程度的计算,并根据计算结果与告警阈值之间的关系构建了通信节点的故障告警函数,以此判断通信节点是否存在异常。在机器学习中的二元分类函数PLA算法中引入了误差函数,计算得到满足分类要求的目标参数值,根据分类结果判断各个通信节点的状态,实现对故障的定位。测试结果表明,在SINR阈值范围为-3dBm条件下,设计方法对故障定位的准确度为100.0%,在SINR阈值范围为-10dBm条件下,设计方法对故障定位的准确度为80.0%。     

基于深度学习的配电网图形节点数据校核技术研究

抽象化的配电网图像模型能够有效监控配电网各个节点的状态,根据监控数据即可对整个电网进行调度。当前的电网图模校准系统工作数据量大且整体性较差,而各地维护工作人员水平又参差不齐,故系统准确性难以保证。针对上述问题,文中使用长短时神经网络对GIS图形节点数据加以训练,并对各个节点的电气特征进行特征量分析,从而得到电网故障节点的特征数据。同时在模型构建部分,采用长短时神经网络对电网节点时序数据进行训练,利用逻辑门对故障状态加以判断,进而快速协调节点送电量并保证电网的有序运行。实验结果表明,文中设计的仿真系统可对节点的故障状态实现准确判断,且算法准确性及计算效率均优于对比算法,证明所提方法能够对配电网系统中的故障进行准确定位,进而完成对配电网图形节点数据的校核。     

WSNs中基于数据匹配的分布式故障节点检测算法

针对无线传感网络的节点故障问题,提出一种新的分布式故障节点检测算法(DFDA).DFDA算法利用节点度信息估计节点对网络的重要性,并尽可能将节点度高的节点保存到网络中.通过比较节点间感测的数据,检测故障节点.为了增强检测的准确性,采用双重测定策略.仿真结果表明,相比于同类算法,DFDA算法提高了检测故障节点的精确度,并...     

一种改进的基于系统调用的入侵检测算法

针对入侵检测中所采集关于系统调用的原始数据集规模很大,当前的入侵检测系统难以取得令人满意的效果的问题,提出了一种基于非负矩阵分解算法的异常入侵检测模型。对前人提出的以训练数据的系统调用序列的频率属性为基本特征判断待检测数据是否正常的检测方法进行改进,在数据预处理阶段综合考虑系统调用数据的时序、状态转移和频率属性,从而对入侵行为做出更精确的判断。实验表明,选取合适维数r可以使的入侵检测的漏报率和误报率都趋于零。     

车载CAN总线在环测试技术研究

针对目前对CAN总线网络测试手段仅仅采用专用总线接口芯片采用监听方式获知总线完好的数据帧,车载总线因畸变、干扰等造成的错误、异常数据帧都被专用总线协议芯片过滤掉,没办法对总线物理层的传输波形进行测试,总线上出现故障节点无法定位故障节点等问题,这里提出了车载CAN总线在环测试技术,设计了在环测试实验方案,并利用测试节点仿真设备验证了该技术在故障定位方面的可行性。     

基于线性结构因果模型的服务故障传播路径识别

在云计算环境中,当一个服务发生故障时,故障会随着服务之间的交互行为不断传播,导致产生大规模服务失效的风险。复杂且动态变化的服务调用关系加大了识别服务故障传播路径的难度。针对该问题,提出一种基于因果图的服务故障传播路径识别方法。监测并收集服务的运行数据,通过服务运行数据对服务故障事件完成度量;根据因果图模型推断服务故障事件之间的因果关系并构建服务故障传播图;利用服务故障传播图确定故障传播路径。实验结果表明,该方法能够有效识别服务故障传播路径。     

基于分布式追踪的微服务智能监测框架

本文提出一种基于分布式追踪的微服务智能监测框架,通过分布式代理监测微服务执行轨迹信息,根据应用历史监测数据建立异常检测模型,在运行时检测微服务应用的异常行为。该框架使用开源分布式追踪工具OpenTracing来收集事件流信息,使用LSTM模型建模服务调用的事件序列,采用时间序列分析方法检测异常事件,具有较好的智能化和通用性。     

基于融合补偿的光纤网络入侵节点精准定位策略

光纤网络节点受到入侵后易导致信息丢失，甚至导致整体网络系统瘫痪。为此，提出基于融合补偿的光纤网络入侵节点精准定位策略方法。利用汇聚链路的控制法分组检测网络节点并融合信息，利用融合滤波的控制方法，获取网络入侵节点与未被入侵节点的差异化特性，确定关键节点位置，选择最佳公共节点补偿，满足节点对网络拓扑改变的最小原则，凭借信号分析法提取网络内异常信息特征，构建光纤网络入侵节点信号波束模型，提供定位输入数据，最后对整体网络状态预处理，建立网络检测模型，将异常特征信息输入至粒子群算法中，完成光纤网络入侵节点精准定位。实验结果表明：所提方法对入侵节点定位耗时较短，且定位平均误差较低。     

基于区块链的白盒化光网络故障检测

针对白盒化通信网设备异常检测问题,提出了基于区块链的白盒化光网络故障检测方案。首先,设计了面向数据收集的区块链架构和基于区块链的数据收集与存储方案;然后,又设计了基于自编码器的数据异常检测算法;最后,将自编码器模型部署至区块链共识设备中,形成完整的基于区块链的异常检测机制。实验结果表明：在不同设备的采集数据下,所提方案可以快速实现数据上链存储,且能准确、快速地识别设备的异常数据,实现网络设备的实时异常检测。     

基于日志数据的窗口化异常检测方法

传统的异常检测方法采用不定时巡检和用户反馈等被动方式发现问题,效率低、无法主动发现故障。本文提出了一种基于日志数据的窗口化异常检测方法,首先对历史日志数据进行预处理,获取日志模式库,再将日志数据转换成事件统计矩阵,结合COPOD算法快速定位异常点,及时发现具体异常日志,保证检测高效及准确。经实验数据表明,本文提出的异常检测方法能有效检测出多事件中存在的异常数据,且在大数据处理过程中效率较高。     

4G/5G无线网络智能运维研究与应用

智能运维是网络智能化的重要内容,推行网络运维智能化,对4G/5G网络的高效、可靠运行具有非常重要的意义。本文提出一种4G/5G无线网络智能运维方案,采用多种AI深度学习算法,基于基站的告警、性能、动环等多维度数据建立基站退服预测模型、异常检测模型和故障根因定位模型,并进行模型组合,输出智能巡检、退服预警发布和故障工单根因智能定位等支撑一线生产的功能应用。经过实际的应用试点,验证了方案的可行性和有效性,为4G/5G网络智能运维的实施提供了有力的方法指导和技术支撑。