园区网故障源分析系统的研究与实现
发布时间：2021-01-19 14:43
随着信息化的发展,人们工作和生活对网络的依赖程度越来越高。而园区网作为接入互联网的基础,当发生异常时必须快速准确定位故障根源才能保障用户上网体验。网络规模日益扩大、设备多样化等因素导致园区网中的故障关系变得错综复杂,传统的人工排障方式已经难以满足实际需求。告警关联规则挖掘技术通过挖掘历史告警序列获得告警关联规则以帮助诊断故障源,已成为目前智能化故障定位领域的研究热点。园区网中的告警同时具备时序相关性和空间相关性的特点,但现有算法只考虑了告警的时序相关性,忽略了空间关系的影响,应用于园区网告警分析场景时存在分析结果正确率低的问题。为了解决以上问题,本文针对园区网告警特征,提出了一种适用于园区网告警分析场景的Topo C-OPT（Topology Confidence-Optimizing）算法;并基于此设计实现了一套园区网故障源分析系统。首先,论文对现有 SDH-AARM（SDH-Alarm Association Rule Mining）算法进行改进,提出了适用于园区网的Topo C-OPT算法。算法增加园区网络拓扑作为挖掘依据,通过构造拓扑关联因子算法以获得告警实体在园区网络拓扑中的...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
图２－３?／的条件ＦＰ－ｔｒｅｅ??２．根据条件频繁模式树挖掘所有频繁项集；调用函数??ＦＰ—ｇｒ〇ｗｔｈ（ＦＰ」ｒｅｅ，Ｒｏｏｆ）实现
（３＾＋１??々，、／ｔ２、／：３将／即〇值划分为四个阶段。为了更直观地说明置信度优化模型对??告警关联规则置信度的不同优化策略以及优化后的效果，图３－５展示了?分别??与Ｃ０／厂、ｃｏｎ的函数关系，并对比了?Ｃ０７／和ｃｏｎ曲线：??原．Ｓ信度（〇？＞?—新置位度（《？’）??１?／??（Ｍ??／??１７／?＾－??０?人丨?又’、?ｋ＇?１??拓扑Ｘ：？联Ｗ子（／巧〇）??图３－５?ＣＯ＾和对比图??由图３－５可知，原置信度值不受拓扑关联因子的影响，完全由时间相关性计??算得到，未考虑拓扑关联因素。而新置信度值是在原置信度值基础上根据拓扑关??联因子优化得到，同时参考了时间相关性及拓扑关联性，旨在提高准确性。下面??将详细阐述置信度优化模型各阶段的优化策略。??Ｃ，阶段，的取值为（〇，々，］，表示告警关联规则前后件在园区网络拓扑中??的关联性非常弱，故在原有置信度的基础上降低其值。但由于规则在时间维度上??的相关性仍然具有重要参考意义，故本研宄采用控制原置信度下降范围的方式保??证时间相关性和空间相关性的平衡。当ｃｏ？?＝?ｌ时
―?为了更直观对比不同的支持数阈值下Ｔｏｐｏ?Ｃ－ＯＰＴ算法与ＳＤＨ－ＡＡＲＭ算法??结果集的正确率，分别将３组实验结果绘制为对比图，如图３－６、图３－７、图３－８??所示分别为第１组、第２组、第３组实验结果集正确率对比图。??ＳＤＨ－ＡＡＲＭ?，ｆｆｉｗ４＃ｓｓｓｗ＇Ｔ〇ｐ〇?Ｃ－ＯＰＴ??丨?ｌＯ）％??Ｉ腦｜??；７０％?；??６０％??１?２?３?４?５??事务数??图３－６第１组结果集正确率对比图??ｗｄ—?ＳＤＨ－ＡＡＲ１ＶＩ算法麵墨娜Ｔｏｐｏ?Ｃ－ＯＰＴ算法??１０３％??＿Ｍｒｔｒ＾ａｉａｉ８ｉａａ８ａａ］ｗ＊ａｉｗ＂ｒ￣ｒＴｍ＿＿－ｉ＊－＾？？ｗｌ？ａＭＭｉａａ＜＾，，＿?ｍｊ?ｉｉｂ??ｉ?纖?｜?｜?｜??：７０％?：??６０％??１?２?３?４?５??事务库??图３－７第２组结果集正确率对比图??２７??
【参考文献】：
期刊论文
[1]基于数据挖掘的变电站监控后台告警信号自动分析[J]. 曹中来. 中国管理信息化. 2017(20)
[2]一种改进的AprioriTid算法[J]. 张伟科. 沈阳工业大学学报. 2016(03)
[3]数据挖掘中一种增强的Apriori算法分析[J]. 胡雪,封化民,李明伟,丁钊. 信息网络安全. 2015(11)
[4]基于多最小支持度的关联规则挖掘[J]. 晏杰,亓文娟,郭磊,黄书城. 计算机系统应用. 2014(03)
[5]一种基于FP-Growth的频繁项目集并行挖掘算法[J]. 章志刚,吉根林. 计算机工程与应用. 2014(02)
博士论文
[1]基于数据挖掘的网络故障告警相关性研究[D]. 徐前方.北京邮电大学 2007
硕士论文
[1]基于关联规则的电信网告警相关性分析[D]. 张雄.东南大学 2016
[2]基于数据挖掘的省级气象信息传输监控系统的研究与实现[D]. 常帅.河北师范大学 2016
[3]并行FP-growth关联规则算法研究[D]. 娄书青.电子科技大学 2016
[4]民航旅客服务信息系统告警关联规则挖掘[D]. 张超.中国民航大学 2015
[5]基于并行FP-Growth算法的业务支撑网告警关联规则挖掘[D]. 鲍婷.南京邮电大学 2015
[6]基于事件关联的网络故障管理研究[D]. 李鹏.中南大学 2008
本文编号：2987185
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
图２－３?／的条件ＦＰ－ｔｒｅｅ??２．根据条件频繁模式树挖掘所有频繁项集；调用函数??ＦＰ—ｇｒ〇ｗｔｈ（ＦＰ」ｒｅｅ，Ｒｏｏｆ）实现
（３＾＋１??々，、／ｔ２、／：３将／即〇值划分为四个阶段。为了更直观地说明置信度优化模型对??告警关联规则置信度的不同优化策略以及优化后的效果，图３－５展示了?分别??与Ｃ０／厂、ｃｏｎ的函数关系，并对比了?Ｃ０７／和ｃｏｎ曲线：??原．Ｓ信度（〇？＞?—新置位度（《？’）??１?／??（Ｍ??／??１７／?＾－??０?人丨?又’、?ｋ＇?１??拓扑Ｘ：？联Ｗ子（／巧〇）??图３－５?ＣＯ＾和对比图??由图３－５可知，原置信度值不受拓扑关联因子的影响，完全由时间相关性计??算得到，未考虑拓扑关联因素。而新置信度值是在原置信度值基础上根据拓扑关??联因子优化得到，同时参考了时间相关性及拓扑关联性，旨在提高准确性。下面??将详细阐述置信度优化模型各阶段的优化策略。??Ｃ，阶段，的取值为（〇，々，］，表示告警关联规则前后件在园区网络拓扑中??的关联性非常弱，故在原有置信度的基础上降低其值。但由于规则在时间维度上??的相关性仍然具有重要参考意义，故本研宄采用控制原置信度下降范围的方式保??证时间相关性和空间相关性的平衡。当ｃｏ？?＝?ｌ时
―?为了更直观对比不同的支持数阈值下Ｔｏｐｏ?Ｃ－ＯＰＴ算法与ＳＤＨ－ＡＡＲＭ算法??结果集的正确率，分别将３组实验结果绘制为对比图，如图３－６、图３－７、图３－８??所示分别为第１组、第２组、第３组实验结果集正确率对比图。??ＳＤＨ－ＡＡＲＭ?，ｆｆｉｗ４＃ｓｓｓｗ＇Ｔ〇ｐ〇?Ｃ－ＯＰＴ??丨?ｌＯ）％??Ｉ腦｜??；７０％?；??６０％??１?２?３?４?５??事务数??图３－６第１组结果集正确率对比图??ｗｄ—?ＳＤＨ－ＡＡＲ１ＶＩ算法麵墨娜Ｔｏｐｏ?Ｃ－ＯＰＴ算法??１０３％??＿Ｍｒｔｒ＾ａｉａｉ８ｉａａ８ａａ］ｗ＊ａｉｗ＂ｒ￣ｒＴｍ＿＿－ｉ＊－＾？？ｗｌ？ａＭＭｉａａ＜＾，，＿?ｍｊ?ｉｉｂ??ｉ?纖?｜?｜?｜??：７０％?：??６０％??１?２?３?４?５??事务库??图３－７第２组结果集正确率对比图??２７??
【参考文献】：
期刊论文
[1]基于数据挖掘的变电站监控后台告警信号自动分析[J]. 曹中来. 中国管理信息化. 2017(20)
[2]一种改进的AprioriTid算法[J]. 张伟科. 沈阳工业大学学报. 2016(03)
[3]数据挖掘中一种增强的Apriori算法分析[J]. 胡雪,封化民,李明伟,丁钊. 信息网络安全. 2015(11)
[4]基于多最小支持度的关联规则挖掘[J]. 晏杰,亓文娟,郭磊,黄书城. 计算机系统应用. 2014(03)
[5]一种基于FP-Growth的频繁项目集并行挖掘算法[J]. 章志刚,吉根林. 计算机工程与应用. 2014(02)
博士论文
[1]基于数据挖掘的网络故障告警相关性研究[D]. 徐前方.北京邮电大学 2007
硕士论文
[1]基于关联规则的电信网告警相关性分析[D]. 张雄.东南大学 2016
[2]基于数据挖掘的省级气象信息传输监控系统的研究与实现[D]. 常帅.河北师范大学 2016
[3]并行FP-growth关联规则算法研究[D]. 娄书青.电子科技大学 2016
[4]民航旅客服务信息系统告警关联规则挖掘[D]. 张超.中国民航大学 2015
[5]基于并行FP-Growth算法的业务支撑网告警关联规则挖掘[D]. 鲍婷.南京邮电大学 2015
[6]基于事件关联的网络故障管理研究[D]. 李鹏.中南大学 2008
本文编号：2987185
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/2987185.html
